版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第4章快速傅里叶变换(FFT)4.1直接计算DFT的运算量及改进途径
4.2时间抽取法(DIT)基-2FFT算法
4.3频域抽取法(DIF)基-2FFT算法
4.4快速傅里叶逆变换(IFFT)算法
4.5
FFT算法的工程实现考虑
习题
4.1直接计算DFT的运算量及改进途径
4.1.1直接计算DFT的运算量
设x(n)是长度为N的有限长序列,其N点DFT为
离散傅里叶逆变换(IDFT)为(4.1.2)(4.1.1)上述两式的差别只在于WN上指数符号的不同,以及一个常数因子,因此,DFT和IDFT运算量基本上是相同的,为
简便,下面只讨论DFT的运算量。
由于实数序列是复数序列的特例,为分析简便,这里统一考虑x(n)为复数序列的情况,而通常也是复数,因此,这里以复数乘法和复数加法的次数作为运算量衡量指标。显然,计算一个X(k)值需要N次复数乘法,N-1次复数加法。而X(k)总共有N个值,计算所有X(k)值的运算量为复数乘法N2次,复数加法N(N-1)次。对于复数乘法和加法,实际上是转化为实数进行运算的,式(4.1.1)可以写成(4.1.3)可见,1次复数乘法相当于4次实数乘法和2次实数加法,1次复数加法相当于2次实数加法。因此,计算一个X(k)需要4N次实数乘法和2N+2(N-1)=4N-2次复数加法,整个DFT运算需要4N2次实数乘法和N(4N-2)次实数加法。
当N
1时,N(N-1)≈N2,N(4N-2)≈4N2,因此,不管以复数还是实数进行统计,直接计算N点DFT的乘法或加法次数都与N2成正比,随着N的增加,运算量增加越来越快,特别是N很大时,运算量将非常可观。例如,N=8时,次数为N2=64;N=1024时,次数为N2=1048576,超过100万次。对于各种实时性很强的信号处理应用来说,要求计算速度特别快,因此必须改进DFT的计算方法,减少运算量。>>4.1.2减少运算量的途径
由于N点DFT的运算量随N2快速增长,当N增加1倍时,N2增加到4倍。如果能够将N点DFT分解为几个较短的DFT,运算量将会大大减少。例如,分解为2个N/2点DFT,复数乘法次数为 ,运算量减少1倍;若分解为4个点DFT,复数乘法次数为 ,运算量将减少为原来的。可以说,正是DFT分解思想形成了快速计算DFT的基本途径。以N点DFT分解为2个N/2点DFT为例,假定N点序列x(n),n=0,1,2,…,N-1,N为偶数,那么将x(n)分解为2个N/2点序列的方法归纳起来有两个:奇偶分解和前后分解。
(1)奇偶分解:x(n)分解为偶序列和奇序列,分别表示为
偶序列:x(2r),r=0,1,2,…,-1
奇序列:x(2r+1),r=0,1,2,…,-1
(2)前后分解:x(n)前后对半分解为两部分,分别为
前半部分:x(r),r=0,1,2,…,-1
后半部分: ,r=0,1,2,…,-1快速傅里叶变换(FFT)通过不断地将长序列的DFT分解为短序列的DFT,并利用的特性,来达到减少DFT运算量的目的。为了便于对N点DFT进行分解,通常N取为2的幂级数形式,即N=2M,M为整数。此时的快速傅里叶变换称为基-2FFT算法。若序列长度不满足条件N=2M,可以对序列补0,使之达到这一条件。
FFT算法推导过程中,主要利用的对称性和周期性,在序列分解后,对DFT计算式(4.1.1)中的某些项进行合并,从而减小乘法和加法的次数。称为旋转因子,其对称性和周期性表现为
对称性:
周期性:(4.1.4)(4.1.5)(4.1.6)此外,的特性还有
下面两节中将学习两类基-2FFT算法,分别由上述两种分解方式推导得到,其中,奇偶分解对应于时间抽取法FFT(Decimation-In-TimeFFT),简称DIT-FFT,前后分解对应于频率抽取法FFT(Decimation-In-FrequencyFFT),简称DIF-FFT。(4.1.7)
