第五章 快速傅立叶变换(FFT)精选.ppt

当k取奇数(k=2r+1, r=0, 1, …, N/2-1)时 令 (5.3.10) * 将x1(n)和x2(n)分别代入(5.3.9)式和(5.3.10)式，可得 x1(n) 、 x2(n)和x (n)的关系也可用图5.3.9所示的蝶形运算流图符号表示。图5.3.10表示N=8时一次分解的运算流图。 (5.3.11) * 图 5.3.9 DIF-FFT蝶形运算流图符号 * 图5.3.10 DIF-FFT一次分解运算流图(N=8) * 图5.3.11示出了N=8时二次分解运算流图。这样继续分解下去，经过M-1次分解，最后分解为2M-1个2点DFT，2点DFT就是一个基本蝶形运算流图。当N=8时，经两次分解，便分解为四个2点DFT, 如图5.3.11所示。N=8的完整DIF-FFT运算流图如图5.3.12所示。 * 图5.3.11 DIF-FFT二次分解运算流图(N=8) * 图5.3.12 DIF-FFT运算流图(N=8) * 5.3.5 IDFT的高效算法 上述FFT算法流图也可以用于离散傅立叶逆变换(IDFT: Inverse Discrete Fourier Transform)。比较DFT和IDFT的运算公式： 由DIF-FFT运算流图改成的DIT-IFFT运算流图如图5.3.13所示。 * 图 5.3.13 DIT-IFFT运算流图 * 在实际中，有时为了防止运算过程中发生溢出，将1/N分配到每一级蝶形运算中。由于1/N=(1/2) M, 因此每级的每个蝶形输出支路均有一相乘因子1/2，这种运算的蝶形流图如图5.3.14所示。由图可知，乘法次数比图5.3.13增加了(N/2)(M-1)次。 * 图5.3.14 DIT-IFFT运算流图(防止溢出) * 如果希望直接调用FFT子程序计算IFFT，则可用下面的方法： 对上式两边同时取共轭，得 由于 因此 * 第五章 快速傅立叶变换(FFT)   第五章 快速傅立叶变换(FFT) 5.1 引言 5.2 直接计算DFT的特点及减少运算量的基本途径 5.3 基2FFT算法   * 5.1 引言 影响数字信号处理发展的最主要因素之一是处理速度。DFT使计算机在频域处理信号成为可能，但是当N很大时，直接计算N点DFT的计算量非常大。快速傅立叶变换(FFT：Fast Fourier Transform)可使实现DFT的运算量下降几个数量级，从而使数字信号处理的速度大大提高。自从1965年第一篇DFT快速算法的论文发表以来，人们已经研究出多种FFT算法，它们的复杂度和运算效率各不相同。本章主要介绍最基本的基2FFT算法及其编程方法。 * 5.2 直接计算DFT的特点及减少运算量的基本途径 长度为N的序列x(n)的N点DFT为 的周期性：  k=0,1,…,N-1 (5.2.1) * 的对称性：  (5.2.2) (5.2.3) * 5.3 基2FFT算法 5.3.1 DIT-FFT算法 序列x(n)的N(N=2M)点DFT为 k=0, 1, …, N-1 * 将上面的和式按n的奇偶性分解为 令x1(l)=x(2l), x2(l)=x(2l+1)。 因为W2klN=WklN/2, 所以上式可写成  (5.3.1) * (5.3.1)式说明，按n的奇偶性将x(n)分解为两个N/2长的序列x1(l)和x2(l)，则N点DFT可分解为两个N/2点DFT来计算。用X1(k)和X2(k)分别表示 将以上两式代入(5.3.1)式，并利用 和X1(k)、 X2(k)的隐含周期性可得到： * 这样，就将N点DFT的计算分解为计算两个N/2点离散傅立叶变换X1(k)和X2(k)。为了将如上分解过程用运算流图表示，以便估计其运算量，观察运算规律，总结编程方法，先介绍一种表示上式的蝶形图。 蝶形图及其运算功能如图5.3.1所示。 * 图5.3.1 蝶形运算图 * ?根据图5.3.2可以求得第一次分解后的运算量。图5.3.2包括两个N/2点DFT和N/2个蝶形，每个 点DFT需要 次复数乘法和 次复数加法运算，每个蝶形只有一次复数乘法运算和两次复数加法运算。所以，总的复数乘法次数为 总的复数加法次数为 * 图 5.3.2 8点DFT一次时域抽取分解运算流图