第四章-快速傅里叶变换FFT.pptVIP

第四章 快速傅里叶变换 本章学习目标 理解按时间抽选的基-2FFT算法的算法原理、运算流图、所需计算量和算法特点 理解按频率抽选的基-2FFT算法的算法原理、运算流图、所需计算量和算法特点 了解IFFT算法 理解线性卷积的FFT算法及分段卷积算法 一次分解后的运算量 一 . IDFT的高效算法 上述FFT算法流图也可以用于离散傅里叶逆变换比较DFT和IDFT的运算公式： 如果希望直接调用FFT子程序计算IFFT，则可用下面的方法： 由于 4.6 线性卷积的FFT算法——快速卷积 以FIR滤波器为例，因为它的输出等于有限长单位脉冲响应h(n)与有限长输入信号x(n)的离散线性卷积。 设x(n)为L点，h(n)为M点， 输出y(n)为 ： 步骤①、②、④都可用FFT来完成。 此时的工作量如下： 三次FFT运算共需要 次相乘，还有步骤③的N次相乘，因此共需要相乘次数为 比较直接计算线性卷积(简称直接法)和FFT法计算线性卷积(简称FFT法)这两种方法的乘法次数。则 分两种情况讨论如下：  （1）x(n)与h(n)点数差不多。 例如，M=L，则N=2M-1≈2M，则 这样可得下表： 99.9 53.9 29.24 16 8.82 5.92 2.78 1.6 0.941 0.572 Km 4096 2048 1024 512 256 128 64 32 16 8 M=L 当M=8 时，FFT法的运算量大于直接法；当M=32 时，二者相当；当M=512 时，FFT法运算速度可快16倍；当M=4096 时， FFT法约快100倍。可以看出，当M=L且M超过32以后，M越长， FFT法的好处越明显。因而将圆周卷积称为快速卷积。 由图4-5的流图看出，某一列的任何两个节点k和j的节点变量进行蝶形运算后，得到结果为下一列k, j两节点的节点变量，而和其他节点变量无关，因而可以采用原位运算， 即某一列的N个数据送到存储器后，经蝶形运算，其结果为下一列数据，它们以蝶形为单位仍存储在这同一组存储器中，直到最后输出，中间无需其他存储器。也就是蝶形的两个输出值仍放回蝶形的两个输入所在的存储器中。 每列的N/2 个蝶形运算全部完成后， 再开始下一列的蝶形运算。 这样存储器数据只需N个存储单元。 下一级的运算仍采用这种原位方式，只不过进入蝶形结的组合关系有所不同。 这种原位运算结构可以节省存储单元， 降低设备成本。 2. 倒位序规律 观察图4-5的同址计算结构，发现当运算完成后，FFT的输出X(k)按正常顺序排列在存储单元中，即按X(0)，X(1)，…，X(7)的顺序排列，但是这时输入x(n)却不是按自然顺序存储的，而是按x(0)，x(4)， …， x(7)的顺序存入存储单元，看起来好像是“混乱无序”的，实际上是有规律的，我们称之为倒位序。 图4-8 倒位序的形成 表4-2 N=8时的自然顺序二进制数和相应的倒位序二进制数 0 4 2 6 1 5 3 7 000 100 010 110 001 101 011 111 000 001 010 011 100 101 110 111 0 1 2 3 4 5 6 7 倒位序（J） 倒位序二进制数 二进制数 自然顺序（I） 图 4-9 N=8 倒位序的变址处理 3. 蝶形运算两节点的“距离” 以图 4-5 的8点FFT为例，其输入是倒位序的，输出是自然顺序的。 其第一级（第一列）每个蝶形的两节点间“距离”为1， 第二级每个蝶形的两节点“距离”为2， 第三级每个蝶形的两节点“距离”为4。 由此类推得，对N=2L点FFT，当输入为倒位序， 输出为正常顺序时，其第m级运算，每个蝶形的两节点“距离”为2m-1。 4. WNr的确定 由于对第m级运算，一个DIT蝶形运算的两节点“距离”为2m-1， 因而式（4-21）可写成: （4-22a） （4-22b） 为了完成上两式运算，还必须知道系数ＷNr的变换规律。仔细观察图4-5的流图可以发现r的变换规律是：  ① 把式（4-22）中蝶形运算两节点中的第一个节点标号值， 即k值，表示成L位（注意N=2L）二进制数； ② 把此二进制数乘上2L-m，即将此L位二进制数左移L-m位（注意m是第m级运算），把右边空出的位置补零， 此数即为所求r的二进制数。  从图4-5看出，WNr因子最后一列有