第九章--离散傅里叶变换的计算.pptVIP

第九章离散傅立叶变换的计算ComputationoftheDiscreteFourierTransform9.0引言DFT算法速度-----算法有效性的最重要性能指标 （功耗、资源）DFT的有效算法：快速傅立叶变换（FastFourierTransform,FFT）算法速度------乘法和加法的次数FFT的意义： 使DFT理论在实际中得到应用 也是信号处理技术得以普及的重要因素之一9.1离散傅立叶变换的高效计算一个N点序列的DFT为： 其反变换为：式中正、反变换的计算基本相同（仅符号和系数），算法可直接使用直接计算的计算量：x[n]通用性考虑----复数每计算一个X[k]值需要：N次复数乘法和N-1次复数加法全部X[k]值需要：N2次复数乘法和N(N-1)次复数加法考虑到每次复数乘法需：4次实数乘法和2次实数加法 每次复数加法需：2次实数加法直接计算量： 4N2次实数乘法和2N(2N-1)次实数加法计算量与N2成正比，当N很大时，计算次数巨大，计算时间非常长例：当N=1024，需四百多万次实数乘法，实时性要求难以满足改善DFT计算效率的一些方法：主要利用的对称性和周期性（1）复共轭对称性（2）对n和k的周期性（3）的有些值为0或1将某些计算项合并或无需乘法和加法运算但计算量减少非常有限，不能满足实际的要求Cooley和Tukey于1965年发表了一个快速的算法，由Cooley提出思想，Tukey完成实际的算法（程序）------在信号处理应用领域具有划时代的意义9.3按时间抽取的FFT算法FFT算法的基本思想： 计算量与N2成正比 将计算逐次分解成较短序列的DFT计算?组合?最终结果 同时利用的周期性和对称性假设序列点数，ν为整数，也称基-2FFT算法由N为偶整数，将序列分解为奇数点和偶数点两组序列DFT可以表示为：作变量代换，n=2r（偶数）；n=2r+1（奇数）因为，上式可写为：式中：G[k]------原序列偶数点的N/2点DFT（周期为N/2） H[k]------原序列奇数点的N/2点DFT（周期为N/2）例N=8时，上述的计算过程如图：计算量：两次N/2点DFT+组合运算复数乘法：2×(N/2)2+N=N2/2+N复数加法：2×(N/2)(N/2-1)+N=N2/2与直接计算相比，当N较大时，运算量减少接近一半可以进一步作上述的分解，即每一个N/2点DFT可以分解为两个（按奇、偶）N/4点DFT并进行组合。-------得到N/2点DFT即可表示为：N2N(N-1)以及：g[2l]和g[2l+1]的N/4点DFT+组合运算=N/2点DFT-----G[k]h[2l]和h[2l+1]的N/4点DFT+组合运算=N/2点DFT-----H[k]如图所示：整个计算过程可表示为（考虑到，用统一的系数）2点的DFT --------本身就是组合运算对于N=8来说，N/4=2，2点的DFT一般形式可用图表示为：最终的整个计算过程可表示为：假定序列点数：N=2ν分解过程最终：计算2点的DFT-----组合运算整个DFT计算过程：分解为一系列组合运算分解运算数目：ν级分解，ν=log2N每一级的计算（组合运算）： N次复数乘法 N次复数加法整个运算量：Nlog2N次复数乘法 Nlog2N次复数加法利用的周期性，可以继续减少计算次数。每一级的组合运算：表示为N/2个碟形的运算：考虑到：有则碟形运算表示为：只需要1次复数乘法最终8点的FFT算法结构图为：利用的周期性，实际的FFT复数乘法次数可以减少一倍，即：(N/2)log2N次复数乘法和Nlog2N次复数加法比较N=1024直接计算：N=210，N2=220=1,048,576复数乘法FFT计算：(N