4.2时间抽取法(DIT)基-2FFT算法
4.2.1
DIT-FFT算法原理
设序列x(n)长度N=2M,N点DIT-FFT算法对应序列奇偶分解,令x1(r)、x2(r)分别表示偶序列和奇序列,则有
(4.2.2)(4.2.1)根据DFT的定义式(4.1.1),有(4.2.3)由于
所以(4.2.4)观察上式:右边前一项是序列x1(r)的N/2点DFT,后一项求和部分是序列x2(r)的N/2点DFT,即
对于N/2点DFTX1(k)和X2(k),变量k的取值只有X(k)中k的取值的一半。因此,对于X(k)表达式(4.2.4),(4.2.6)(4.2.5)
(1) :确定X(k)前半部分。
(2) :确定X(k)的后半部分。(4.2.7)为表述方便,X(k)后半部分表示为 。由于点DFTX1(k)和X2(k)具有周期性,且周期均为N/2,即
而 ,因此,X(k)的后半部分为(4.2.8)由此可见:N点DFT可以分解为两个N/2点DFT,按照式(4.2.7)和式(4.2.8)又可组合成N点DFT。因此求X(k)时,只要求出k=0,1,…,N/2-1时的X1(k)和X2(k)值,即可得到所有的X(k)值,即k=0,1,…,N-1,从而大大节省了运算量,这也是快速傅里叶变换的特点和好处所在。
式(4.2.7)和式(4.2.8)的运算可以用图4.2.1所示的蝶形运算流图符号表示。图中,左侧为两个输入节点,右侧为两个输出节点,左下支路上标注系数,没有标注时系数默认为1,右上支路默认为相加运算,右下支路为相减运算。图4.2.1
DIT-FFT的蝶形运算流图符号从图4.2.1中可以看出,一个蝶形运算需要1次复数乘法和2次复数加法。
通过采用蝶形运算流图符号,DIT-FFT经过1次DFT分解之后,整个分解过程可用图4.2.2所示的运算流图表示,其中DFT点数N=23=8,蝶形输出值X(0)~X(3)由式(4.2.7)确定,X(4)~X(7)由式(4.2.8)确定。由于1个蝶形包括两个输入和两个输出,总共有N/2个蝶形。图4.2.2
DIT-FFT的一次分解运算流图(N=8)从图4.2.2可以看出,一个N点DFT可以由分解的两个N/2点DFT通过N/2个蝶形进行合成得到,总运算量包括两个N/2点DFT以及N/2个蝶形的计算。N/2个蝶形运算需要N/2次复数乘法和2×N/2=N次复数加法。
对于两个N/2点DFT,如果直接计算,需要复数乘法次数为复数加法次数为
因此,经过一次分解后的N点DFT运算量为
复数乘法:
复数加法:与直接计算N点DFT的运算量相比,一次DFT分解后的运算量减少了一半左右。这也充分说明:通过DFT分解可以有效地减少DFT的计算量。如果针对N/2点DFT也采用分解措施,将一个N/2点DFT分解为两个N/4点DFT,那么可以进一步减少运算量。这就是下面讨论的DFT的二次分解过程。
不妨以N/2点DFTX1(k)为例,将N/2点序列x1(r)按照奇偶分解方式进行分解,得到两个N/4点序列,分别为(4.2.10)(4.2.9)则有(4.2.11)上式右边前一部分、后一部分求和项分别是序列x3(l)和x4(l)的N/4点DFT,即(4.2.12)(4.2.13)因此,当 时,式(4.2.11)可直接表述为
当
时,利用X3(k)、X4(k)周期性
以及
性质,X1(k)表示为(4.2.14)(4.2.15)图4.2.3给出了N=8时,一个N/2点DFT分解为两个N/4点DFT的蝶形运算流图,即X1(k)分解为X3(k)和X4(k),同时由X3(k)和X4(k)通过N/4个蝶形也可以合成X1(k)。图4.2.3
