无线通信系统——FFT与信道译码VLSI设计 课件 第4章Radix-2k FFT量化误差分析与VLSI结构优化.pptx

第4章Radix-2kFFT量化误差分析与VLSI结构优化;

Radix-2k算法是FFT硬件设计中广泛应用的一类计算方案。与经典的radix-2k算法或混合基算法相比，利用radix-2k算法来设计FFT硬件结构，其优势有两点：一是radix-2k算法的蝶形运算以最简单的radix-2运算方式进行，降低了蝶形运算单元的VLSI设计难度和控制复杂度；二是radix-2k算法可以将非平凡旋转因子的数据加权在信号流图中进行集中，这样在流水线实现方式下，无需为每一级蝶形运算单元都配置复数乘法器，从而有助于降低FFT计算单元的硬件资源开销。;

4.1基于矩阵变换的混合radix-2kFFT算法分析;

;

4.1.1混合radix-2k算法的矩阵变换表示

在(4.2)中，是一个用于完成点倒位序次序变换的置换矩阵。为了给出的具体表达式，首先定义S阶的跨步置换矩阵GS，将该矩阵作用于S维向量可以得到

这样一来可以分解为一组跨步置换矩阵连乘的形式，即

(4.3)

;

另一方面，(3-2)中的M个连乘项对应于级联的M个运算单元，这里描述了执行radix-2k算法的运算单元所涉及的全部操作，其中参数cm表示前m个计算单元的算法阶数累积量，即

(4.4)

显然m=M将使得。对于给定的cm，对应的算术运算操作由km决定。;

（1）当km为奇数且km1时，可以表示为

其中N阶蝶形运算矩阵BF(u)具有如下形式：;

;

;

;

;

;

;

;

4.1.2混合radix-2k算法分量矩阵的数学性质

在(4.15)中，混合radix-2k算法使得DFT变换矩阵TN能够用数据排序矩阵、蝶形运算矩阵BF(u)以及数据加权矩阵M1(u)，M2(u,v)，M3(u,v)等分量矩阵进行表示。不难验证TN满足是酉矩阵。实际上，(4.15)中的各分量矩阵都具有类似的性质。证明这一点需要用到跨步置换矩阵的一些数学特性，因此我们首先给出如下的引理：

引理4.1：如果矩阵GS是跨步置换矩阵，那么GS可逆且其逆矩阵GS-1满足。

;

另一方面，矩阵的Kronecker积具有如下性质：;

;

;

;

4.2混合radix-2k算法量化误差分析;

由于BF(l)不受参数的影响，因而蝶形运算单元在定点计算中引入的量化误差将只由数据位宽决定。令wini和wfin分别表示FFT输入数据和计算结果实部与虚部的数据位宽，同时定义数据位宽向量，其中wl对应于流水线第l=1级的蝶形运算单元和旋转因子加权单元在计算过程中所采用的数据位宽。在满足的前提下，数据位宽向量w可以进行任意设置，而数据位宽非递减的约束旨在减小由数据截位所引入的量化误差。;

在数据位宽固定的流水线结构中，参与radix-2蝶形运算的两个数据在计算前通常要进行缩放：数据的实部和虚部分别右移一位并根据数据最低位的取值对移位运算结果进行舍入，该操作在避免蝶形运算发生溢出的同时也引入了量化误差。而当流水线结构中的数据位宽可变时，在某一级增加数据位宽将使得后续的部分蝶形运算单元在不缩放输入数据的条件下也能够避免计算溢出。;

;

;

;

;

;

;

4.2.2量化误差的功率估计

我们首先考虑(4.19)中舍入误差向量，其元素对应于输入数据在缩放过程中引入的误差。一般地，包含的N个元素被认为是一组独立同分布的随机变量。在统计意义上，中每一个元素的实部与虚部为非负数和负数的概率均为1/2，同时数据的最低位以相同概率取0和1，这保证了中各元素的均值为0。进一步假设中各元素的方差为，我们可以得到对应的功率为;