基于FPGA的FFT算法实现PPT课件(优质课件2圆).pptx

基于FPGA的FFT算法实现;12.1引言;12.1引言;第12章基于FPGA的FFT算法实现;

1.离散傅里叶变换

2.傅里叶变换的相关讨论

3.基于FPGA的FFT算法设计的相关讨论;12.2设计任务的提出与傅里叶变换的理论分析;12.2设计任务的提出与傅里叶变换的理论分析;12.2设计任务的提出与傅里叶变换的理论分析;图12.1傅里叶变换的各种形式;12.2设计任务的提出与傅里叶变换的理论分析;12.2设计任务的提出与傅里叶变换的理论分析;通过对以上4种不同情况的讨论，可以看出：

(1)?连续时间信号的傅里叶变换(FTC)，频谱函数是一个具有幅值和相位的复函数，在时间上是连续的。

(2)?和FTC不同的是，离散信号的傅里叶变换(FTD)是一个周期函数，它以采样频率为周期重复。一方面，一个周期时间函数有一个离散的频谱(傅里叶级数)，而与此同时，通过采样形成的离散时间函数的频谱是周期的。

(3)?FTD只有乘上采样间隔Ts后才与FTC在大小与单位上相等。也就是说，相乘后的频谱是周期的，如果满足采样定理，位于基本间隔内的离散信号的频谱与连续信号的频谱相同。

(4)?为能在计算机中处理和应用，必须对连续信号进行采样、量化，即要从连续时间信号过渡到离散时间信号，因此，应从FTD过渡到离散傅里叶变换(DFT)。也就是说，实践中如果进行“数字信号分析”，实际总是指的是DFT。所以应从时限信号角度来解释离散时间离散频率的傅里叶变换对。;12.2设计任务的提出与傅里叶变换的理论分析;2.傅里叶变换的相关讨论

离散时间信号的傅里叶变换(FTD)

离散时间傅里叶变换的时域信号实际上是使用冲激函数对模拟信号在时域内进行周期性采样，即所谓理想采样。注意，这里讨论的模拟时间信号的持续时间是假设时间向前和向后都是无限长的。

然而实际中数字信号分析总是指的是DFT，时域信号对象应该是时限信号的采样值。由12.2.1节中的第1种和第3种情况讨论结果，可知理想采样后信号的频谱是采样前模拟信号的频谱以周期为进行搬移的结果，Ts为时域信号的采样周期。从图12.1(a)和图12.1(c)中可以看出，欲使得采样之后的信号能够完全恢复采样前的信号，要求采样前的模拟信号带宽小于采样频率的一半，即采样频率大于模拟信号带宽的两倍，前者说明了为什么需要在A/D采样之前进行滤波，将高频的不需要的信号在采样之前滤除，后者即是所谓的基带采样定理。基带采样定理表明为了能够使用数字信号处理技术，必须滤除掉一些含有信息量较小的频率信息，即在频域中只能处理一部分的频率带宽,综上所述，时域信号的采样周期决定了数字信号处理器能够处理的信号带宽。

;图12.2抽样保持电路的矩形脉冲;离散傅里叶变换(DFT)

前面的讨论中提到对信号在数字域中进行处理时必须对信号的带宽进行限制，即数字域只能处理有限带宽的信号，但这只是必要条件，若要能够使用数字信号处理器进行信号处理，还必须对信号的时间长度进行限制，即只能处理有限时间、有限带宽内的信号。离散傅里叶变换是处理有限时间、有限带宽信号的一种算法，是数字信号处理中采用的算法，而其他各种形式的傅里叶变换只能应用在分析之中。

图12.1(d)可以看成是对一个周期为T1的波形以采样频率为1/Ts进行采样得到的结果，这里实际处理的信号时间长度是T1。又f1=1/T1成立，即时域信号的截断处理影响了频域中谱信号的频率分辨率。DFT算法产生的相邻两个频率成分之间的频率间距(亦即频率分辨率)与测量时间成反比。也就是说，时域中可以利用的数据N越多，总的测量时间越长，频谱分辨率或也就越高。进一步的分析可以看出，任何时域信号在频域中的分辨能力和时域的分辨能力之间存在着相互制约的关系，要想在频域中得到较高的频率分辨率，则时域中信号必须持续较长的时间，即不能够分析局部时域信号的精细频率特性；反之亦然。;综合上述讨论可以得出以下结论：为了在数字域中处理信号，需要在频域中和时域中对信号进行截断处理。频域和时域的截断限度可以由采样频率和采样持续时间确定。频域中的截断处理可以通过一个频域中的滤波器在频域中选取信号的主要能量，时域中的截断处理可以通过一个时间窗函数在时域中选取信号的主要能量。但是，非理想频域滤波器会对信号的频谱产生混叠效应，时间的有限长度窗函数会使得信号的频谱产生能量泄露。另外，非理想冲激采样过程本身也会对信号的频谱产生影响，所以在恢复信号时需要对这些影响进行校正。;时间窗函数与滤波器设计

1)?时间窗函数的设计

信号的时域内截断可以看做信号与一个时间窗函数的乘积，因此时间截断信号序列的频谱是原信号序列频谱与时间窗函数谱的卷积，表现为原信号频谱能量