N/2点DFT分解的蝶形运算流图(N=8)同理,对于N/2点DFTX2(k)也可以分解为两个N/4点DFT:(4.2.16)(4.2.17)其中,X5(k)、X6(k)分别为x2(r)分解的偶序列和奇序列对应的N/4点DFT。(4.2.18)(4.2.19)图4.2.4给出了N=8点DFT经过两次分解后的蝶形运算流图。与第一次分解后的运算量相比,利用4个N/4点DFT及两级蝶形来计算N点DFT的运算量又降低了。图4.2.4
DIT-FFT的二次分解运算流图(N=8)可以看出,当N=8时,通过两次DFT分解后,N/4点DFT实际上为2点DFT,即X3(k)、X4(k)、X5(k)、X6(k),k=0,1。此时,2点DFT可以直接进行计算。以X3(k)计算式(4.2.12)为例,可得
而 , ,因此有(4.2.20)(4.2.21)(4.2.22)式(4.2.21)和式(4.2.22)表明:2点DFT仅涉及加减法运算,不需要乘法运算;X4(k)、X5(k)、X6(k)也具有类似特点,它们都可用一个简单的2点蝶形运算表示。
依此类推,一个N=2M点DFT通过M-1次分解后,可以分解为N/2个2点DFT,得到M级蝶形运算。对于8点DFT,通过二次分解后,可以得到三次蝶形运算,图4.2.5给出了完整的8点DIT-FFT蝶形运算流图。图4.2.5
DIT-FFT的蝶形运算流图(N=8)图4.2.5中,旋转因子采用的表示形式;输出为顺序排列,但输入并不是顺序排列,而是在每一次分解过程中,将输入序列按照时间上的偶数和奇数次序分解为两个短序列,相当于在时间上进行抽取。最后得到的输入序列也是非常有规律的,将在后面进行介绍。所以,具有这种时间抽取关系的快速傅里叶变换称为“时间抽取法FFT(DIT-FFT)”。4.2.2
DIT-FFT运算量分析与比较
根据时间抽取法FFT算法的蝶形运算流图可知,当N=2M时,共有M级蝶形运算,每级均有N/2个蝶形,而每个蝶形运算包含1次复数乘法和2次复数加法。因此,每一级蝶形都需要N/2次复数乘法和N次复数加法。M级蝶形的总运算量为
复数乘法:
复数加法:(4.2.23)(4.2.24)
由于旋转因子存在一些特例,如
,
,
,
,与这几个系数相乘实际上不需要乘法运算,这种情况在直接计算DFT时也存在。但是当N较大时,这种特例相对较少。为了便于统一比较运算量,这里不考虑这些特殊情况。
表4.2.1列出了N点DFT直接计算和DIT-FFT计算的运算量,两者复数乘法和复数加法之比分别为
复数乘法之比: (4.2.25)复数加法之比:(4.2.26)表4.2.1
N点DFT直接计算和DIT-FFT的运算量比较当N
1时,N
log2N,有N2
N·log2N,N(N-1)
N·log2N,因此,与直接计算DFT相比,DIT-FFT的运算量大大减少。表4.2.2列出了不同N值条件下直接计算DFT与DIT-FFT的复数乘法次数及比例关系。可以看出,随着N增大,复数乘法次数的比值越大,DIT-FFT的优势越来越明显。
但是也要注意到:当N较小时(如N≤16),比值也相对较小,考虑到DIT-FFT实际编程时的复杂性和指令开销,DIT-FFT的整体运算量不一定小于直接计算DFT。因此,在实际计算DFT时,需要根据N的大小,在直接计算和FFT之间灵活选择。>>>>>>>>表4.2.2直接计算DFT与DIT-FFT的复数乘法次数的比较4.2.3
DIT-FFT运算规律
为了更好地理解和掌握时间抽取法FFT算法,为算法的实际编程和硬件实现打下良好的基础,下面对DIT-FFT的运算规律和特点进行分析和讨论。
1.原位运算
从图4.2.5所示的DIT-FFT蝶形运算流图中可以看出:N=2M点FFT共有M级蝶形运算,每级由N/2个蝶形构成。在同一级中,每个蝶形的输入和输出都位于同一水平线上,并且每个输入只参与本蝶形运算,与其它蝶形无关。该特性意味着蝶形的输出可以直接存入输入所占用的存储单元,这就是原位计算的特点。通过原位计算,每一级的N/2蝶形运算完成后,所有输出存入原输入的存储位置,然后开始下一级的蝶形运算,只不过蝶形运算的组合关系有所不同。这种原位计算结构只需要N个存储单元,节省了存储开销,降低了设备成本。
