数字信号课件-5第四章快速傅里叶变换.ppt

4.1 引言 4.2 基2FFT算法 ☆ 直接计算DFT的特点及减少运算量的基本途径 ☆ 时域抽取法基2FFT算法 ☆ DIT-FFT的运算量 ☆ DIT-FFT的运算规律 ☆ 按频域抽取的基2FFT算法 ☆ IDFT的高效算法 * 第四章 快速傅里叶变换 西南交大峨眉校区电气系 DSP * * 第四章 快速傅里叶变换(ＦFT) 4.1 引言 DFT是数字信号处理中一种很有用的方法，但通常要处理的序列比较长，DFT的运算量很大，应用受到很大限制。因此必须寻求DFT的各种快速有效算法,由此便产生FFT（Fast Fourier Transforms）。 FFT是DFT的一种快速算法。 4.2 基2FFT算法 4.2.1 直接计算DFT的特点及减少运算量的基本途径 DFT的定义 ① ② 正变换的运算量 均为复数 每计算一个X(k)需要： N次复数乘法,(N-1)次复数加法 N个X(k)需要： N2次复数乘法,N(N-1)次复数加法 ① 观察①式： ① ② 观察②式： 运算量与①式相同，差别在于 指数的符号 总结 DFT或IDFT的运算量为： N2次复数乘法,N(N-1)次复数加法 当N↑，运算量剧烈增加；N很大时，难于做到实时信号处理，故迫切需要改进DFT的计算方法，设法减小运算量，FFT就是DFT的一种快速算法。 FFT的基本思想 1.将大点数的DFT分解为若干个小点数的DFT的组合，使整个DFT的计算过程变成一系列迭代运算过程。 2.利用 的周期性和对称性： 周期性： 对称性： 或 FFT算法的分类 时域抽取法(DIT) 频域抽取法(DIF) 4.2.2 时域抽取法基2FFT算法 算法原理 设N点序列x(n), , M为自然数 按n的奇偶将x(n)分组： 则： 则： 则： ③ 此时：r、k＝0，1，…， 怎么样表达后一部分的X(k)呢？ ③ 此时：r、k＝0，1，…， 同理： 故： k＝0，1，…， ④ ③ k＝0，1，…， 结论 只要求出0～(N/2-1)区间的所有X1(k)和X2(k)值， 即可求出0～(N-1)区间的所有X(k)值，大大节省了运算量。 ③ ④ k＝0，1，…， 将此运算用蝶形信号流图符号表示： 计算一个蝶形，需要一次复乘，两次复加。 N点DFT一次时域抽取分解图（N=8） N/2点 DFT N/2点 DFT 计算一个N点DFT需要计算两个N/2点DFT和N/2个蝶形运算 计算一个N点DFT需要 次复乘、N(N-1)次复加; (计算一个N/2点DFT需要(N/2)2次复乘、N/2(N/2-1)次复加。) 计算一个蝶形，需要一次复乘,两次复加。 即计算一个N点DFT需要[2(N/2)2+N/2]=N(N+1)/2≈N2/2次复乘;[N(N/2-1)＋N]=N2/2次复加。 经过一次分解，就使运算量减少一半，则运用这种 方法可以对N/2点DFT进一步分解，一直到左侧为两点 DFT为止。 N点DFT一次时域抽取分解图（N=8） N/2点 DFT N/2点 DFT N/4点 N/4点 N/4点 N/4点 N点DIT―FFT运算流图(N=8) 当 时，可分解为M级蝶形，每级都有N/2个蝶形运算。 则每一级：N/2次复数乘、N次复数加。 计算一个蝶形，需要一次复乘，两次复加。 则M级： 次复数乘 次复数加 4.2.3 DIT-FFT的运算量 复乘次数 N N 2 算法的计算复杂度 例如，N=210 =1024时 4.2.4 DIT-FFT的运算规律 1. 原位计算（就地算法） 用同一地址既存输入序列又存输出序列的算法。 2.旋转因子 的变化规律 级(L):从左到右的运算级数。(L=1,2,…M) 旋转因子与级数（L）的关系？ L=1 L=2 L=3 推广到一般情况 ，第 L 级的旋转因子为 3.序列的倒序 按原位计算时，FFT的输出X(k)是按自然顺序存储的，但输入序列却不是按自然顺序存储的。 若 是三位二进制数， 则 就是它的倒位序。 x(0) 000 0 000 x(1) 001 4 100 x(2) 010 2 010 x(3) 011 6 110 x(4) 100 1 001 x(5) 101 5 101 x(6) 110 3 011 x(7) 111 7 111 x(n) n 输入序列是按倒位序存储的。 造成倒位序的原因是输入序列x(n)，按标号n的奇偶不断地分组造成的。 n 4.编程规律 N=2M ① 共M级蝶形运算，级数用L表示，即L=1，2，…，M。 ② 每一级中