第4章快速傅里叶变换(FFT)课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《第4章快速傅里叶变换(FFT)课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 快速 傅里叶变换 FFT 课件
- 资源描述:
-
1、 第第4章章 快速傅里叶变换快速傅里叶变换(FFT)4.1 引引 言言DFT是数字信号分析与处理中的一种重要变换。但是数字信号分析与处理中的一种重要变换。但直接计算直接计算DFT,当,当N较大时,计算量太大,所以在快速较大时,计算量太大,所以在快速傅里叶变换傅里叶变换FFT(Fast Fourier Transform)出现以前,直出现以前,直接用接用DFT算法进行谱分析和信号的实时处理是不切实际算法进行谱分析和信号的实时处理是不切实际的。直到的。直到1965年提出年提出DFT的一种快速算法以后,情况才的一种快速算法以后,情况才发生了根本的变化。发生了根本的变化。自从自从1965年库利和图基在
2、年库利和图基在计算数学计算数学杂志上发杂志上发表了著名的表了著名的机器计算傅里叶级数的一种算法机器计算傅里叶级数的一种算法论文论文后,桑德后,桑德图基等快速算法相继出现,又经人们进行图基等快速算法相继出现,又经人们进行改进,很快形成一套高效计算方法,这就是现在的改进,很快形成一套高效计算方法,这就是现在的快快速傅里叶变换(速傅里叶变换(FFT)。)。这种算法使这种算法使DFT的运算效率提高了的运算效率提高了1 2个数量级,个数量级,为数字信号处理技术应用于各种信号的实时处理创造为数字信号处理技术应用于各种信号的实时处理创造了条件,大大推动了数字信号处理技术的发展。了条件,大大推动了数字信号处理
3、技术的发展。人类的求知欲和科学的发展是永无止境的。多年来,人类的求知欲和科学的发展是永无止境的。多年来,人们继续寻求更快、更灵活的好算法。人们继续寻求更快、更灵活的好算法。1984年,法国的年,法国的杜哈梅尔杜哈梅尔(P.Dohamel)和霍尔曼和霍尔曼(H.Hollmann)提出的提出的分分裂基快速算法裂基快速算法,使运算效率进一步提高。,使运算效率进一步提高。本章主要讨论本章主要讨论基基2FFT算法。算法。4.2 基基2FFT算法算法4.2.1 直接计算直接计算DFT的特点及减少运算量的基本的特点及减少运算量的基本 途径途径 有限长序列有限长序列x(n)的的N点点DFT为为考虑考虑x(n)
4、为复数序列的一般情况,对某一个为复数序列的一般情况,对某一个k值,直接按值,直接按(4.2.1)式计算式计算X(k)的的1个值需要个值需要N次复数乘法和次复数乘法和(N1)次复数加法。因此,次复数加法。因此,计算计算X(k)的所有的所有N个值,共需个值,共需N2次次复数乘法和复数乘法和N(N1)次复数加法运算。次复数加法运算。10110 )()(NnknNNkWnxkX,(4.2.1)当当时,时,N(N1)N2。由上述可见,。由上述可见,N点点DFT的乘法和加法运算次数均为的乘法和加法运算次数均为N2。当。当N较大时,运算较大时,运算量相当可观。例如量相当可观。例如N=1024时,时,N2=1
5、 048 576。这对于。这对于实时信号处理来说,必将对处理设备的计算速度提出实时信号处理来说,必将对处理设备的计算速度提出难以实现的要求。所以,必须减少其运算量,才能使难以实现的要求。所以,必须减少其运算量,才能使DFT在各种科学和工程计算中得到应用。在各种科学和工程计算中得到应用。如前所述,如前所述,N点点DFT的复乘法次数等于的复乘法次数等于N2。显然,。显然,把把N点点DFT分解为几个较短的分解为几个较短的DFT,可使乘法次数大大,可使乘法次数大大减少。减少。1N FFT算法就是不断地把长序列的算法就是不断地把长序列的DFT分解成几个短序分解成几个短序列的列的DFT,并利用,并利用 的