2.位码倒序
观察图4.2.5所示的蝶形运算流图的输入输出可以看出,输出序列是按照X(0),X(1),…,X(7)的顺序排列,而输入序列次序是x(0),x(4),…,x(7),看起来似乎很乱,但实际上是有规律的,这种规律称为位码倒序。首先看看输入序列是如何形成x(0),x(4),…,x(7)排列的。造成这种排列关系的原因是序列x(n)不断地按照n的偶奇特性进行分解。假设n用二进制数表示为(n2n1n0),那么,第一次分解是按照n0=0和n0=1分解为偶数序列和奇数序列,第二次分解是分别针对偶数序列和奇数序列,按照n1=0和n1=1进行偶奇分解,最后得到的2点序列是按照n2=0和n2=1排列的。这种不断分解为偶数序列和奇数序列的过程可用图
4.2.6表示。图4.2.6形成位码倒序的树状图若DIT-FFT输入顺序编号0,1,2,…,7用二进制码(n2n1n0)表示,那么图4.2.6中DIT-FFT输入序列可表示为x(n0n1n2),其序号(n0n1n2)实际上是二进制码(n2n1n0)的比特左右反转结果,两者形成倒序关系。因此称为位码倒序。
表4.2.3列出了N=8时顺序二进制数及对应的倒序二进制数。给定顺序的输入序列x(n),计算DIT-FFT时,将位码倒序十进制数作为序号来选择x(n)。表4.2.3顺序二进制数与倒序二进制数的对照表在实际编程实现DIT-FFT算法的过程中,可以采取以下方式:
(1)若采用通用计算机编程,可按照表4.2.3,依次将十进制顺序转换为二进制数、位码倒序二进制数以及最后的位码倒序十进制数,并依据位码倒序十进制数来选择x(n)作为DIT-FFT的输入。
(2)若通用计算机的存储空间足够,可将顺序与位码倒序十进制数的对应关系以表的形式存储起来,通过查表方式来选择x(n)。此时,只需要一个数组存储位码倒序十进制数,数组位置表示顺序号,数组的值代表位码倒序十进制数。
(3)若采用数字信号处理器(DSP)编程,可利用DSP自身的位码倒序寻址专用指令来完成转换。以美国TI公司的TMS320C54系列DSP为例,假定N=8,辅助寄存器AR2指向x(0)的存储单元,辅助寄存器AR0设置为FFT点数的一半,即AR0=4,那么,位码倒序寻址的专用指令为
*AR2+0B
该指令表示用反向进位的方式将AR0加至AR2上,即加法按比特从高位向低位进位,然后再赋值给AR2,*表示AR2指向地址的数值。注意到AR2初始地址低3位必须为零,以便进行反向进位。以低3位运算为例,初始值为0,以反向进位方式依次加4,可以得到4、2、6、1、5、3、7。运算完毕后,AR0=4始终固定不变,AR2则按照位码倒序的方式依次指向x(0),x(4),…,x(7)。
3.蝶形运算规律
从图4.2.5中N=8点DIT-FFT蝶形运算流图可以看出,从左至右,第一级蝶形对应2点FFT,输入数据相距1点,或者说蝶形张口大小为1;第二级蝶形输入数据相距2点,蝶形张口大小为2;第三级蝶形输入数据相距4点,蝶形张口大小为4。依此类推,对于N=2M点DIT-FFT,从左至右第m级蝶形输入数据相距2m-1点,蝶形张口大小也为2m-1。利用蝶形张口大小的特点,便于从前一级输出中选择相应数据作为输入,来进行本级的蝶形运算。与蝶形运算密切相关的有旋转因子,观察图4.2.5可知,旋转因子的个数与蝶形级数有关,第m级蝶形的旋转因子有2m-1个,可以表示为
对于最后一级蝶形,m=M,旋转因子有2M-1=N/2个。由于
因此,最后一级蝶形的旋转因子均包含着前面M-1级蝶形的旋转因子,所有旋转因子以集合形式表示为
