第十一讲 数字信号处理-DIT—FFT.pptVIP

2-5快速傅里叶变换(FFT) 主要内容 1.直接计算DFT算法存在的问题及改进途径。 2. 时间抽取FFT算法 直接计算DFT计算量 问题提出： 设有限长序列x(n),非零值长度为N,计算对x(n)进行一次DFT运算，共需多大的运算工作量? 改善DFT运算效率的基本途径 利用DFT运算的系数 的固有对称性和周期性，改善DFT的运算效率。 1.合并法：合并DFT运算中的某些项。 2. 分解法：将长序列DFT利用对称性和周期性，分解为短序列DFT。 2.5.2基-2 按时间抽取的FFT算法 一、算法原理 设输入序列长度为N=2M(M为正整数)，将该序列按时间顺序的奇偶分解为越来越短的子序列，称为基2按时间抽取的FFT算法。 其中基数2----N=2M，M为整数.若不满足这个条件，可以人为地加上若干零值（加零补长）使其达到 N=2M 思路：将N=8点分解成2个4点的DFT 二、算法步骤 2. 代入DFT中 3. 求出子序列的DFT 4. 结论1 一个N点的DFT被分解为两个N/2点DFT。X1(k),X2(k)这两个N/2点的DFT按照： 5. 求出后半部的表示式 6. 结论2 7. 结论3 三、蝶形结 蝶形结描述的另一种方法 例子：求 N=23=8点FFT变换 将N=8点分解成2个4点的DFT的信号流图 (2) N/2(4点)--N/4(2点)FFT 若将N/2(4点)子序列按奇/偶分解成两个N/4点（2点）子序列。即对将x1(r)和x2(r)分解成奇、偶两个N/4点（2点）点的子序列。 (b) 求2点的DFT (c) 一个2点的DFT蝶形流图 (d) 另一个2点的DFT蝶形流图 (3) 将N/4（2点）DFT再分解成2个1点的DFT (b) 2个1点的DFT蝶形流图 (4) 一个完整N=8的按时间抽取FFT的运算流图 按时间抽取法 (a)比较N=8点直接DFT与分解2个4点DFT的FFT运算量 (b) 求 一个蝶形结需要的运算量 （c）分解为两个N/2=4点的DFT的运算量 (d) 用2个4点来求N=8点的FFT所需的运算量 四、按时间抽取的FFT算法与直接计算DFT运算量的比较 每级都由N/2个蝶形单元构成，因此每一级运算都需要N/2次复乘和N次复加（每个结加减各一次）。这样（N=2M)M级运算共需要： 例子 看N=8点和N=1024点时直接计算DFT与用基2-按时间抽取法FFT的运算量。 五、FFT算法中一些概念 将N 点DFT先分成两个N/2点DFT，再是四个N/4点DFT…直至N/2个两点DFT.每分一次称为“一”级运算。 因为N=2M所以N点DFT可分成M级 如上图所示依次m=0,m=1….M-1共M级 （2）“组”的概念 一个完整N=8的按时间抽取FFT的运算流图 (3) 因子的分布 六、按时间抽取FFT算法的特点 根据DIT基2-FFT算法原理，能得出任何N=2m点的FFT信号流图，并进而得出FFT计算程序流程图。最后总结出按时间抽取法解过程的规律。 1.原位运算（in-place) 2.码位倒读规则 (1). 原位运算（in-place) 原位运算的结构，可以节省存储单元，降低设备成本。 定义：当数据输入到存储器以后，每一组运算的结果，仍然存放在这同一组存储器中直到最后输出。 例子 例：N=8 FFT运算,输入: (2). 码位倒读规则 我们从输入序列的序号及整序规律得到码位倒读规则。由N=8蝶形图看出：原位计算时，FFT输出的X(k)的次序正好是顺序排列的，即X(0)…X(7),但输入x(n)都不能按自然顺序存入到存储单元中，而是按x(0),x(4),x(2), x(6)….的顺序存入存储单元即为乱序输入，顺序输出。这种顺序看起来相当杂乱，然而它是有规律的。即码位倒读规则。 例子 整序重排子程序 N=8点的直接DFT的计算量为：N2次(64次）复数相乘,N(N-1)次(8＊(8-1)=56次)复数相加.共计120次。 要运算一个蝶形结，需要一次乘法 ， 两次加法。 分解2个N/2点（4点）的DFT： 偶数 其复数相乘为 复数相加为 奇数 其复数相乘为 复数相加为 再将N/2点（4点）合成N点(8点)DFT时，需要进行N/2个蝶形运算 还需N/2次（4次）乘法 及 次(8次）加法运算。 按时间抽取法所需的复乘数和复加数都是与 成正比。而直接计算DFT时所需的复乘数与复加数则都是与N2成正比.(复乘数md=N2,复加数ad=N(N-1)≈N2) 复乘次数： 复加次数： 看出：当N较大时，按时间抽取法将比直接法快一、二个数量级之多。 一、算法原理二、算法