数字信号处理课件(第4章__快速傅里叶变换).ppt

第四章 快速傅里叶变换 4.6 线性卷积的FFT算法——快速卷积 4.7 FFT的其他应用 4.6 线性卷积的FFT算法——快速卷积 以FIR滤波器为例，因为它的输出等于有限长单位脉冲响应h(n)与有限长输入信号x(n)的离散线性卷积。 设x(n)为L点，h(n)为M点， 输出y(n)为 ： 由按时间抽取法与按频率抽取法的基本蝶形（图4-7与图4-18）运算看出，如果将DIT的基本蝶形加以转置，就得到DIF的基本蝶形; 反过来, 将DIF的基本蝶形加以转置， 就得到DIT的基本蝶形， 因而DIT法与DIF法的基本蝶形是互为转置的。 按照转置定理， 两个流图的输入-输出特性必然相同。转置就是将流图的所有支路方向都反向，并且交换输入与输出，但节点变量值不交换，这样即可从图4-7得到图4-18或者从图4-18得到图4-7，因而对每一种按时间抽取的FFT流图都存在一个按频率抽取的FFT流图。这样把图4-5，图4-10到图4-13的流图分别加以转置，就可得到不同DIF的FFT流图。 因此可以说，有多少种按时间抽取的FFT流图就存在多少种按频率抽取的FFT流图。频率抽取法与时间抽取法是两种等价的FFT运算。 4.5 N为复合数的FFT算法 上面讨论的是序列的点数N为2的幂次(即N=2M)情况下，按时间抽取和按频率抽取的基 -2FFT算法的基本原理。这种基-2FFT算法在实际中使用得最多，因为它的程序简单，效率高，使用方便。但实际上无法保证总是处理长度为2的整数幂次的序列。若不满足N=2M，可将x(n)增补一些零值点，以使N增长到最邻近的一个2M数值。 有限长序列补零之后，并不影响其频谱X(ejω)，只不过其频谱的抽样点数增加了，所造成的结果是增加了计算量而已。 但是，有时计算量增加太多，浪费较大。 例如, x(n)的点数N=300，则须补到N=29=512，要补212个零值点，因而人们才研究N≠2M时的FFT算法。  若N是一个复合数，即它可以分解成一些因子的乘积，则可以用FFT的一般算法，即混合基FFT算法，如库利-图基（CooleyTukey）算法，而基 -2 算法只是这种一般算法的特例。 这里， 我们不作详细介绍。 总之，不管采用什么方法，计算DFT的高效算法是把计算长度为N的序列的DFT逐次分解成计算长度较短序列的DFT。这是很多高效算法的标准方法和基本原理。 y(n)也是有限长序列，其点数为L+M-1 点。 下面首先讨论直接计算线性卷积的运算量。 由于每一个x(n)的输入值都必须和全部的h(n)值相乘一次，因而总共需要LM次乘法，这就是直接计算的乘法次数，以md表示为 md=LM 用FFT算法也就是用圆周卷积来代替这一线性卷积时，为了不产生混叠，其必要条件是使x(n)，h(n)都补零值点，补到至少N=M+L-1， 即: （4-102） 0≤n≤L-1 L≤n≤N-1 0≤n≤M-1 M≤n≤N-1 然后计算圆周卷积 N 这时，y(n)就能代表线性卷积的结果。  用FFT计算y(n)的步骤如下：  ① 求H(k)=DFT［h(n)］，N点； ② 求X(k)=DFT［x(n)］, N点； ③ 计算Y(k)=X(k)H(k); ④ 求y(n)=IDFT［Y(k)］，N点。 图 4-7 蝶形运算单元 由图4-5的流图看出，某一列的任何两个节点k和j的节点变量进行蝶形运算后，得到结果为下一列k, j两节点的节点变量，而和其他节点变量无关，因而可以采用原位运算， 即某一列的N个数据送到存储器后，经蝶形运算，其结果为下一列数据，它们以蝶形为单位仍存储在这同一组存储器中，直到最后输出，中间无需其他存储器。也就是蝶形的两个输出值仍放回蝶形的两个输入所在的存储器中。 每列的N/2 个蝶形运算全部完成后， 再开始下一列的蝶形运算。 这样存储器数据只需N个存储单元。 下一级的运算仍采用这种原位方式，只不过进入蝶形结的组合关系有所不同。 这种原位运算结构可以节省存储单元， 降低设备成本。 2. 倒位序规律 观察图4-5的同址计算结构，发现当运算完成后，FFT的输出X(k)按正常顺序排列在存储单元中，即按X(0)，X(1)，…，X(7)的顺序排列，但是这时输入x(n)却不是按自然顺序存储的，而是按x(0)，x(4)， …， x(7)的顺序存入存储单元，看起来好像是“混乱无序”的，实际上是有规律的，我们称之为倒位序。 造成倒位序的原因是输入x(n)按标号n的偶奇的不