。(4.2.28)(4.2.27)表4.2.4给出了不同蝶形级数下的蝶形张口大小和旋转因子。在实际DSP编程实现DIT-FFT时,可以将旋转因子 制作成表的形式,然后根据式(4.2.27)中蝶形级数与WN指数k·2M-m的关系,查表得到当前蝶形运算所需要的旋转因子。这样可以避免直接计算复指数,能够减少FFT运算量。表4.2.4蝶形张口大小和旋转因子与蝶形级数的关系4.2.4
DIT-FFT其它形式流图
对于时间抽取法FFT算法,图4.2.5的蝶形运算流图并不是唯一的,只要能够保持各节点间的支路及其传输系数不变,不论如何改变输入节点、输出节点以及中间节点的排列顺序,所得到的运算流图是等效的。这样,通过对图4.2.5进行变形,就可以得到DIT-FFT其它形式的运算流图。
图4.2.5中,蝶形运算流图的输入为倒序,输出为顺序。通过变形,图4.2.7给出了输入为顺序、输出为倒序的运算流图形式,该流图同样具有原位计算的特点,其旋转因子、运算量也与图4.2.5相同,只是在蝶形张口大小次序和旋转因子排列上有所差别。若从左至右来看蝶形张口,图4.2.5中是由小变大,而图4.2.7中是由大变小。图4.2.7
DIT-FFT的变形运算流图(输入顺序、输出倒序)对于旋转因子,图4.2.5中最后一级按照 顺序排列,而图4.2.7中最后一级是按照 排列的,并且前一级的旋转因子正好是本级上一半蝶形运算的旋转因子,顺序也不变。这种流图形式就是最初由库利和图基给出的时间抽取法FFT。
如果要获得输入和输出均是顺序排列的运算流图,可以对图4.2.7的最后一级蝶形输出进行调整,得到图4.2.8所示的运算流图。该流图的旋转因子、运算量均与图4.2.7相同,但是在最后一级上不能采用原位计算。图4.2.8
DIT-FFT的变形运算流图(输入顺序、输出顺序) 4.3频域抽取法(DIF)基-2FFT算法
4.3.1
DIF-FFT算法原理
设序列x(n)长度N=2M,N点DIF-FFT算法对应着x(n)前后对半分解为两部分,即前半部分x(n)和后半部分 。根据DFT的定义有(4.3.1)
由于 ,故
需要说明的是,上式中旋转因子项是,而不是,因此,上式并不是一个N/2点DFT。式(4.3.2)要根据k为偶数或者奇数,将X(k)分为两部分进行讨论。(4.3.2)
(1)k为偶数。令k=2r,
,则有(4.3.3)
(1)k为奇数。令k=2r+1,
,则有(4.3.4)可以看出,式(4.3.3)和式(4.3.4)都是N/2点DFT表达式,其中,式(4.3.3)变换对象是x(n)前半部分和后半部分相加形成的序列,式(4.3.4)变换对象则是x(n)前半部分和后半部分相减后再乘以形成的序列。定义两个序列为(4.3.5)(4.3.6)将上述两式分别代入式(4.3.3)和式(4.3.4),可得
式(4.3.7)和式(4.3.8)表明:N点DFT按照k的奇偶特性,可以分解为两个N/2点DFT。具体方法是将x(n)前后对半分解为两部分,合成两个新的N/2点序列,再进行N/2点DFT。合成序列x1(n)、x2(n)与x(n)的关系可用图4.3.1所示的蝶形运算流图符号表示。(4.3.7)(4.3.8)
利用上述蝶形运算流图符号,N=8点DFT经过一次分解后,得到的运算流图如图4.3.2所示。图4.3.1
DIF-FFT的蝶形运算流图符号图4.3.2
DIF-FFT一次分解的运算流图(N=8)与时间抽取法的推导过程一样,由于N=2M,N/2仍为偶数,在图4.3.2的基础上,可以将每个N/2点DFT进一步分解为两个N/4点DFT。这相当于分别将x1(n)和x2(n)进行前后对半分解后,通过蝶形运算,合成为4个N/4点序列,再进行DFT。图4.3.3给出了N=8点DFT经过二次分解后的运算流图。
当N=8时,经过两次分解得到的N/4点DFT即为2点DFT,可以直接进行计算,相当于一个基本的蝶形运算符号。一个N=2M点DFT通过M-1次分解后,最后可分解为N/2个2点DFT,形成M级蝶形运算。图4.3.4给出了完整的8点DIF-FFT蝶形运算流图。图4.3.3
