改善DFT的运算效率.PPTVIP

第四章快速傅里叶变换(FFT)Fast Fourier Transform 一、快速傅里叶变换FFT 有限长序列通过离散傅里叶变换(DFT)计算量太大（与N的平方成正比），很难实时地处理问题，因此引出了快速傅里叶变换(FFT)。 FFT并不是一种新的变换形式，它只是DFT的一种快速算法。并且根据对序列分解与选取方法的不同而产生了FFT的多种算法。 FFT在离散傅里叶反变换、线性卷积和线性相关等方面也有重要应用。 二、FFT的产生 1965年 图基(J. W. Turkey) 、库利(J. W. Cooley) 计算数学(MathematicofComputation) “机器计算傅里叶级数的一种算法” 1967年至1968年间FFT的数字硬件制成，电子数字计算机的发展 三、本章主要内容 1. 直接计算DFT算法存在的问题及改进途径 2. 多种DFT算法 时间抽取算法DIT算法 频率抽取算法DIF算法 线性调频Z变换即CZT法) 3. FFT的应用 一、直接计算DFT计算量 设有限长序列x(n)，非零值长度为N，计算对x(n)进行一次DFT运算，共需多大的运算工作量? 1. 比较DFT与IDFT之间的运算量 2. 计算DFT复数运算量 计算一个X(k)(一个频率成分)值 例k=1, 则 要进行N次复数乘法和(N-1)次复数加法 所以，要完成整个DFT运算，其计算量为： N*N次复数相乘和N*(N-1)次复数加法 3. 一次复数乘法换算成实数运算量 复数乘法运算要比加法运算复杂，需要的运算时间长。 一个复数乘法包括4个实数乘法和2个实数相法。 (a+jb)(c+jd)=(ac-bd)+j(bc+ad) 4. 计算DFT需要的实数运算量 每运算一个X(k)的值，需要进行 4N次实数相乘 2N+2(N-1)=2(2N-1)次实数相加。 整个DFT运算量为： 4N2次实数相乘 2N(2N-1)次实数相加。 直接计算DFT，乘法次数与加法次数都是和N2成比例的 例子 例1:当N=1024点时，直接计算DFT需要： N2=220=1048576次，即一百多万次的复乘运算 这对实时性很强的信号处理(如雷达信号处理)来讲，它对计算速度有十分苛刻的要求--迫切需要改进DFT的计算方法，以减少总的运算次数。 例2：石油勘探，24道记录，每道波形记录长度5秒，若每秒抽样500点/秒， 每道总抽样点数=500*5=2500点 24道总抽样点数=24*2500=6万点 DFT运算时间=N2=(60000)2=36*108次 二、改善DFT运算效率的基本途径 利用DFT运算的系数 的固有对称性和周期性，改善DFT的运算效率。 系数 的性质 例子 例: 一、算法原理 设输入序列长度为N=2M(M为正整数，将该序列按时间顺序的奇偶分解为越来越短的子序列，称为基2按时间抽取的FFT算法。也称为Coolkey-Tukey算法。 其中基数2----N=2M，M为整数。若不满足这个条件，可以人为地加上若干零值（加零补长）使其达到N=2M 例子 设一序列x(n)的长度为L=9，应加零补长为 N=24=16应补7个零值。 二、算法步骤1. 分组，变量置换 2. 代入DFT中 3. 求出子序列的DFT 4. 结论1 一个N点的DFT被分解为两个N/2点DFT 5. 求出后半部的表示式 6. 结论2 7. 结论3 三、蝶形结 例子：求N=23=8点FFT变换 (a) N=8点直接DFT运算量 （b)求一个蝶形结需要的运算量 （b）分解为两个N/2=4点的DFT的运算量 (c) 用2个4点来求N=8点的FFT的运算量 (e) 将8点分解成2个4点的DFT的信号流图 (2) N/2(4点)--N/4(2点)FFT (b) 求2点的DFT (c) 一个2点的DFT蝶形流图 (d) 另一个2点的DFT蝶形流图 (3) 将2点DFT再分解成2个1点的DFT (4) N=8的序列的分组 (5)一个完整N=8的按时间抽取FFT的运算流图 (5)一个完整N=8的按时间抽取FFT的运算流图 (5)一个完整N=8的按时间抽取FFT的运算流图 (5)一个完整N=8的按时间抽取FFT的运算流图 三、按时间抽取的FFT算法运算量 时间抽取的FFT每级都由N/2个蝶形单元构成，因此每一级运算都需要N/2次复乘和N次复加（每个结加减各一次）。这样（N=2M)M级运算共需要： 复乘次数： 复加次数： 按时间抽取法所需的复乘数和复加数都是与 成正比。 例子 看N=8点和N=1024点时直接计算DFT与用基2-按时间抽取法FFT的运算量。 一、算法原理 设输入序列长度为N=2M(M为