数字信号处理快速傅里叶变换(FFT).pptVIP

4.3.4 离散傅立叶变换的快速算法FFT DFT是信号分析与处理中的一种重要变换。因直接计算DFT的计算量与变换区间长度N的平方成正比，当N较大时，计算量太大，所以在快速傅里叶变换(简称FFT)出现以前，直接用DFT算法进行谱分析和信号的实时处理是不切实际的。直到1965年发现了DFT的一种快速算法以后，情况才发生了根本的变化。 1 直接计算DFT的特点及减少运算量的基本途径 长度为N的有限长序列x(n)的N点DFT为 考虑x(n)为复数序列的一般情况，对某一个k值，直接按(4-109)式计算X(k)值需要N次复数乘法、(N-1)次复数加法。而k的取值从0到N-1，为N个取值，所以 直接计算N点DFT的运算量为N2次复乘，N(N-1)次复加，即N点DFT乘法与加法次数均与N2成正比。 显然，把N点DFT分解为几个较短的DFT，可使乘法次数大大减少。另外，旋转因子WmN具有明显的周期性和对称性。其周期性表现为 2 时域抽取法基2FFT基本原理 FFT算法基本上分为两大类：时域抽取法FFT(Decimation In Time FFT,简称DIT-FFT)和频域抽取法FFT(Decimation In Frequency FFT,简称DIF―FFT)。下面先介绍DIT―FFT算法。 设序列x(n)的长度为N，且满足 则x(n)的DFT为 其中X1(k)和X2(k)分别为x1(r)和x2(r)的N/2点DFT，即 经一次分解后，此时计算量由两个N/2点DFT，和N/2个蝶形运算构成。由于一个N点DFT运算量为N2次乘法和N(N-1)次加法；而一个蝶形运算包括1次乘法和2次加法，所以 继续分解，与第一次分解相同，将x1(r)按r的奇偶分解成两个N/4长的子序列x3(l)和x4(l)，即 用同样的方法可计算出 3 DIT―FFT算法与直接计算DFT运算量的比较 每一级运算都需要N/2次复数乘和N次复数加(每个蝶形需要两次复数加法)。所以，M级运算总共需要的复数乘次数为 5 频域抽取法FFT(DIF―FFT) 在基2快速算法中，频域抽取法FFT也是一种常用的快速算法，简称DIF―FFT。 设序列x(n)长度为N=2M，首先将x(n)前后对半分开，得到两个子序列，其DFT可表示为如下形式： 6 IDFT的高效算法IFFT 上述FFT算法流图也可以用于离散傅里叶逆变换(Inverse Discrete Fourier Transform，简称IDFT)。比较DFT和IDFT的运算公式： 如果希望直接调用FFT子程序计算IFFT，则可用下面的方法： 由于 7 实序列的FFT算法 （一个N点FFT运算一个2N点实序列的DFT） 设x(n)为2N点实序列，取x(n)的偶数点和奇数点分别作为新构造序列y(n)的实部和虚部，即 另外，由于x(n)为实序列，所以X(k)具有共轭对称性，X(k)的部分值可由对称性得到。 * 快速傅里叶变换(FFT) (4-109) 其对称性表现为 或者 为自然数 按n的奇偶把x(n)分解为两个N/2点的子序列 n为偶数组 n为奇数组 由于 所以 k=0,1,2…,N-1 (4-113) (4-114) 由于X1(k)和X2(k)均以N/2为周期，且 ，所以X(k)又可表示为 (4-115) (4-116) ? 图4-22 蝶形运算符号 由上分析可见，只要求出 0~N/2-1之间的X1(k)和X2(k)，即可按(4-115)和(4-116)求得0～N-1区间内所有X(k)。 图4-23 N点DFT的一次时域抽取分解图(N=8) r=0, x1(0) x1(r)=x(2r),n为偶数 x2(r)=x(2r+1),n为奇数 r=0, x2(0) r=3, x1(3) r=2, x1(2) r=1, x1(1) r=3, x2(3) r=2, x2(2) r=1, x2(1) 一次 分解后 的运算量 乘法次数N2/2+N/2, 加法次数N2/2,比直接计算较少了近 一半的计算量。 那么，X1(k)又可表示为 (