DFT和FFT算法比较.docVIP

DFT和FFT算法的比较 摘??要?：???????????????????????? 快速傅里叶变?(Fast?Fourier?Tranformation，FFT)是将一个大点数N的DFT分解为若干小点的D?F?T的组合。将用运算工作量明显降低，?从而大大提高离散傅里叶变换(D?F?T)?的计算速度。因各个科学技术领域广泛的使用了FFT?技术它大大推动了信号处理技术的进步，现已成为数字信号处理强有力的工具。?? 关键词：离散傅立叶变换；快速傅立叶变换 Abstract： Fast Fourier (Fast Fourier Tranformation) is to a large number N of DFT is decomposed into several smaller D F T combination. Will use computing workload is decreased obviously, thus greatly improve the discrete Fourier transform (DFT) computing speed. Due to the various areas of science and technology widely USES the FFT technology, it greatly promotes the progress of the signal processing technology, has become a powerful digital signal processing tools. Keyword：discrete Fourier transform；Fast Fourier Tranformation DFT算法： 。 FFT算法： 快速傅氏变换（FFT）是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。 设x(n)为N项的复数序列，由DFT变换，任一X（m）的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出N项复数序列的X（m）,即N点DFT变换大约就需要N2次运算。当N=1024点甚至更多的时候，需要N2=1048576次运算，在FFT中，利用WN的周期性和对称性，把一个N项序列（设N=2k,k为正整数），分为两个N/2项的子序列，每个N/2点DFT变换需要（N/2）2次运算，再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后，总的运算次数就变成N+2（N/2）2=N+N2/2。继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog2N次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是FFT的优越性。 其原理是将长序列DFT根据其内在的对称性和周期性分解为短序列的DFT之和.N点的DFT先分解为2个N/2点的DFT,每个N/2点的DFT又分解为N/4点的DFT.最小变换的点数即所谓FFT的“基数”.因此,基数为2的FFT最小变换是2点DFT(或称蝶形运算).在基数为2的N点FFT中,设N=2M,则总共可分成M级运算,每级中有N/2个蝶算,则N点FFT总共有(N/2)log2N个蝶算,而1个蝶算只需一个复数乘法,2个复数加法,因此对N点FFT需计算(N/2)log2N个复数乘法、Nlog2N个复数加法.? DFT与FFT的比较?： (1) 运算量?一般来说,FFT比DFT运算量小得多,N点的FFT需要做(N/2)log2N次乘法运算,而N点DFT需要做N2次乘法运算,由此看来N点DFT运算量大约是FFT的2N/log2N倍,例如对1?024点的变换,DFT大约是FFT的200倍.然而实际应用时存在下列情况:? ① 实际应用时DFT中的乘法可以是实数和复数相乘,原因是输入信号可以是实数,而FFT只能是复数和复数的乘法,原因是FFT是分级运算的,中间运算过程都是复数运算,由此来看DFT的运算量大约是FFT的Nlog2N倍,而不是2N/log2N倍.? ② 实际应用时往往只关心整个频谱中的某一部分,甚至是只关心某些个别频点的谱线.DFT的特点是可按式(1)单独计算某一