DIF-FFT二次分解的运算流图(N=8)图4.3.4
DIF-FFT的蝶形运算流图(N=8)观察图4.3.4可知,DIF-FFT的蝶形运算流图仍具有原位计算的特点,其输入序列是顺序的,而输出是倒序的。这是由于每一级分解的输出都按照k的奇偶次序分成为两部分,这相当于在频率上进行抽取,最后得到位码倒序的输出。因此,具有这种频率抽取关系的快速傅里叶变换称为“频率抽取法FFT(DIF-FFT)”。4.3.2
DIF-FFT与DIT-FFT的比较
比较图4.2.5中DIT-FFT蝶形运算流图和图4.3.4中DIF-FFT的蝶形运算流图,两者相同点如下:
(1)原位运算。对于DIT-FFT和DIF-FFT,每个蝶形的输入和输出都位于同一水平线上,并且每个输入只参与本蝶形运算,蝶形的输出可直接存入输入所占用的存储单元。
(2)运算量相同。当N=2M时,DIT-FFT和DIF-FFT都有M级蝶形运算,每级均有个蝶形,复数乘法总数为log2N次,复数加法总数为N·log2N次。
DIT-FFT和DIF-FFT的差异如下:
(1)输入和输出排列次序不同。DIT-FFT输入为倒序、输出为顺序,DIF-FFT输入为顺序、输出为倒序。DIT-FFT的输入序列的倒序由于序列不断进行奇偶分解所致,而DIF-FFT输出的倒序是由于序列前后对半分解后,其合成子序列正好对应着频率的奇偶部分。DIT和DIF在名称上也体现了这种不同点。
(2)蝶形张口大小和旋转因子次序的不同。从左至右来看,DIT-FFT蝶形张口由小到大,旋转因子由少到多;而DIF-FFT正好相反,蝶形张口由大到小,旋转因子由多到少。
(3)基本蝶形运算符号不同。图4.2.1中DIT-FFT蝶形不同于图4.3.1中DIF-FFT蝶形,DIT蝶形运算在频域进行,先乘旋转因子,后加减法;而DIF蝶形运算在时域进行,先加减法,后乘旋转因子。基本蝶形的不同才是两种FFT算法本质上的不同。
DIF-FFT和DIT-FFT的相互关系如下:
(1)基本蝶形运算符号的转置关系。若将图4.2.1中的DIT的基本蝶形进行转置,这里转置包括蝶形180°左右翻转、支路方向反向以及输入输出交换,就可以得到图4.3.1DIF的基本蝶形;同理,将DIF的基本蝶形加以转置,也可得到DIT的基本蝶形。
(2)蝶形运算流图的转置关系。对比图4.2.5DIT和图4.3.4DIF的两种蝶形运算流图,可以互相转置。这种特性有助于加深对两种FFT算法的理解和把握。 4.4快速傅里叶逆变换(IFFT)算法
本节研究离散傅里叶逆变换(IDFT)的快速算法,即快速傅里叶逆变换(InverseFastFourierTransform,IFFT)。比较IDFT与DFT的计算公式:(4.4.2)(4.4.1)可以看出,两者的差异在于变换对象(X(k)、x(n))、旋转因子(、)以及有无修正因子(1/N)的不同。若从公式计算角度来看,只需要DFT公式中的旋转因子换成,最后乘以1/N,就可以计算IDFT。
根据上述对IDFT和DFT的两个层面比较分析,IFFT的计算可以有两种方式:
(1)利用FFT蝶形运算流图。在FFT流图的基础上,按照变换对象、旋转因子以及有无修正因子三个方面进行适当修改,得到IFFT的蝶形运算流图。这部分内容在下面详细讨论。
(2)直接调用FFT程序。在用DFT公式计算IDFT的基础上,通过FFT程序来计算IFFT,这样,可以沿用FFT的蝶形运算流图。对IDFT表达式(4.4.1)两边取复共轭,可得
因此(4.4.3)(4.4.4)式(4.4.4)表明,利用FFT计算IDFT的过程如下:先将X(k)取共轭,然后直接调用FFT程序,计算结果取共轭后再乘以1/N。该方法虽然需要两次取共轭,但FFT和IFFT算法可以共有一个程序,使用很方便,在实际应用中大多采用这种方法。
