第三章节第三节快速傅里叶变换(FFT).pptVIP

第3章第三节 快速傅里叶变换（FFT) FFT算法分类： 1.按抽取方法分： 时间抽取法(DIT Decimation-In-Time); 频率抽取法(DIF Decimation-In-Frequency) 2.按“基数”分： 基-2FFT算法； 基-4FFT算法； 混合基FFT算法； 分裂基FFT算法 3.其它方法：线性调频Z变换(Chrip-z法) 例 8点FFT的算法 首先可以分解为两个N/2=4点的DFT.具体方法如下: 6、对 N = 2L点FFT流程图画法 1）输入倒位序，输出自然序 2）蝶形运算 对N = 2L点FFT，共需L级蝶形运算，每级有N/2个蝶形运算组成，蝶形运算两节点的距离:2L-1（L表示级数） 每个蝶形运算有一次复乘和再次复加。如 5. 时域抽取和频域抽取FFT的区别 1）基本蝶形不同 时域: 先复乘后加减 频域: 先减后复乘 2）运算量相同 3）都可原位运算 4）两者基本蝶形互为转置 3.3.3 关于FFT应用中的几个问题 3.3.3.1 用FFT计算IDFT 比较两式可知,只要DFT的每个系数 换成 ,最后再乘以常数1/N就可以得到IDFT的快速算法--IFFT。 3.3.3.2 线性卷积的FFT算法 利用FFT计算线性卷积 MATLAB程序 N=1024 x=[2 3 1 4 5 ones(1,N)]; h=[2 1 7 4 5 7 2 3 ones(1,N)]; Lenx=length(x); %求序列x的长度 Lenh=length(h); %求序列h的长度 N=Lenx+Lenh-1; t=cputime(%或tic) Xk=fft(x,N); %计算x序列的DFT Hk=fft(h,N); %计算h序列的DFT Yk=Xk.*Hk; y=ifft(Yk) %求IDFT t1=cputime-t（或toc） stem(y); xlabel(n); 直接线性卷积 MATLAB程序 %[x,nx]为第一个信号 %[h,nh]为第二个信号 %conv(x,h)可以实现两个有限长度序列的卷积 x=[2 3 1 4 5]; h=[2 1 7 4 5 7 2 3]; ny2=length(x)+length(h)-1; t=cputime ny=[0:ny2]; y=conv(x,h); T1=cputime-t stem(y) 重叠保留法 分段序列中补零的部分不是补零，而是保留原来的输入序列，于是重叠了输入信号段，省略掉输出段的重叠相加。 说明 由于保留法补的不是零值点，而是前段保留下来的（M-1)点有x(n)值，因而每段循环卷积的结果的前（M-1）个点的值不等于线性卷积的值必须舍去。把相临输出段的序列衔接起来就构成了最后正确输出。 3.3.4 用FFT计算相关函数 若L点x(n)，M点y(n)，计算线性相关： 相关和卷积的时域关系 FFT计算相关程序 x=[1 3 -1 1 2 3 3 1]; y=[2 1 -1 1 2 0 -1 3]; k=length(x); xk=fft(x,2*k); yk=fft(y,2*k); rm=real(ifft(conj(xk).*yk)); rm=[rm(k+2:2*k) rm(1:k)]; m=(-k+1):(k-1); stem(m,rm) xlabel(m); ylabel(幅度); 通过FFT来分析其信号频率成分。 t=0:0.001:0.6; x=sin(2*pi*50*t)+sin(2*pi*120*t); %两个正弦信号合成一个输入 y=x+randn(1,length(t)); %加载噪声信号 Y=fft(y,512); %进行FFT变换 subplot(211);plot(y);title(受噪声污染的信号); n=0:511;f=1000*n/512; %将信号横向放大，由512放大为1000 subplot(212);plot(f,abs(Y));title(FFT); 重叠相加法 N1-1 L-1 h(n) 0 x(n) 0 N2 2 N2 3 N2 N2-1 L-1 x0(n) 2 N2 -1 L+ N2 -1 N2 x1(n) 3 N2 -1 2 N2 2 N2+L -1 x2(n) * * * L-1 N2 L＋N2-1 L＋2N2-1 2N2 舍弃