6、周期性和对称性来减少的周期性和对称性来减少DFT的运算次数。算法最简单最常用的是基的运算次数。算法最简单最常用的是基2FFT。其对称性表现为其对称性表现为(4.2.3a)mNNmNWW或者或者 mNmNNWW*(4.2.3b)mNNmNWW2knNW另外,旋转因子具有明显的周期性和对称性。其周期性表现为另外,旋转因子具有明显的周期性和对称性。其周期性表现为mNmNlNmNlNmNWW2j)(2jee 4.2.2 时域抽取法基时域抽取法基2FFT基本原理基本原理基基2FFT算法分为两类:算法分为两类:时域抽取法时域抽取法FFT(DecimationIn Time FFT,简称,简称DITFFT)
7、;频域抽取法频域抽取法FFT(Decimation In Frequency FFT,简称,简称DIFFFT)。本节。本节介绍介绍DITFFT算法。算法。设序列设序列x(n)的长度为的长度为N,且满足,且满足N=2M,M为自然数。为自然数。按按n的奇偶的奇偶把把x(n)分解为两个分解为两个N/2点的子序列点的子序列12()(2)0112()(21)0112Nx rxrrNx rxrr,则则x(n)的的DFT为为/2 1/2 12(21)00/2 1/2 1221200()()()(2)(21)()()knknNNnnNNkrkrNNrrNNkrkkrNNNrrX kx n Wx n Wxr W
8、xrWx r WWx r W偶数奇数因为因为22jj222/2eekrkrkrkrNNNNWW所以所以/2 1/2 11/22/20012()()()()()0,1,2,-1NNkrkkrNNNrrkNX kx r WWxr WXkW XkkN 其中其中1(k)和和X2(k)分别为分别为x1(r)和和x2(r)的的N/2点点DFT,即即由于由于X1(k)和和X2(k)均以均以N/2为周期,且为周期,且 ,因此,因此X(k)又可表示为又可表示为(4.2.5)/2 111/2120()()DFT()NkrNNrX kx r Wx r(4.2.6)/2 122/2220()()DFT()NkrNNr
9、Xkx r Wx rkNNkNWW212()()()0,1,2,-1kNX kX kW XkkN 这样,就将这样,就将N点点DFT分解为两个分解为两个N/2点点DFT和和(4.2.7)式以及式以及(4.2.8)式的运算。式的运算。(4.2.7)和和(4.2.8)式的运算可用图式的运算可用图4.2.1所示所示的流图符号表示,称为的流图符号表示,称为蝶形运算符号蝶形运算符号。采用这种图示法,。采用这种图示法,经过一次奇偶抽取分解后,经过一次奇偶抽取分解后,N点点DFT运算图可以用图运算图可以用图4.2.2表示。图中,表示。图中,N=23=8,X(0)X(3)由由(4.2.7)式给出,而式给出,而X
10、(4)X(7)则由则由(4.2.8)式给出。式给出。(4.2.7)1210)()()(21NkkXWkXkXkN,(4.2.8)1210)()()2(21NkkXWkXNkXkN,图图4.2.1 蝶形运算符号蝶形运算符号偶数点的偶数点的N/2 DFT奇数点的奇数点的N/2 DFTkNW序列序列DFT的的N/2个点个点序列序列DFT的后的后N/2个个点点 图图4.2.2 8点点DFT一次时域抽取分解运算流图一次时域抽取分解运算流图 由图由图4.2.1可见,要完成可见,要完成一个蝶形运算一个蝶形运算,需要,需要一次复一次复数乘法数乘法和和两次复数加法两次复数加法运算。由图运算。由图4.2.2容易看
11、出,经过容易看出,经过一次分解后,计算一次分解后,计算1个个N点点DFT共需要计算共需要计算两个两个N/2点点DFT和和N/2个蝶形运算个蝶形运算。而计算一个。而计算一个N/2点点DFT需要需要(N/2)2次复次复数乘法和数乘法和N/2(N/21)次复数加法。所以,按图次复数加法。所以,按图4.2.2计算计算N点点DFT时,总共需要的复数乘法次数为时,总共需要的复数乘法次数为 221(1)22222NNNN NN复数加法次数为复数加法次数为22122222NNNN 由此可见,仅仅经过一次分解,就使运算量减少近由此可见,仅仅经过一次分解,就使运算量减少近一半。既然这样分解对减少一半。既然这样分解