下面重点讨论IFFT的第一种计算方式——蝶形运算流图。若基于图4.2.5所示的DIT-FFT蝶形运算流图,输入x(n)要换成X(k),旋转因子变为,输出换成x(n)后再乘以1/N,这样得到图4.4.1所示的IFFT蝶形运算图。可以看出,原DIT-FFT的时间抽取变为IFFT的频率抽取,因此,该IFFT算法称为频率抽取法IFFT(DIF-IFFT)。图4.4.1
DIF-IFFT的蝶形运算流图(N=8)若基于图4.3.4所示的DIF-FFT蝶形运算流图,同样也需要修改三个方面:输入x(n)换成X(k),旋转因子变为,输出换成x(n)后再乘以1/N,这样得到的IFFT蝶形运算图如图4.4.2所示的。图中,原DIF-FFT的频率抽取变为IFFT的时间抽取,因此,该IFFT算法称为时间抽取法IFFT(DIT-IFFT)。图4.4.2
DIT-IFFT的蝶形运算流图(N=8)在实际应用中,为了防止IFFT算法运行过程出现溢出,可以将分摊到每一级蝶形中。由于,因此,正好M级蝶形中每个蝶形输出均乘以。以图4.4.2的DIF-IFFT为例,经过防溢出处理后的蝶形运算图如图4.4.3所示。图4.4.3
DIT-IFFT的蝶形运算流图(N=8,防止溢出)下面关于溢出问题展开进一步讨论。
由于在实际DSP编程实现过程中,数值的表示存在着位数的限制,如定点DSP为16位(bit),最高位表示符号位,可表示的整数值介于-32768~32767之间,浮点DSP则通常为32位。在进行FFT或者IFFT运算时,难免会出现溢出的问题。如定点DSP对一个单音进行频谱分析,其频域上的单频成分就非常高,很容易溢出。在这种情况下,可以考虑在某几级蝶形运算中再乘以1/2,避免数值溢出;同时,可以设置DSP的防溢出控制位,来限定最大值和最小值,避免数值溢出后出现正负数颠倒。
4.5
FFT算法的工程实现考虑
前面几节讨论的FFT和IFFT算法由于结构非常有规律,算法编程效率高,在实际数字信号处理中有着广泛的应用。下面将讨论FFT算法在工程实现时需要考虑的问题。
4.5.1旋转因子的生成
在FFT算法中,如何有效且快速地生成旋转因子是一个关键,直接涉及到蝶形中的乘法运算。以为例,k=0,1,2,…,-1,共有个复指数值,可展开为实部和虚部的形式:
可以看出,的生成包括余弦值和正弦值的计算,在编程实现时如何快速产生直接影响运算速度。
旋转因子的生成通常有两种方式:预先计算和直接计算。
1.预先计算
基本思想是预先计算出来所有N/2个值,以表的形式存储起来,供查找使用。该方法称为查表法,适用于FFT点数N已知的情况,且N不宜过大;否则,占用内存过多。从相位上看,相当于将2π分成N等份,取前N/2个弧度值2πk/N(k=0,1,2,…,N/2-1)。(4.5.1)由于式(4.5.1)包括余弦值和正弦值,按照常理可以分开制成余弦表和正弦表。但是,考虑到余弦和正弦在相位上相差π/2,即sin(α+π/2)=cosα,可以将余弦表和正弦表合成一张表,相位覆盖[0,2π],共N个弧度值2πk/N(k=0,1,2,…,N-1),只计算N个正弦值,构成一张正弦表。查表时,首先查找正弦值,然后向前搜索π/2,即N/4个弧度值,即可得到对应的余弦值。合成一张[0,2π]正弦表的好处是该表可同时用于除计算旋转因子之外的其它场合,如查表计算任意相位的余弦值或正弦值、产生数字频率等,这在数字信号处理领域特别是数字通信中常常出现。下面讨论如何查表得到任意相位的正弦值。假设相位α∈[0,2π),单位为弧度,在N个弧度值2πk/N中α对应的位置可表示为
其中,[·]表示向下取整,即不超过的最大整数。当然,也可以采用四舍五入。通过查正弦表中nα位置,其对应的值即为正弦值。通过查表计算正弦值的实质是查找相邻相位及其正弦值来进行逼近,其精度高低与N的大小密切相关。若N值比较大,逼近误差较小,精度较高,但同时内存开销较大;若N值比较小,逼近误差较大,精度有限。(4.5.2)在实际中N值通常是确定的,为了进一步提高计算精度,基于给定的正弦表,可以通过内插获得更高的精度。如N=512,相邻相位差约为0.7°,比较小,连续正弦波可以用所有离散正弦值的直线连接来逼近。此时,利用α的左右相邻相位进行线性内插即可得到所需要的正弦值,其计算公式为(4.5.3)
