第12章 快速傅里叶变换应用.ppt

第12章　快速傅里叶变换的应用 12.1.　DFT的改进途径 12.2.　仿真实例 12.1.　直接计算DFT的问题及改进的途径 DFT和IDFT的变换公式 12.1式可写成　　　　　　　　　　　　　　　　 （12.3） 存在问题： 整个DFT运算总共需要4 次行乘法运算和 　　　　　　　　　　　　　　　　次加法运算。 直接计算DFT，乘法次数和加法次数都是和　　成正比。 减少DFT运算工作量的途径：利用　　的特性： （1）对称性： （2）周期性： （3）可约性： 另外： 实际办法： （1）用上述特性对项合并 （2）将长序列的DFT分解为短序列的DFT。 　算法原理 先设序列点数为　　　　，按n的奇偶进行分解 将DFT化为 利用系数　　的可约性，即　　　　　　　　　　　　　　得 　　　　 （4.5） 式中 　　　　　　　　　　　　　　　　　　（4.6） 　　　　　　　　　　　　　　　　　　（4.7） 应用系数的周期性　　　　　　　　　可得 　　　　　　　　　　　　　　　　　　（4.8） 　　　　　　　　　　　　　　　　　　（4.9） 再考虑性质　　　　　　　　　　　　　（4.10） 把4.8,4.9,4.10代入4.5式，将X(k)表达成前后两部分，前部分为 　　　　　　　　　　　　　　　　　　（4.11） 后部分为 　　　　　　　　　　　　　　　　　　（4.12） 这样，4.11、12式只要0-(N/2-1)区间的所有 　　　　、　　　的值，即可求0到(N-1)区间所有X(k)值。 4.11和4.12式用图4－1的蝶形符号表示。 分析：每个蝶形运算需要一次复数乘法　　　　及两次复数加（减）法。通过分解后运算工作量差不多减少到一半。 运算量分析 直接DFT复数算法次数是　　　 FFT复数乘法次数是　　　　 DFT和FFT算法的计算量之比为 结论：FFT比DFT更优越，当N越大时，优点更明显。 FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 一个模拟信号，经过采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍。 N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。 假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。 假设某信号成分的峰值为A，那么FFT的结果的每个点的模值就是A的N/2倍(第一个点就是直流分量，它的模值就是直流分量的N倍)。  对于n=1点的信号，是直流分量，幅度即为A1/N。由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。 例：假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。数学表达式为： S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)。 式中cos参数为弧度，所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样，总共采样256点。按照我们上面的分析，Fn=(n-1)*Fs/N，可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第51个点、第76个点上出现峰值，其它各点应该接近0。 ? 从图中我们可以看到，在第1点、第51点、和第76点附近有比较大的值。我们分别将这三个点附近的数据拿上来细看：??? 1点： 512+0i??? 2点： -2.6195E-14 - 1.4162E-13i ??? 3点： -2.8586E-14