DSP-第三章2.3-2.4.ppt

第三章 离散傅里叶变换及其快速算法 §3.3 快速傅里叶变换 (FFT) 计算一个X(k)(一个频率成分)值，运算量为 例如，k=1，则 要进行N次复数乘法和(N-1)次复数加法； 要完成整个DFT运算，需要计算N个X(k)值，所以总计算量为： N*N次复数相乘和N*(N-1)次复数加法 在这些运算中，乘法比加法复杂，需要的运算时间多，尤其是复数相乘，每个复数相乘包括4个实数相乘和2个实数相加，例 例1:当N=1024点时，直接计算DFT需要： N2=220=1048576次，即一百多万次的复乘运算 例2:石油勘探，24道记录，每道波形记录长度5秒，若 每秒抽样500点/秒， 每道总抽样点数=500*5=2500点 24道总抽样点数=24*2500=6万点 DFT运算需要N2=(60000)2=36*108次 如此之大的运算量，对计算机的处理能力和处理速度都提出很高的要求；尤其在实时性很强的信号处理(如雷达信号处理)中，对计算速度的要求十分苛刻； →迫切需要改进DFT的计算方法，以减少总的运算次数 二、改善DFT运算效率的基本途径 2、FFT的思路——利用对称性和周期性将长序列DFT分解为短序列DFT 因为DFT的运算量与N2成正比的 如果一个大点数N的DFT能分解为若干小点数DFT的组合，则显然可以达到减少运算工作量的效果 运算量分解示意图如下： 三、常见的FFT算法 按抽取方法分： 时间抽取法(DIT); 频率抽取法(DIF); 按“基数”分： 基-2FFT算法； 基-4FFT算法； 混合基FFT算法； 3.3.1 按时间抽取的FFT DFT运算也相应分为两组： 2、蝶形信号流图 图 (a)为实现这一运算的一般方法，它需要两次乘法、两次加减法。考虑到-bW和bW两个乘法仅相差一负号，可将图 (a)简化成图 (b)，此时仅需一次乘法、两次加减法。 图 (b)的运算结构像一蝴蝶通常称作蝶形运算结构简称蝶形结，采用这种表示法，就可以将以上所讨论的分解过程用流图表示。 4、时间抽取法FFT的运算特点： 第一次分偶、奇，根据最低位n0的0、1状态来分，若n0=0，则为偶序列；n0=1则为奇序列，得到两组序列： 000 010 100 110 ? 001 011 101 111 第二次对这两个偶、奇序列再分一次偶、奇序列，这就要根据n1的０、１状态。若n1=0，则为偶序列；n1=1则为奇序列，得到四组序列： 000 100 ? 010 110 ? 001 101 ? 011 111 同理，再根据n2的０、１状态来分偶、奇序列，直到不能再分偶、奇时为止。对于N=8, n2已是最高位，最后一次分得结果为 000 ? 100 ? 010 ? 110 ? 001 ? 101 ? 011 ? 111 3.3.2按频率抽取的FFT(按输出X(k)在频域的顺序上属于偶数还是奇数分解为两组) 以N=8的频率抽取为例 3.3.3 N为组合数的FFT(任意基数的FFT算法) 3.4 FFT应用中的几个问题 IDFT与DFT的差别 1)把DFT中的每一个系数 改为 ， 2)再乘以常数 1/N ， 则以上所讨论的时间抽取或频率抽取的FFT运算均可直接用于IDFT运算，当然，蝶形中的系数 应改为 。 通过g(n)FFT运算结果G(k),由上式也可得到Y (k) 的值。 通过N点FFT运算可得到： Y(k)=X1(k)+jX2(k) ，N点 根据前面的讨论，得到 a. 计算X(k)=FFT[x(n)] b. 求H(k)=FFT[h(n)] c. 求Y(k)=H(k)X(k) k=0～L-1 d. 求y(n)=IFFT[Y(k)] n=0～L-1 可见, 只要进行二次FFT, 一次IFFT就可完成线性卷积计算。 计算表明, L32时, 上述计算线性卷积的方法比直接计算线卷积有明显的优越性, 因此, 也称上述循环卷积方法为快速卷积法。 (1)??? 重叠相加法——由分段卷积的各段相加构成总的卷积输出 计算步骤： a.? 事先准备好滤波器参数 H(k)=DFT[h(n)]，N点 b.? 用N点FFT计算Xi(k)=DFT[xi(n)] c.? Yi(k)=Xi(k)H(k) d.? 用N点IFFT求 yi(n)=IDFT