数字信号处理第4章 离散傅叶变换.ppt

00-7-10 4.1 DFT的定义及物理意义 4.1.1 DFT的定义 设x(n)是一个长度为M的有限长序列，定义x(n)的N点离散傅里叶变换（DFT）为 与上式相对应，X(k)的离散傅里叶逆变换为 式中 ，那么 4.2 离散傅里叶变换的性质 离散傅里叶变换除了具有线性和周期性这两种基本特性以外，根据离散傅里叶变换的特点，它还具有以下特性和定理。 4.2.1 循环移位性质 1、序列的循环移位 设x(n)为有限长序列，其长度为N，则序列x(n)的循环移位可以定义为 4.3 频域采样定理 4.3.1 频域采样过程 设任意序列x(n)的Z变换为 X(z)收敛域包含单位圆，则存在傅里叶变换。那么，在单位圆上对X(z)等间隔N点采样，可以得到 X(k)可以看作长度为N的有限长序列xN(n)的DFT 4.4 快速傅里叶变换(FFT) 4.4.1 从DFT到FFT 直到1965年发现了DFT的一种快速算法以后，情况才发生了根本的变化。自从1965年图基(J.W.Tuky)和库利(T.W.Coody)在《计算机数学》杂志上发表了著名的“机器计算傅里叶级数的一种算法”论文以后，桑德(G.Sand)-图基等快速算法相继出现，后经人们进一步改进，很快形成一套高效运算方法，这就是现在的快速傅里叶变换(简称FFT)。 4.5 FFT算法的特点和改进措施 4.5.1 FFT算法的规律与特点 1、与DFT比较极大减小了运算量 全部N点的FFT运算共有蝶形单元数为 需要复数相乘次数为 需要复数加法次数为 4.6 FFT的应用举例 4.6.1 利用FFT计算IDFT 利用FFT算法流图也可以实现离散傅里叶逆变换，其快速算法简称IFFT。为了说明IFFT的实现过程，首先来比较一下DFT和IDFT的运算公式 同样将x2(r)按奇偶分解成两个N/4长的子序列x5(l)和x6(l)，做类似x3(l)和x4(l)的N/4点DFT，由X5(k)和X6(k)的周期性和的对称性，最后得到 依此类推，经过M-1次分解，最后将N点DFT分解成为N/2个2点DFT。 4.4.3 频域抽取法基—2FFT算法 DIF―FFT算法不是按偶数、奇数将序列x(n)分解，而是按前后对半分解，这样可将N点的DFT写成前后两部分。即 按式中k的不同取值，可以将X(k)分解成偶数组与奇数组，当k取偶数时，有 当k取奇数时，有 令 将x1(n)和x2(n)分别代入上式，可以得到 x1(n)和x2(n)同x(n)的关系也可以用蝶形运算流图 结合蝶形运算流图可以得到N = 8的一次分解运算流图 由于N =2M，N/2仍然是偶数，继续将N/2点DFT分解成偶数组与奇数组，这样每N/2点DFT又可以由两个N/4点DFT形成。 通常计算一次相乘的时间要远远大于计算一次加法的时间，因此，在分析算法运算量时也仅统计相乘的次数。 2、原位计算 经过某一级蝶形运算后的结果可以存放在原来存贮该输入数据同一地址的单元中。原位计算的结构可以节省大量内存，从而使设备成本降低。 3、序列的倒序 DIT―FFT算法的输入序列排序为码位倒序，DIF―FFT算法的输出序列排序为码位倒序。 由于序列长度N=2M，所以顺序数可用M位二进制数(nM-1nM-2…n1n0)表示。所谓码位倒序，就是将二进制数从最高到最低有效位的位序进行颠倒放置，即(n0n1…n M-2n M-1)，从而实现码位倒序。 4、旋转因子的变化规律 DIT―FFT运算流图从左到右，旋转因子也有不同，用L表示从左到右的运算级(L=1，2，???，M)，当N=23=8时的各级旋转因子可以表示如下： L=1时， L=2时， L=3时， 而DIF―FFT算法的旋转因子从左到右排列顺序与DIT―FFT算法正好相反，当N=23=8时，M=3，各级旋转因子可以表示如下： L=1时， L=2时， L=3时， 4.5.2 改进FFT算法措施 以提高程序的复杂度为代价换取计算量的进一步减少措施。 1、多类蝶形单元运算 综合起来分析，在FFT算法，对于旋转因子取±1和±j的情况都不需要乘法运算，这些旋转因子包括 、 和 。 在FFT算法还存在一些特殊的复数运算，例如旋转因子为 的情况。可以表示为 这样一次复数乘法就简化为两次实数加法和两次实数乘法运算，可减少一半的运算量。 若包含所有旋转因子，也就是对所有有关旋转因子的乘法，都按照复乘处理，则称该算法为一类蝶形单元运