快速傅里叶变换（FFT）计算机实现信号与系统课程设计论文.docxVIP

华中科技大学 信号与系统课程设论文 快速傅里叶变换（FFT）的计算机实现 摘 要 用C语言编程完成对输入波形的时域采样的FFT变换以及频域分析，同时用DFT变换来验证FFT变换结果的正确性。时域信号的输入有两种方式：一种是依次输入时域信号（仅支持多个正弦及余弦信号之和的形式）各谐波分量的幅值和角频率值，另一种是直接输入时域信号的采样值。然后进行DFT变换和FFT变换，两者结果应该是一样的。DFT变换的实现直接脱胎于定义，FFT变换采用的是基2时间抽取算法，用倒位序算法和蝶形算法实现。 关键词：傅里叶变换； DFT； FFT； 倒位序  背景知识 1.1 为什么要进行傅里叶变换 在进行科学研究的过程中，很重要的一点就是为一个系列的问题找到一个通法，从而为实际的应用打下基础。 在信号分析这个方向，如果直接对时域信号进行分析，那么我们将发现，很难找到一种固定的方法来进行分析，这是因为信号对时间t的函数形式存在无数种，我们是无法将这些函数以及这些函数的各种形式的组合都统一起来进行研究的。而进行傅里叶变换之后，我们就能很好达到这个目的——用一种方法来研究所有的信号（这些信号也需要满足一定的条件，但范围是非常广的）。 那么为什么傅里叶变换可以达到这样的目的呢？对于一个时域信号，我们习惯从时间的角度进行理解，也就是以时间为自变量，以信号值为因变量，一个信号是该信号在所有的时间点的值的叠加，每个信号分量在时间域上只占据了一个点，要想得到这个信号的所有信息，我们需要知道这个信号在时间轴上每一点的值，缺一不可。傅里叶变换之后，依然是一个叠加的问题，只不过由时间角度的叠加变成了频率角度的叠加，这时每一个信号分量都覆盖了一个时间域上的整个区间，并且每一个信号分量都是周期性的（三角函数的周期性），这样，只需要知道每个信号分量的幅值、频率、相位就能在时间轴上得到它的所有信息，而所有信号分量的叠加就得到了原来的信号。并且我们并非需要将所有信号分量都叠加起来，这是因为傅里叶变换之后，随着信号分量频率值的上升，信号??量幅值呈一个较快的下降趋势，在精度允许的范围内，我们并不需要去考虑频率值超出某个范围的那部分信号分量，我们所考虑的那个频率区间的信号分量的叠加已经能够很好的还原出原信号，而这个频率区间只占据了频率轴很少的部分，从而简化了后面的分析过程。同时，若原信号是周期性的，那该信号在频率轴上将只占据有限个点，分析难度更是大大减小。 1.2傅里叶级数 1.2.1频率分量与频率成分 对于时域信号来说，频率含量就是信号被分成的正弦波簇所确定的所有频率分量。例如，有限项正弦波叠加而成的连续时间信号为： （1-1） 式中，N是正整数，（假设为非）是正弦波的振幅，（rad/s）是正弦波的频率，是正弦波的相位。 根据式（1-1）“信号中存在的”频率就是组成该信号的正弦波频率,其频率成分就是组成信号的正弦波。值得注意的是式（1-1）定义的信号完全由频率，振幅和相信的相位所确定。 由式（1-1）定义的信号特征，可以通过对组成该信号的正弦频率，振幅，相位来研究。 1.2.2周期信号的三角傅里叶级数 设是基本周期为的周期信号，则可以表示成复指数和（一般为无穷项）的形式： , (1-2) 在式（1-2）中，、和都是实数，是基波频率（rad/s），且=/，是周期。系数和可由下面的公式计算出来： , (1-3) , (1-4) 应该注意的是上面给定的和可以在任何周期内的积分计算出来。例如 , (1-5) 在式（1-2）中，项是常数，或者是的直流成分，由式（1-6）确定： (1-6) 表达式（1-2）叫做周期信号的三角傅里叶级数。的一次谐波项为，二次谐波项为，第k次谐波项为。注意，组成的谐波频率为整数倍。这是周期信号的重要特性。 由式（1-2）给定的三角傅里叶级数可以在写成余弦函数和相位的形式： , (1-7) 式中： (1-8) 并且： (1-9) 1.2.3复指数级数 由式（1-2）给定的三角傅里叶级数可以表示成如下的指数形式： (1-10) 在式（1-10）中，是实数，对于，一般是复数。是基波的频率（rad/s），且，是基本周期。 式（1-10）的复指数级数的