离散傅里叶变换与其快速算法下.pptVIP

通过N点FFT运算可得到： Y(k)=X1(k)+jX2(k) ，N点 根据前面的讨论，得到 为求 2N 点 x(n)所对应 X(k) ，需求出 X(k)与 X1 (k) 、 X2 (k) 的关系 ： 而 1）由x1(n)及x2(n)组成复序列，经FFT运算求得 Y(k)， 2）利用共轭对称性求出 X1(k)、X2(k)， 3）最后利用上式求出 X（k）, 达到用一个N点的FFT计算一个2N点的实序列的DFT的目的。 X(k)=X1(k)+W2Nk X2(k) 所以 3) 线性卷积的FFT算法 线性卷积是求离散系统响应的主要方法之一,许多重要应用都建立在这一理论基础上,如卷积滤波等。 以前曾讨论了用圆周卷积计算线性卷积的方法归纳如下: 将长为N2的序列x(n)延长到L,补L-N2个零， 将长为N1的序列h(n)延长到L,补L-N1个零， 如果L≥N1+N2-1,则圆周卷积与线性卷积相等,此时,可用FFT计算线性卷积，方法如下: a.计算X(k)=FFT[x(n)] b. 求H(k)=FFT[h(n)] c. 求Y(k)=H(k)X(k) k=0～L-1 d. 求y(n)=IFFT[Y(k)] n=0～L-1 可见，只要进行二次FFT,一次IFFT就可完成线性卷积计算。 计算表明,L32时,上述计算线性卷积的方法比直接计算线卷积有明显的优越性,因此,也称上述循环卷积方法为快速卷积法。 上述结论适用于 x(n)、h(n) 两序列长度比较接近或相等的情况,如果x(n)、h(n) 长度相差较多,例如, h(n) 为某滤波器的单位脉冲响应,长度有限,用来处理一个很长的输入信号 x(n)，或者处理一个连续不断的信号，按上述方法,有三个问题： （1） h(n) 要补许多零再进行计算,计算量有很大的浪费，或者根本不能实现。 （2）系统的存储量要求极高。 （3）带来了很大的系统延迟。 为了克服上述三个问题，保持快速卷积法的优越性,可将 x(n) 分为许多段,每段的长度与 h(n) 接近 , 处理方法有两种： (1)??? 重叠相加法——由分段卷积的各段相加构成总的卷积输出 h(n) x(n) 则输入序列可表为： 于是输出可分解为： 其中 假定 xi(n) 表示 x（n）序列的第i段 ： 1）先对 h（n）及 xi（n）补零，补到具有N点长度，N=N1+N2-1。 一般选 N=2M。 由于 yi（n）的长度为N1，而xi（n）的长度为N2，因此相邻两段 yi（n）序列必然有N-N2=N1-1点发生重叠。 2）用基2 FFT计算 yi（n）=xi（n）*h（n）。 3）重叠部分相加构成最后的输出序列。 计算步骤： a.? 事先准备好滤波器参数 H（k）=DFT[h(n)]，N点 b.? 用N点FFT计算Xi（k）=DFT[xi(n)] c.? Yi(k)=Xi(k)H(k) d.? 用N点IFFT求 yi（n）=IDFT[Yi(k)] e.? 将重叠部分相加 (2)重叠保留 ? 这种方法和第一种方法稍有不同，即将上面分段序列中补零的部分不是补零，而是保留原来的输入序列值，这时，如利用DFT实现h(n)和xi(n)的循环卷积，则每段卷积结果中有N1-1个点不等于线性卷积值需舍去。 重叠保留法与重叠相加法的计算量差不多，但省去了重叠相加法最后的相加运算。 y0(n)中的[N1-1, L-1]点对应于线性卷积 x(n)*h(n)中的[0 , N2-1]点 y1(n)中的[N1-1, L-1]点对应于线性卷积 x(n)*h(n)中的[N2,2N2-1]点 y2(n)中的[N1-1, L-1]点对应于线性卷积 x(n)*h(n)中的[2N2,3N2-1]点 依此类推 ，并将yi(n)拼接起来构成y (n) ? 4）用FFT计算相关函数 相关的概念很重要，互相关运算广泛应用于信号分析与统计分析，如通过相关函数峰值的检测测量两个信号的时延差等。 两个长为N的实离散时间序列 x（n）与y（n）的互相关函数定义为 则可以证明，rxy(τ)的离散傅里叶变换为 Rxy（k）=X*(k)Y(k) 其中 X(k)=DFT[x(n)], Y(k