信号处理第6章2.ppt

4.编程思想及程序框图第L级中，不同的旋转因子数为2L-1，相同的旋转因子数为2M–L。(2)每一级中，蝶形数也是旋转因子总数,它等于不同的旋转因子数乘以相同的旋转因子数，即2L-1×2M–L=2M/2=N/2(3)从第1级开始，逐级进行，共进行M级运算，在进行第L级运算时，依次求出2L-1个不同的旋转因子及它们对应的所有2M–L个蝶形。最外层循环控制运算的级数；计算蝶形结间距；第二层控制计算不同旋转因子的蝶形结；计算不同旋转因子的指数,步长为不同旋转因子间距离１。最内层进行同一旋转因子的蝶形结运算，步长为相同旋转因子间距离2L。计算N；以上讨论的FFT算法都是复数运算,包括序列x(n)也认为是复数,但大多数场合,信号是实数序列,任何实数都可看成虚部为零的复数,例如,求某实信号x(n)的复谱,可认为是将实信号加上数值为零的虚部变成复信号(x(n)+j0),再用FFT求其离散傅里叶变换。这种作法很不经济,因为把实序列变成复序列,存储器要增加一倍,且计算机运行时,即使虚部为零,也要进行涉及虚部的运算,浪费了运算量。合理的解决方法是利用复数据FFT对实数据进行有效计算,下面介绍两种方法。6.6.3实序列的FFT算法设x1(n)、x2(n)是彼此独立的两个N点实序列,将它们作为一复序列的实部及虚部，构成新序列x(n)如下：x(n)=x1(n)+jx2(n)对x(n)进行DFT，得到X(k)=DFT[x(n)]=Xep(k)+Xop(k)由?Xep(k)=DFT[x1(n)]=1/2[X(k)+X*(N-k)]Xop(k)=DFT[jx2(n)]=1/2[X(k)-X*(N-k)]?得?X1(k)=DFT[x1(n)]=1/2[X(k)+X*(N-k)]X2(k)=DFT[x2(n)]=-j1/2[X(k)-X*(N-k)]?(1)用一个N点FFT同时计算两个N点实序列的DFT(2)用一个N/2点的FFT计算N点实序列的DFT设x(n)为N点实序列，取x(n)的偶数点和奇数点分别作为新构造序列y(n)的实部和虚部，即x1(n)=x(2n)n=0,1,…,N/2-1x2(n)=x(2n+1)n=0,1,…,N/2-1然后将x1(n)及x2(n)组成一个复序列：y(n)=x1(n)+jx2(n)对y(n)进行N/2点FFT，输出Y(k)，则X1(k)=Yep(k)=DFT[x1(n)]=1/2[Y(k)+Y*(N-k)]X2(k)=-jYop(k)=DFT[x2(n)]=-j1/2[Y(k)-Y*(N-k)]*信号分析与处理*■第6章离散傅里叶变换虽然频谱分析和DFT运算很重要，但在很长一段时间里，由于DFT运算复杂，并没有得到真正的运用，而频谱分析仍大多采用模拟信号滤波的方法解决，直到1965年库利（T.W.Cooley）和图基（J.W.Tukey）首次提出DFT运算的一种快速算法以后，情况才发生了根本变化，人们开始认识到DFT运算的一些内在规律，从而很快地发展和完善了一套高速有效的运算方法——快速傅立叶变换（FFT）算法。FFT的出现，使DFT的运算大大简化，运算速度提高1～2个数量级，使DFT的运算在实际中得到广泛应用。本节重点介绍FFT算法的基本思想和基2时域抽取法FFT算法。6.6快速傅里叶变换（FFT）6.6.1减少DFT运算量的基本途径1.有限长序列x(n)进行一次DFT运算所需的运算量。一般，x(n)和WNnk都是复数，因此，每计算一个X(k)值，要进行N次复数相乘，和N-1次复数相加，X(k)一共有N个点，故完成全部DFT运算，需要?复数乘法次数：N2?复数加法次数：N(N-1)≈N2长度为N的有限长序列x(n)的DFT为特点：在N点DFT的计算中，不论是乘法和加法，运算量均与N2成正比。因此，N较大时，运算量十分可观。例如，计算N=10点的DFT，需要100次复数乘法，而N=1024点时，需要1048576（一百多万）次复数乘法。反变换IDFT与DFT的运算结构相同，只是多乘一个常数1/N，所以二