2.直接计算
基本思想是运用Taylor级数展开式,直接计算余弦值和正弦值。余弦和正弦的Tylor公式为
直接计算的特点是精度很高,但是运算量比较大,适合于非实时性处理。(4.5.4)(4.5.5)4.5.2旋转因子的使用
一旦旋转因子生成好了,就可以直接参与蝶形乘法运算,按照FFT蝶形运算流图,逐级完成整个FFT计算。那么,是否还有必要专门讨论如何使用旋转因子呢?实际上还是非常有必要的,因为在实现FFT或DFT时,可能使用DSP、FPGA或者通用计算机,不同的实现方式有不同的特点,对旋转因子的使用和处理方式也不同。
就旋转因子本身而言,在计算FFT和DFT时,有很多特殊值,如
这样,可以不需要采用乘法甚至加减法,只需要简单的操作即可。鉴于通常情况下乘法的运算量要大于加法,针对这些特殊值作特别的编程处理,似乎可以降低运算量。但是,特殊编程处理增加了程序的复杂性,是否值得要取决于乘法和加法有多大差异,这与实现FFT或DFT的器件密切相关。
(1)若采用数字信号处理芯片(DSP),由于DSP通常拥有专门的乘法指令,其指令运算时间与加减法指令一样,因此,完全可以进行乘法运算,没有必要针对旋转因子作特殊编程处理。
(2)若采用FPGA或通用计算机,由于乘法运算单元占用的硬件和运算资源通常要大大超过加减法,因此,根据实际FPGA型号或者计算机的资源状况,可在直接进行乘法运算和特殊编程处理之间进行合理选择。4.5.3实序列的FFT计算
在实际工作中,序列x(n)通常为实数序列,如模拟信号经过A/D采样后为实数字信号。如果直接按照FFT蝶形流图进行计算,需要将x(n)看做虚部为零的复序列,而由DFT的共轭对称性可知,实序列的FFT具有共轭对称性。如果能够利用实序列及其FFT的特点,可以降低FFT的运算量。
(1)一个N点FFT计算两个N点实序列的FFT。
基本做法是将两个N点实序列分别作为实部和虚部,构成N点复序列,再进行FFT。根据DFT的共轭对称性可知,实部FFT对应到复序列FFT的共轭对称部分,j和虚部的FFT对应到复序列FFT的共轭反对称部分。具体过程参见第3章中DFT共轭对称性的应用——两个实序列的
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 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。
最新文档
- 淮阴师范学院《伦理学》2021-2022学年第一学期期末试卷
- 黄山学院《报纸采编实战训练》2023-2024学年第一学期期末试卷
- 燕子课件图片教学课件
- 拖鞋黏土课件教学课件
- 淮阴师范学院《西方哲学史》2021-2022学年第一学期期末试卷
- DB5104-T96-2024农产品监测抽样技术规范+畜禽产品
- 智能智能智能泡茶壶操作技巧分享考核试卷
- 煤炭加工工艺对造纸工业的影响考核试卷
- 玉石的社会历史与文化底蕴考核试卷
- 2023年江西省中考物理试卷原卷附解析
- 三元地理些子法
- 零星劳务合同模板(精选7篇)
- 检验科报告双签字制度
- 北京市海淀区乡镇地图可编辑PPT行政区划边界高清(北京市)
- 2022-2023学年湖南省长沙市长郡滨江中学物理九年级第一学期期中联考模拟试题含解析
- 幼儿园教学课件中班数学《水果列车》课件
- 小学语文五年级读写大赛试卷
- 二年级(上)音乐第四单元 单元分析
- 第一部分心理健康教育概论
- 集团公司后备人才选拔培养暂行办法
- 挡墙施工危险源辨识及风险评价
评论
0/150
提交评论