快速傅氏变换之旅(一) 概念简介 1

原创 2012年03月31日 15:09:56

 

 

FFT(Fast Fourier Transformation),即为快速傅氏变换,是离散傅氏变换的快速算法,它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现,但是对于在计算机系统或者说数字系统中应用离散傅立叶变换,可以说是进了一大步。

 

设x(n)为N项的复数序列,由DFT变换,任一X(m)的计算都需要N次复数乘法和N-1次复数加法而一次复数乘法等于四次实数乘法和两次实数加法一次复数加法等于两次实数加法,即使把一次复数乘法和一次复数加法定义成一次“运算”(四次实数乘法和四次实数加法),那么求出N项复数序列的X(m),即N点DFT变换大约就需要N2次运算。当N=1024点甚至更多的时候,需要N2=1048576次运算,在FFT中,利用WN的周期性和对称性,把一个N项序列(设N=2k,k为正整数),分为两个N/2项的子序列,每个N/2点DFT变换需要(N/2)2次运算,再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后,总的运算次数就变成N 2(N/2)2=N N2/2。继续上面的例子,N=1024时,总的运算次数就变成了525312次节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去,直到分成两两一组的DFT运算单元,那么N点的DFT变换就只需要Nlog2N次的运算,N在1024点时,运算量仅有10240次,是先前的直接算法的1%,点数越多,运算量的节约就越大,这就是FFT的优越性

 

源码表示

一个开源的更快的fft是fftw,www.fftw.org,他在当n不是2^k的时候比ipl的快。不过代码很复杂,用了很多汇编。

#include <stdio.h>
#include <math.h>

//此代码来源《数字信号处理C语言程序集》殷福亮、宋爱军,沈阳:辽宁科学技术出版社,1997.7
//数组x存储时域序列的实部,数组y存储时域序列的虚部
//n代表N点FFT,sign=1为FFT,sign=-1为IFFT
void FFT(double x[],double y[],int n,int sign)
{
	int i,j,k,l,m,n1,n2;
	double c,c1,e,s,s1,t,tr,ti;

	//Calculate i = log2N
	for(j = 1,i = 1; i<16; i++)
	{
		m = i;
		j = 2*j;
		if(j == n)
			break;
	}

	// 计算蝶形图的输入下标(码位倒读)
	n1 = n - 1;
	for(j = 0, i = 0; i < n1; i++)
	{
		if(i<j)           
		{
			tr = x[j];
			ti = y[j];
			x[j] = x[i];
			y[j] = y[i]; 
			x[i] = tr;
			y[i] = ti;                 
		}
		k = n/2;
		while(k<(j+1))
		{
			j = j - k;
			k = k/2;              
		}
		j = j + k;
	}

	// 计算每一级的输出,l为某一级,i为同一级的不同群,使用同一内存(即位运算)
	n1 = 1;
	for(l = 1; l <= m; l++)
	{
		n1 = 2*n1;
		n2 = n1/2;
		e = 3.1415926/n2;
		c = 1.0;
		s = 0.0;
		c1 = cos(e);
		s1 = -sign*sin(e);
		for(j=0; j<n2; j++)
		{
			for(i=j; i<n; i+=n1)         
			{
				k = i + n2;
				tr = c*x[k] - s*y[k];
				ti = c*y[k] + s*x[k];
				x[k] = x[i] - tr;
				y[k] = y[i] - ti;
				x[i] = x[i] + tr;
				y[i] = y[i] + ti;        
			}
			t = c;
			c = c*c1 - s*s1;
			s = t*s1 + s*c1;
		}
	}
	//如果是求IFFT,再除以N
	if(sign == -1)
	{
		for(i=0; i<n; i++)
		{
			x[i] /= n;
			y[i] /= n;
		}
	}
}

int main()
{
	double x[4] = {1,2,-1,3};//郑君里《信号与系统》上的例子,下P145
	double y[4] = {0};
	int i;

	for(i=0; i<4; i++)
		printf("%d %f %f\n",i,x[i],y[i]);

	FFT(x,y,4,1);

	for(i=0; i<4; i++)
		printf("%d %f %f\n",i,x[i],y[i]);

	FFT(x,y,4,-1);

	for(i=0; i<4; i++)
		printf("%d %f %f\n",i,x[i],y[i]);

	return 1;
}


FFT变换的物理意义

首先,fft函数出来的应该是个复数,每一个点分时部虚部两部分。  
假设采用1024点fft,采样频率是fs,那么第一个点对应0频率点第512点对应的就是fs/2的频率点。然后从头开始找模值最大的那个点,其所对应的频率值应该就是你要的基波频率了。  
  
FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的,但是如果变换到频域之后,就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外,FFT可以将一个信号的频谱提取出来,这在频谱分析方面也是经常用的。