12、对减少DFT的运算量是有效的,且的运算量是有效的,且N=2M,N/2仍然是偶数,故可以对仍然是偶数,故可以对N/2点点DFT再作进一步再作进一步分解。分解。与第一次分解相同,将与第一次分解相同,将x1(r)按奇偶分解成两个按奇偶分解成两个N/4点的子序列点的子序列x3(l)和和x4(l),即,即3141()(2)011()(21)4x lxlNlx lxl,X1(k)又可表示为又可表示为(4.2.9)/4 1/4 12(21)11/21/200/4 1/4 12(21)3/24/200/4 1/4 13/4/24/4003/24()(2)(21)()()()()()()0112NNklklNN
13、llNNklklNNllNNklkklNNNllkNX kxl WxlWx l Wx l Wx l WWx l WNXkWXkk,式中式中同理,由同理,由X3(k)和和X4(k)的周期性和的对称性的周期性和的对称性最后得到:最后得到:/4 133/4340()()DFT()NklNNlXkx l Wx l/4 144/4440()()DFT()NklNNlXkx l Wx lmNW2/kNNkNWW2/4/2/(4.2.10)14/10)()()4/()()()(42/3142/31NkkXWkXNkXkXWkXkXkNkN,用同样的方法可计算出用同样的方法可计算出/4 155/4540/4
14、166/46405262()()DFT()()()DFT()()(2)01/4 1()(21)NklNNlNklNNlXkx l Wx lXkx l Wx lx lxllNx lxl,1410 )()(4)()()(62/5262/52NkkXWkXNkXkXWkXkXkNkN,(4.2.11)其中:其中:这样,经过第二次分解,又将这样,经过第二次分解,又将N/2点点DFT分解为分解为2个个N/4点点DFT和和(4.2.10)式或式或(4.2.11)式所示的式所示的N/4个蝶形运算,个蝶形运算,如图如图4.2.3所示。所示。依次类推,依次类推,经过经过M次分解,最后将次分解,最后将N点点DFT
15、分解成分解成N个个1点点DFT和和M级蝶形运算,而级蝶形运算,而1点点DFT就是时域序列本就是时域序列本身。身。一个完整的一个完整的8点点DITFFT运算流图如图运算流图如图4.2.4所示。所示。图中用到关系式。图中图中用到关系式。图中输入序列不是顺序排输入序列不是顺序排列列,但后面会看到,但后面会看到,其排列是有规律的其排列是有规律的。图中的数组。图中的数组A用于存放输入序列和每级运算结果。用于存放输入序列和每级运算结果。mkNkmNWW/图图4.2.3 8点点DFT二次时域抽取分解运算流图二次时域抽取分解运算流图 图图4.2.4 8点点DIT-FFT运算流图运算流图 4.2.3 DIT-F
16、FT算法与直接计算算法与直接计算DFT运算量的比较运算量的比较由由DIT-FFT算法的分解过程及图算法的分解过程及图4.2.4可见,当可见,当N=2M 时,时,其运算流图应有其运算流图应有M级蝶形级蝶形,每一级都由,每一级都由N/2个蝶形运算个蝶形运算构成。构成。因此,每一级运算都需要因此,每一级运算都需要N/2次复数乘和次复数乘和N次复数加次复数加(每个每个蝶形需要两次复数加法蝶形需要两次复数加法)。所以,。所以,M级运算总共需要的复数级运算总共需要的复数乘次数为乘次数为复数加次数为复数加次数为2log22MNNCMN2logACN MNN 而直接计算而直接计算DFT的复数乘为的复数乘为N2
17、次,复数加为次,复数加为N(N1)次。次。当当N1时,时,N2(N/2)log2N,所以,所以,DIT-FFT算法比直算法比直接计算接计算DFT的运算次数大大减少。的运算次数大大减少。例如,例如,N=210=1024时,时,这样,就使运算效率提高这样,就使运算效率提高200多倍。图多倍。图4.2.5为为FFT算法算法和直接计算和直接计算DFT所需复数乘法次数所需复数乘法次数CM与变换点数与变换点数N的关的关系曲线。由此图更加直观地看出系曲线。由此图更加直观地看出FFT算法的优越性,显算法的优越性,显然,然,N越大时,优越性就越明显。越大时,优越性就越明显。221 048 576204.8512
