8点DIF-FFT算法的基于MATLAB的实现推荐.docxVIP

摘要快速傅里叶FFT是将一个大点数N的DFT分解为若干小点的DFT的组合。工作量会明显降低，从而大大提高离散傅里叶变换DFT的运算速度。因而各个学科技术领域广泛的使用了FFT技术，她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，而DIF是FFT算法中按频率抽取的方法。本课设比较全面的叙述快速傅里叶变换中DIF的算法、原理、特点，并完成了基于MATLAB的实现。关键词：快速傅里叶变换FFT、MATLAB、DIF1 FFT算法简介及原理特点1.1 FFT算法简介快速傅立叶变换（FFT）并不是一种新的变换，而是离散傅立叶变换（DFT）的一种快速算法。DFT的计算在数字信号处理中非常有用。例如在FIR滤波器设计中会遇到从h(n)求H(k)或由H(k)计算h(n)，这就要计算DFT；信号的谱分析对通信、图像传输、雷达等都是很重要的，也要计算DFT。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。自从1965年图基（J. W. Tukey）和库利（T. W. Coody）在《计算数学》（Math. Computation , Vol. 19, 1965）杂志上发表了著名的《机器计算傅立叶级数的一种算法》论文后，桑德(G. Sand)-图基等快速算法相继出现，又经人们进行改进，很快形成一套高效运算方法，这就是快速傅立叶变换简称FFT（Fast Fourier Transform）。这种算法使DFT的运算效率提高1~2个数量级。1.2 基2 FFT算法原理特点1.2.1直接计算DFT的问题设x(n)为N点有限长序列，其DFT正变换为= ， k=0，1，…，N-1其反变换(IDFT) x(n)= ，n=0，1，…，N-1二者的差别只在于的指数符号不同，以及差一个常数乘因子1/N，因而下面我们只讨论DFT正变换的运算量，反变换的运算量是完全相同的。考虑x(n)为复数序列的一般情况，每计算一个X(k)，需要N次复数乘法以及（N-1）次复数加法。因此，对所有N个k值，共需N2次复数乘法及N（N-1）次复数加法运算。所以直接计算DFT，乘法次数和加法次数都是和N2成正比的，当N很大时，运算量是很可观的，因而需要改进对DFT的计算方法，以减少运算次数。1.2.2改进的途径及DIF的引出下面讨论减少运算工作量的途径。仔细观察DFT的运算就可看出，利用系数以下固有特性，就可减小DFT的运算量：（1）的对称性（）*=（2）的周期性==（3）的可约性==由此可得：==，=-1，=-。这样利用这些特性，可以将长序列的DFT分解为短序列的DFT。快速傅立叶变换算法正是基于这样的思路而发展起来的。它的算法基本上可以分成两大类：时域抽取法FFT（DIT-FFT）和频域抽取法FFT（DIF-FFT）。2 按频率抽选DIF的基2 FFT算法2.1 DIF的原理设序列点数为N=2M，M为整数。＝，k=0，1，…，N-1先把输入按n 的顺序分成前后两半：＝，k=0，1，…，N-1=+=+=，k=0，1，…，N-11，k为偶数=(-1)k= -1，k为奇数将X（K）分解成偶数组与奇数组，当k取偶数即k=2r时（r=0，1，…，N/2-1），==当k取奇数即k=2r+1时（r=0，1，…，N/2-1），==令 n=0，1，…，N/2-1=，r=0，1，…，N/2-1=x1(n)、x2(n)和x(n)之间可用下图所示的蝶形运算符号表示： -1 图2.1用下图表示，N=8的一次分解流图：图2.2由于N=2M，N/2仍是偶数，继续将N/2点DFT分成偶数组和奇数组。图2.3表示N=8时二次分解运算流图：图2.3最后完整的分解流图为下图：图2.4这种算法是对X（K）进行奇偶抽取分解的结果，所以称之为频域抽取法FFT。DIF-FFT算法与DIT-FFT算法类似，不同的是DIF-FFT算法输入序列为自然顺序，而输出为倒序排列。另外，蝶形运算略有不同，DIT-FFT蝶形先乘后加，而DIF-FFT蝶形先加后乘。上述两种FFT的算法流图形式不是唯一的。只要保证各节点所连支路及其传输系数不变，改变输入与输出点以及中间结点的排列顺序，就可以得到其他变形的FFT运算流图。2.2 DIF的特点1.原位运算由图2.4可以看出，DIF-FFT的运算过程很有规律。N=2M点的FFT共进行M级运算，每级由N/2个蝶形运算组成。同一级中，每个蝶形的两个输入数据只对计算本蝶形有用，而且每个蝶形的输入、输出数据结点又同在一条水平线上，这就意味着计算完一个蝶形后，所得输出数据可立即存入原输入数据所占用的存储单元。这样，经过M级运算后，原来存放输入序列数据的N个存储单元中便依次存放X（K）的N个值。这种利用同一存储单元存