第二章离散傅里叶变换及其快速算法.ppt

通过g(n)的FFT运算结果G(k),由上式也可得到Y(k) 的值。 作一次Ｎ点复序列的FFT，再通过加、减法运算就可以 将X(k)与Y(k)分离出来。显然，这将使运算效率提高一倍。 ?（2）??? 用一个N点的FFT运算获得一个2N点实序列的DFT 设x(n)是2N点的实序列,现人为地将x(n)分为偶数组x1 (n)和奇数组x2 (n) x1 (n)= x(2n) n=0,1,…,N-1 x2 (n)= x(2n+1) n=0,1,…,N-1 然后将x1 (n) 及x2 (n) 组成一个复序列： y(n)= x1 (n) +j x2 (n) 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 按频率抽取将8点DFT分解成四个2点DFT 与时间抽取法一样，由于N=2M，N/2仍是一个偶数,这样，一个N=2M点的DFT通过M次分解后，最后只剩下全部是2点的DFT，2点DFT实际上只有加减运算。但为了比较，也为了统一运算的结构，仍用一个系数为W0N 的蝶形运算来表示。 频率抽取法的流图是时域抽取法流图的左右翻转。下图是N=8的频率抽取法FFT流图。 ? N=8的按频率抽取FFT运算流图 按时间抽取的8点FFT N=8的按频率抽取FFT运算流图 频率抽取法FFT的运算特点： （1）蝶形运算 对于任何一个2的整数幂N=2M，总是可以通过M次分解最后完全成为2点的DFT运算。这样的M次分解，就构成从x(n)到X(k)的M级运算过程。将频率抽取法的流图反转，并将输入变输出，输出变输入，得到的便是时间抽取法流图（反映了时域，频域的对称法）。频率抽取法也共有M级运算（N=2M），其运算量与时间抽取法相同。 （2）原位计算 类似于时间抽取法，当数据输入到存储器中以后，每一级运算的结果仍然储存在同一组存储器中，直到最后输出，中间无需其它存储器，所以频域抽取法也可进行原位计算。 （3）序数重排 它的输入正好是自然顺序。但它的输出却是码位倒置的顺序。因此运算完毕后，要通过变址运算将码位倒置的顺序转换为自然顺序，然后输出，变址方法同时间抽取法。 （4）蝶形类型随迭代次数成倍减少(与时间抽取法相反) 第一级迭代中有N/2种蝶形运算系数，参加蝶形运算的两个数据相隔N/2，随后每次迭代，蝶形类形比前一级减少一倍，间距也减少一倍，最后一级迭代，蝶形类形只有一种W0N，数据间隔为1。 由这几点规律可以看出，频率抽取法与时间抽到法是两种等价的FFT运算。 4. N为组合数的FFT（任意基数的FFT算法） 以上讨论的都是以2为基数的FFT算法，即N=2M，这种情况实际上使用得最多。 优点：程序简单，效率高，使用方便。 实际应用时，有限长序列的长度N很大程度上由人为因素确定，因此多数场合可取 N=2M，从而直接使用以 2 为基数的FFT算法。 如N不能人为确定 , N的数值也不是以2为基数的整数次方,处理方法有两种: ① 补零: 将x(n)补零 , 使N=2M. 例如N=30,补上x(30)=x(31)=0两点,使N=32=25,这样可直接采用以2为基数M=5的FFT程序。 有限长度序列补零后并不影响其频谱 X(ej?) ，只是频谱的采样点数增加了,上例中由30点增加到32点，所以在许多场合这种处理是可接受的。 ② 如要求准确的N点DFT值,可采用任意数为基数的 FFT 算法 , 其 计算效率低于以2为基数FFT算法。 如 N 为复合数，可分解为两个整数p与q的乘积,像前面以2为基数时一样,FFT的基本思想是将DFT的运算尽量分小,因此,在N=pq情况下,也希望将N点的DFT分解为p个q点DFT或q个p点DFT,以减少计算量。 步骤： 分别为0, 1,…，Q-1; 分别为0, 1,…，P-1。 N点DFT可以重新写成为 考虑到 再令 令 以P=3，Q=4, N=12为例 (1) 先将 x(n)通过 x(n1Q+n0)改写成 x(n1,n0)