18、0log2NNN 图图4.2.5 DIT-FFT算法与直接计算算法与直接计算DFT所需复数乘法次数的比较曲线所需复数乘法次数的比较曲线 4.2.4 DIT-FFT的运算规律及蝶形画法的运算规律及蝶形画法1 原位计算原位计算由图由图4.2.4可以看出,可以看出,DIT-FFT的运算过程很有规律。的运算过程很有规律。N=2M点的点的FFT共进行共进行M级运算,每级由级运算,每级由N/2个蝶形运算个蝶形运算 组成。组成。同一级中,每个蝶形的两个输入数据只对计算本蝶形有同一级中,每个蝶形的两个输入数据只对计算本蝶形有 用,而且每个蝶形的输入、输出数据结点又同在一条水用,而且每个蝶形的输入、输出数据结点
19、又同在一条水 平线上,这就意味着计算完一个蝶形后,所得输出数据平线上,这就意味着计算完一个蝶形后,所得输出数据 可立即存入原输入数据所占用的存储单元可立即存入原输入数据所占用的存储单元(数组元素数组元素)。这样,这样,经过经过M级运算后,原来存放输入序列数据的级运算后,原来存放输入序列数据的N个个 存储单元存储单元(数组数组A)中便依次存放中便依次存放X(k)的的N个值。个值。8点点DIT-FFT运算流图的画法运算流图的画法 2 旋转因子的变化规律旋转因子的变化规律如上所述,如上所述,N点点DIT-FFT运算流图中,每级都有运算流图中,每级都有N/2个蝶形。每个蝶形都要乘以因子,称其为个蝶形。
20、每个蝶形都要乘以因子,称其为旋转因子旋转因子,p为旋转因子的指数。但各级的旋转因子都有所不同。为旋转因子的指数。但各级的旋转因子都有所不同。为了画出蝶形图,应先找出旋转因子为了画出蝶形图,应先找出旋转因子 与运算级数与运算级数的关系。用的关系。用L表示从左到右的运算级数表示从左到右的运算级数(L=1,2,M)。观察图观察图4.2.4不难发现,第不难发现,第L级共有级共有2L1个不同的旋转因个不同的旋转因子。子。N=23=8时的各级旋转因子表示如下:时的各级旋转因子表示如下:pNWpNW 对对N=2M的一般情况,第的一般情况,第L级的旋转因子为:级的旋转因子为:3,2,1,0 31,0 20 1
21、222/24/JWWWLJWWWLJWWWLJJNpNJJNpNJJNpNLLL时时时L-12,0,1,2,21LpJNWWJ 因为因为所以所以MLMLMLN222212,2,1,0122LJNJNpNJWWWLMML(4.2.12)LMJp2(4.2.13)这样,就可按这样,就可按(4.2.12)和和(4.2.13)式式确定第确定第L级运算的旋转级运算的旋转因子因子。3 序列的倒序序列的倒序DIT-FFT算法的输入序列的排序看起来似乎很乱,但仔算法的输入序列的排序看起来似乎很乱,但仔 细分析就会发现这种倒序是很有规律的。由于细分析就会发现这种倒序是很有规律的。由于N=2M,因此顺序数可用因此
22、顺序数可用M位二进制数位二进制数(nM1 nM2n1n0)表示。表示。表表4.2.1列出了列出了N=8时以二进制数表示的顺序数和倒序时以二进制数表示的顺序数和倒序 数,由表显而易见,数,由表显而易见,只要将顺序数只要将顺序数(n2n1n0)的二进制位的二进制位 倒置,则得对应的二进制倒序值倒置,则得对应的二进制倒序值(n0n1n2)4.2.5 频域抽取法频域抽取法FFT(DIF-FFT)在基在基2FFT算法中,频域抽取法算法中,频域抽取法FFT也是一种常用也是一种常用的快速算法,简称的快速算法,简称DTF-FFT。设序列设序列x(n)长度为长度为N=2M,首先将,首先将x(n)前后对半分前后对
23、半分开开,得到两个子序列,其,得到两个子序列,其DFT可表示为如下形式:可表示为如下形式:10/2 110/2/2 1/2 1(/2)00/2 1/20()DFT()()()()()2()2NknNnNNknknNNnn NNNknk n NNNnnNkNknNNnX kx nx n Wx n Wx n WNx n Wx nWNx nWx nW 式中式中将将X(k)分解成偶数组与奇数组,当分解成偶数组与奇数组,当k取取偶数偶数(k=2m,m=0,1,N/21)时时/21(1)1kNkNkWk 偶数奇数,/2 120/2 1/20(2)()2()2NmnNnNmnNnNXmx nx nWNx n
展开阅读全文