《FFT的基算法简介》-课件设计（公开).pptVIP

基2FFT算法 直接计算DFT的特点及减少运算量的基本途径 直接计算DFT 长度为N的有限长序列x(n)的DFT为： 2、减少运算量的思路和方法 思路：N点DFT的复乘次数等于N2。把N点DFT分解为几个较短的DFT，可使乘法次数大大减少。另外，旋转因子WmN具有周期性和对称性。 基2FFT算法 方法： 分解N为较小值：把序列分解为几个较短的序列，分别计算其DFT值，可使乘法次数大大减少； 利用旋转因子WNk的周期性、对称性进行合并、归类处理，以减少DFT的运算次数。 周期性： 对称性： 3、FFT算法思想 不断地把长序列的DFT分解成几个短序列的DFT，并利用旋转因子的周期性和对称性来减少DFT的运算次数。 基2FFT算法 FFT基2算法基本上分为两大类：时域抽取法FFT(简称DIT-FFT)和 频域抽取法FFT(简称DIF―FFT)。 一、 时域抽取法基2FFT（DIT-FFT） 时域抽取法FFT的算法思想及实现过程： 将序列x(n)按n为奇、偶数分为x1(n)、x2(n)两组序列；用2个N/2点DFT来完成一个N点DFT的计算。 设序列x(n)的长度为N，且满足： (1) 按n的奇偶把x(n)分解为两个N/2点的子序列 基2FFT算法 (2)用N/2点X1(k)和X2(k)表示序列x(n)的N点DFT X(k) 基2FFT算法 由于X1(k)和X2(k)均以N/2为周期，且 , X(k)又可表示为: 对上式的运算用下图所示的流图符号来表示 基2FFT算法 基2FFT算法 二、频域抽取法FFT(DIF―FFT) 算法思想和运算过程 设序列x(n)长度为N=2M，将序列x(n)前后对半分为x1(n)、x2(n)两组序列，用2个N/2点DFT来完成一个N点DFT的计算。 基2FFT算法 将X(k)分解成偶数组与奇数组，当k取偶数(k=2r,r=0,1,…,N/2-1)时 当k取奇数(k=2r+1,r=0,1,…,N/2-1)时： 将x1(n)和x2(n)分别代入上式，可得 基2FFT算法 那么对序列x1(n)、x2(n) 和x(n)可用蝶形运算符号表示 基2FFT算法 DIT与DIF的比较： DIT与DIF相同点： DIT-FFT和DIF-FFT算法均可采用原位计算；N=2M时，共有M级运算，每级共有N/2个蝶形，DIT与DIF算法的运算次数相同，即复数乘次数为：M×N/2=N/2×log2N； 复加次数为： 2 ×N/2×M= N×log2N 。 DIT与DIF不同的是： DIF-FFT算法输入序列为自然序列，输出为倒序序列。因此，在M级运算完成后，需对输出数据进行倒序才能得到自然顺序的X(k)。 蝶形运算符号不同：DIT-FFT蝶形是先相乘，后加/减；而DIF-FFT蝶形是先加/减后相乘。 考虑x(n)为复数序列的一般情况，对某一个k值，直接按上式计算X(k)值需要N次复数乘法、(N-1)次复数加法。 为自然数 ｛ 偶数 奇数 注意：这里的k的取值范围为0，1，…，N-1 这样将N点DFT分解为两个N/2点的DFT X1(k) X2(k) X1(k)+ WNk?X2(k) X1(k)?WNk?X2(k) WNk 图：蝶形运算符号 完成一个蝶形运算需要一次复数乘和两次复数加法运算，经过一次分解后，共需要复数乘和复数加的次数为2(N/2)2+N/2和N2/2 ｛ N=8点DIT-FFT运算流图 x(0) x(4) x(2) x(6) x(1) x(5) x(3) WN0 WN1 WN2 WN3 X (0) X (1) X (2) X (3) X (4) X (5) X (6) WN0 WN2 WN0 WN0 WN0 WN0 x(7) WN2 WN0 L=1级 L=2 L=3 X (7) n k=偶数 ,k=奇数 x1(n) x2(n) ｛ 表明：X(k)按奇偶k值分为两组: 偶数组是x1(n)的N/2点DFT 奇数组是x2(n)的N/2点DFT n=0,1,…,N/2-1 x(n) x1(n)=x(n)+x(n+N/2) x2(n)=[x(n)?x(n+N/2)]?WNn WNn x(n+N/2) DIF-FFT蝶形运算流图符号 x(0) x(1) x(2) x(3) x(4) x(5) x(6) x(7) x1(0) x1(1) x1(2) x1(3) x2(0) x2(1) x2(2) x2(3) WN0 WN1 WN2 WN3 X (0) X (4) X (2) X (6) X (1) X (5) X (3) X (7)