FFT算法程序及分析.doc

FFT算法程序及分析 摘 要： 《FFT的算法程序分析》主要分析了按时间抽取（DIT）的快速傅立叶变换的基2FFT算法，通过对基2FFT算法的原理的分析及与DFT算法运算量的比较，进一步推导出了基rFFT算法，重点是基rFFT算法的推导。 在具体的实例中，我们重点分析了FFT过程中幅值大小与FFT选用点数N的关系，验证FFT变换的可靠性，考察在FFT中数据样本的长度与DFT的点数对频谱图的影响。 关键字： 基2FFT算法，基rFFT算法，样本长度，选用点数 要求： 学习书上第六节的内容，自己编程实现FFT算法 。 给出典型信号的时域和频域图，并加以分析。 可尝试实现分段卷积程序。 论文内容含原程序、运行结果，理论分析和典型信号时域图。 一．快速傅立叶变换（FFT）简介 离散傅立叶变换（DFT）是信号分析与处理中的一种重要的变换。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。所以在快速傅立叶变换（FFT）出现以前，直接用DFT算法进行频谱分析和信号的实时处理是不切实际的。 1965年，库利（J.W.Cooley）和图基（J.W.Tukey）在《计算数学》杂志上发表了“机器计算傅立叶级数的一种算法”的文章，这是一篇关于计算DFT的一种快速有效的计算方法的文章。它的思路建立在对DFT运算内在规律的认识之上。这篇文章的发表使DFT的计算量大大减少，并导致了许多计算方法的发现。这些算法统称为快速傅立叶变换（Fast Fourier Transform），简称FFT。 1984年，法国的杜哈梅尔（P.Dohamel）和霍尔曼（H.Hollmann）提出的分裂基快速算法，使运算效率进一步提高。 快速傅立叶变换（FFT）不是一种新的变换，而是离散傅立叶变换（DFT）的一种快速算法。 FFT分成两大类，即按时间抽取（decimation-in-time，缩写为DIT）法和按频率抽取（decimation-in-frequency，缩写为DIF）法。 FFT算法主要包括基2FFT算法，基4FFT算法，混合基FFT，基rFFT算法和分裂基FFT 算法。 二．快速傅立叶变换（FFT）定义 设x(n)为N点有限长序列，其DFT为 k=0,1,…,N-1 （1） 其反变换（IDFT）为 n=0,1,…,N-1 （2） 二者的差别只在于WN的指数符号不同，以及差一个常数因乘子1/N。 一般x(n)和为复数序列。对某一个k值，直接按（1）式计算X(k)值需要N次复数乘法、（N-1）次复数加法。因此，对所有N个k值，共需要N2次复数乘法及N（N-1）次复数加法运算。当N?1时，N（N-1）N2。（1）式可写为 所以，一次复数乘法需要四次实数乘法和二次实数加法；一次复数加法则需二次实数加法。因而每运算一个X（K）需4N次实数乘法及2N+2（N-1）=2（2N-1）次实数加法。所以整个DFT运算共需要4N2次实数乘法和N*2（2N-1）=2N（2N-1）次实数加法。 由上述可见，，N点DFT的乘法和加法运算次数均与N2成正比。当N较大时，运算量相当可观。所以，必须减少其运算量，才能使DFT在各种科学和工程计算中得到运用。 而DFT运算时间能否减少，关键在于时间运算是否存在规律以及如何利用这些规律。仔细观察DFT的运算可以看出，利用系数的一些固有特性，就可以减少运算量： 的对称性 = 的周期性 == 3） 的可约性 = = 即有： == =-1 = — 因此，利用这些性质，可以合并DFT运算中的有些项；利用这些性质可以将长序列的DFT分解为短序列的DFT。从而，减少运算次数，真正做到提高运算效率。 三.FFT基本形式 1. 基2FFT算法 基2FFT算法可以分为按时间抽取（DIT）的基-2FFT算法（库利-图基算法）和按频率抽取的基4FFT算法。我们具体分析按时间抽取（DIT）的基-2FFT算法。 算法原理：先设序列点数为N=2L，L为整数。将N=2L的序列x(n)（n=0，1，…，N-1）先按n的奇偶分成两组： ， r=0,1,…, 则可以将一个N点DFT分解成两个N/2点的DFT，而x1 (r) 和x2(r)以及X1(k)和X2(k)都是N/2点的序列。X（k）表达为前后两部分： 前半部分 k=0,1,…, -1 后半部分 k=0,1,…, -1 只要求出0到（N/2-1）区间的所有X1(k)和X2(k)值，即可求出