[理学]离散傅里叶变换及其快速算法.pptVIP

FFT算法利用 的对称性和周期性，将一个大的DFT分解成一些逐次变小的DFT来计算。 分解过程遵循两条规则： ①对时间进行偶奇分解——按时间抽取的FFT算法 ②对频率进行前后分解——按频率抽取的FFT算法 按时间抽取的FFT算法 设N=2M，M为正整数，如取N=23=8，即离散时间信号为 按照规则①将序列x(n)分为奇偶两组，一组序号为偶数，另一组序号为奇数，即 分别表示为 根据DFT的定义 因为 上式中的G(k)和H(k)都是N/2点的DFT 注意到G(k)和H(k)只有N/2个点，而X(k)却需要N个点，如果以G(k)和H(k)表示全部X(k)，应利用G(k)和H(k)的两个重复周期，则有： 由G(k)和H(k)的周期性和WN的对称性可得： 因此可由G(k)和H(k)决定X(k)的全部关系式： 以N=8为例说明，此时有： 按照上面结论可画出信号流程图如下： 可进一步把每个N/2点DFT的计算再各分解成两个N/4点DFT的计算： 将所得的信号流程图合并，便得到下面信号流程图： 因为N=8，所以上图中N/4点的DFT就是2点的DFT，不能再分解了。 用信号流程图表示，得到下面所示的8点时间抽取的完整的FFT流程图为： 从流程图可看出几个特点： (1)流程图的每一级的基本计算单元都是一个蝶形，一个蝶形运算包括一次复数乘法，两次复数加（减）法； (2)当N=2M时，全部DFT运算可分解为M级蝶形流程图，其中每级都包含N/2次乘法，N次加减法，则全部运算工作量为： 复数乘法： 复数加法： * * * 离散傅里叶变换及其快速算法 概述 傅里叶变换实现了时域到时域到频域的转换，在连续信号和离散信号处理技术领域有广泛的应用。 为利用计算机计算傅里叶变换,对信号与频谱有如下要求： 信号与频谱应是离散的 数据长度都是有限的 本节介绍如何将傅里叶级数和傅里叶变换的分析方法应用于离散时间信号，它们是由傅里叶变换发展而来的一种变换方法。 离散傅里叶变换(DFT)和快速傅里叶变换(FFT)在理论上解决了利用计算机进行傅里叶分析的问题。 离散时间序列 数字计算机只能处理有限长的数字信号。因此，必须把一个连续的变化的模拟信号转换成有限长的离散时间序列，才能由计算机来处理。这一转换称模拟信号数字化。 对x(t)进行抽样，抽样间隔为Δ， x(t)的离散值在时间t=kΔ，写为xk。{xk},k= …,-1,0,1,2,3, …叫做离散时间序列。 周期序列的离散分析 连续周期函数x(t)，抽样间隔Δt=T/N 周期序列的离散傅里叶级数(DFS) 连续周期函数x(t)的傅里叶级数： 抽样间隔Δt=T/N， 周期函数的离散傅里叶级数(DFS): 离散傅里叶级数(DFS)的性质 离散傅里叶系数 是一个由 N 个独立谐波分量组成的傅立叶级数 离散傅里叶系数 也是离散周期的，周期为N。 离散傅里叶级数(DFS)的性质 DFS变换对公式表明，一个周期序列虽然是无穷长序列，但是只要知道它一个周期的内容（一个周期内信号的变化情况），根据DFS的周期性就可求出其余各周期的全部数值，所以这种无穷长序列实际上只有N个序列值的信息是有用的，因此周期序列与有限长序列有着本质的联系。 非周期序列的离散时间傅里叶变换(DTFT) /序列的傅里叶变换 定义序列x(n)的离散时间傅里叶变换(DTFT)为： 序列x(n)的离散时间傅里叶逆变换(IDTFT)为： 傅里叶变换对小结 傅里叶级数(FS)（时域：连续周期；频域：非周期离散） 傅里叶变换(FT)（时域：连续非周期；频域：非周期连续） 离散傅里叶级数(DFS)（时域：离散周期；频域：周期离散） 离散时间傅里叶变换(DTFT)（时域：离散非周期；频域：周期连续） 离散傅里叶变换(DFT) 上面讨论的傅里叶变换对，都不适用在计算机上运算。因为从数字计算角度，我们感兴趣的是时域及频域都是离散的情况。而工作中经常要对有限长序列进行频谱分析,这就是我们这里要谈到的离散傅里叶变换。 可借助于DFS定义DFT，思路如下： (1) 把时域周期序列看作是有限长序列x(n)的周期延拓； (2) 把频域周期序列看作是有限长序列X(k)的周期延拓； (3) 这样只要把DFS的定义式两边（时域、频域）各取主值区间,就得到关于有限长序列的时频域的对应变换对——离散傅里叶变换(DFT)。 离散傅里叶变换(DFT)的定义和基本概念 现借助于DFS的概念对有限长序列进行傅里叶分析： 设x(n)为有限长序列： 正变换： 逆变换： 通常记 ，则DFT简化为 上两式可写为矩阵形式 DFT与DT