第五章 快速傅立叶变换(FFT).pptVIP

第五章 快速傅立叶变换(FFT) 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：  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 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)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。 ?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 N=8点DIT-FFT的运算流图如图5.3.3(a)所示。根据WkN/m=WkmN，将图5.3.3(a)转换成如图5.3.3(b)所示的标准形式的运算流图。 5.3.2 DIT-FFT的运算效率 DIT-FFT的运算效率指直接计算DFT的运算量与DIT-FFT的运算量之比。 由图5.3.3可见，N=2M时，其DIT-FFT运算流图由M级蝶形构成，每级有N/2个蝶形。因此，每级需要N/2次复数乘法运算和N次复数加法运算，M级形共需复数乘法次数CM(2)和复数加法次数CA(2)分别为  (5.3.5) (5.3.6) 直接计算N点DFT的复数乘法次数为N2,复数加法次数为(N-1)。当N1时, N2/CM(2)1，所以N越大，DIT-FFT运算效率越高。DIT-FFT算法与DFT所需乘法次数与N的关系曲线如图5.3.4所示。例如，N=210=1024时，DIT-FFT的运算效率为 而当N=211=2048时， 5.3.3 DIT-FFT的运算规律及编程思想 1. 原位计算 由图5.3.3可以看出，DIT-FFT的运算过程很有规律。 2. 旋转因子的变化规律 观察图5.3.3(a)不难发现，第L级共有2L-1个不同的旋转因子。N=23=8时的各级旋转因子表示如下： L=1时， J=0 L=2时， J=0, 1 L=3时，  J=0, 1, 2, 3 对N=2M的一般情况，第L级的旋转因子为   J=0, 1, 2, …, 2L-1-1 由于 2L=2M×2L-M=N·2L-M 所以  J=0, 1, 2, …, 2L-1-1， (5.3.7)