第四章 快速傅里叶变换.pptVIP

第4章 快速傅里叶变换 4.1 快速傅里叶变换 旋转因子 的性质 例： 求当N＝4时，X(2)的值 通过合并，使乘法次数由4次减少到1次，运算量减少。 4.2 按时间抽取的快速傅里叶变换算法 为了将大点数的DFT分解为小点数的DFT运算，要求序列的长度N为复合数，最常用的是 的情况 （M为正整数）。该情况下的变换称为基2FFT。 先将序列x(n)按奇偶项分解为两组 将DFT运算也相应分为两组 因为 则运算可相应分为两组 ： 将系数统一为以Ｎ为周期，即 ，可得 同样，对也可进行类似的分解。一直分解下去，最后是２点的DFT，２点DFT的运算也可用碟形符号来表示。这样，对于一个的DFT运算，其按时间抽取的分解过程及完整流图如下图所示。 基2时间抽取FFT算法流图 分析上面的流图， ，一共要进行M次分解，构成了从x(n)到X(k)的M级运算过程。每一级运算都是由N/2个蝶形运算构成，因此每一级运算都需要N/2次复乘和N次复加，则按时间抽取的M级运算后总共需要 　　　复数乘法次数： 　　　复数加法次数： 由于计算机进行乘法所需时间比加法多得多，如果计算时间只考虑与乘法次数成正比，则直接DFT算法与FFT算法的计算量之比为 算法的计算复杂度 按时间抽取的FFT算法特点 1、原位运算 也称为同址运算，当数据输入到存储器中以后，每一级运算的结果仍然存储在原来的存储器中，直到最后输出，中间无需其它的存储器。根据运算流图分析原位运算是如何进行的。原位运算的结构可以节省存储单元，降低设备成本。 2、倒位序规律 FFT算法流图旋转因子 规律 4.3 按频率抽取的快速傅里叶变换算法 除时间抽取法外，另外一种普遍使用的FFT结构是频率抽取法。频率抽取法将输入序列不是按奇、偶分组，而是将Ｎ点DFT写成前后两部分： 4.4 离散傅里叶反变换的快速算法 4.5 实序列的快速傅里叶变换 因为， k为偶数时， k为奇数时， 由此可将X(k)分解为偶数组和奇数组： 　　 令 　 令 　 令　 这两个序列都是N/2点的序列，对应的是两个N/2点的DFT运算： 这样，同样是将一个N点的DFT分解为两个N/2点的DFT了。频率抽选法对应的碟形运算关系图如下： 对于N=8时频率抽取法的FFT流图如下： * 4点序列{2，3，3，2} DFT的计算复杂度 复数加法 N(N-1) 复数乘法 N 2 如何提高DFT的运算效率? 将长序列DFT分解为短序列的DFT 由于DFT的运算量与N2成正比，N越小，DFT的运算量越少。所以如果把一个长序列的DFT能分解为短序列的DFT的组合，则显然可取得减少运算工作量的效果。 2. 利用旋转因子 的周期性、对称性、可约性。 1)周期性 2) 对称性 3)可约性 FFT的算法形式有很多种，但基本上可以分为两大类： 时间抽取(Decimation in time)FFT算法 频率抽取(Decimation in frequency)FFT算法 其中 、 分别是 的N/2点的DFT 至此，一个N点DFT被分解为两个N/2点的DFT。 这样N点DFT可全部由下式确定出来： 上式可用一个专用的碟形符号来表示，这个符号对应一次复乘和两次复加运算。 通过这样的分解以后，每一个N／2点的DFT只需要 次复数乘法，两个N/2点的DFT需要 次复数乘法，再加上将两个N／2点DFT合并成为N点DFT时有N／2次与W因子相乘，一共需要 次复乘。可见，通过这样的分解，运算量节省了近一半。 因为， N/2仍然是偶数，因此可以对两个N/2点的DFT再分别作进一步的分解，将两个N/2点的DFT分解成两个N/4点的DFT。 例如对 ，可以在按其偶数部分及奇数部分进行分解：