 一个模拟信号,经过ADC采样之后,就变成了数字信号。采样定理告诉我们,采样频率要大于信号频率的两倍,这些我就不在此罗嗦了。  
  
     采样得到的数字信号,就可以做FFT变换了。N个采样点,经过FFT之后,就可以得到N个点的FFT结果。为了方便进行FFT运算,通常N取2的整数次方。  
 

假设采样频率为Fs,信号频率F,采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值,就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢?假设原始信号的峰值为A,那么FFT的结果的每个点(除了第一个点直流分量之外)的模值就是A的N/2倍。而第一个点就是直流分量,它的模值就是直流分量的N倍。而每个点的相位呢,就是在该频率下的信号的相位。第一个点表示直流分量(即0Hz),而最后一个点N的再下一个点(实际上这个点是不存在的,这里是假设的第N+1个点,可以看做是将第一个点分做两半分,另一半移到最后)则表示采样频率Fs,这中间被N-1个点平均分成N等份,每个点的频率依次增加。例如某点n所表示的频率为:Fn =(n-1)*Fs/N。由上面的公式可以看出,Fn所能分辨到频率为 Fs/N,如果采样频率Fs为1024Hz,采样点数为1024点,则可以分辨到1Hz。1024Hz的采样率采样1024点,刚好是1秒,也就是说,采样1秒时间的信号并做FFT,则结果可以分析到1Hz,如果采样2秒时间的信号并做FFT,则结果可以分析到0.5Hz。如果要提高频率分辨力,则必须增加采样点数,也即采样时间。频率分辨率和采样时间是倒数关系。假设FFT之后某点n用复数a+bi表示,那么这个复数的模就是An=根号a*a+b*b,相位就是Pn=atan2(b,a)。根据以上的结果,就可以计算出n点(n≠1,且n<=N/2)对应的信号的表达式为:An/(N/2)*cos(2*pi*Fn*t+Pn),即2*An/N*cos(2*pi*Fn*t+Pn)。对于n=1点的信号,是直流分量,幅度即为A1/N。由于FFT结果的对称性,通常我们只使用前半部分的结果,即小于采样频率一半的结果。  

 

  好了,说了半天,看着公式也晕,下面以一个实际的信号来做说明。
  
     假设我们有一个信号,它含有2V的直流分量,频率为50Hz、相位为-30度、幅度为3V的交流信号,以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下:
  
S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)  

 式中cos参数为弧度,所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样,总共采样256点。按照我们上面的分析,Fn=(n-1)*Fs/N,我们可以知道,每两个点之间的间距就是1Hz,第n个点的频率就是n-1。我们的信号有3个频率:0Hz、50Hz、75Hz,应该分别在第1个点、第51个点、第76个点上出现峰值,其它各点应该接近0。实际情况如何呢?

从图中我们可以看到,在第1点、第51点、和第76点附近有比较大的值。我们分别将这三个点附近的数据拿上来细看:
1点: 512+0i
2点: -2.6195E-14 - 1.4162E-13i  
3点: -2.8586E-14 - 1.1898E-13i  
50点:-6.2076E-13 - 2.1713E-12i
51点:332.55 - 192i
52点:-1.6707E-12 - 1.5241E-12i  
75点:-2.2199E-13 -1.0076E-12i
76点:3.4315E-12 + 192i
77点:-3.0263E-14 +7.5609E-13i
  
   很明显,1点、51点、76点的值都比较大,它附近的点值都很小,可以认为是0,即在那些频率点上的信号幅度为0。接着,我们来计算各点的幅度值。分别计算这三个点的模值,
结果如下:
1点: 512
51点:384
76点:192

按照公式,可以计算出直流分量为:512/N=512/256=2;50Hz信号的幅度为:384/(N/2)=384/(256/2)=3;75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。可见,从频谱分析出来的幅度是正确的。
然后再来计算相位信息。直流信号没有相位可言,不用管它。先计算50Hz信号的相位,atan2(-192, 332.55)=-0.5236,结果是弧度,换算为角度就是180*(-0.5236)/pi=-30.0001。再计算75Hz信号的相位,atan2(192, 3.4315E-12)=1.5708弧度,换算成角度180*1.5708/pi=90.0002。可见,相位也是对的。


根据FFT结果以及上面的分析计算,我们就可以写出信号的表达式了,它就是我们开始提供的信号。  

 总结:假设采样频率为Fs,采样点数为N,做FFT之后,某一点n(n从1开始)表示的频率为:Fn=(n-1)*Fs/N;该点的模值除以N/2就是对应该频率下的信号的幅度(对于直流信号是除以N);该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值,范围从-pi到pi。要精确到xHz,则需要采样长度为1/x秒的信号,并做FFT。要提高频率分辨率,就需要增加采样点数,这在一些实际的应用中是不现实的,需要在较短的时间内完成分析。解决这个问题的方法有频率细分法,比较简单的方法是采样比较短时间的信号然后在后面补充一定数量的0,使其长度达到需要的点数,再做FFT,这在一定程度上能够提高频率分辨力。

 


 

相关文章推荐

快速傅氏变换之旅(一) 概念简介 3

1) 蝶形变换:普通的FFT算法称为基2的FFT算法,这种算法的核心是蝶形变换  长度为n=2^k1的变换共需要做   k1   *   n/2   次蝶形变换,(如上图所示)若需变换数据表示为一...

快速傅氏变换之旅(五) 嵌入式中的FFT(最好选择DSP或FPGA)

欢迎大家提意见讨论。 转载请标明是引用于 http://blog.csdn.net/chenyujing1234  例子代码:(编译工具:VS2005)     ==============...

快速傅氏变换之旅(四) 第一个别人的例子解读

转载请标明是引用于 http://blog.csdn.net/chenyujing1234  例子代码:(编译工具:VS2005)  http://www.rayfile.com/zh-cn/fi...

快速傅氏变换

  • 2012年09月15日 10:21
  • 2KB
  • 下载

C#多线程之旅(1)——介绍和基本概念

多线程基础
  • yodas
  • yodas
  • 2017年02月14日 15:12
  • 72

我的docker之旅(1):简介

1.什么是Docker     docker 是基于go语言实现的云开源项目,诞生于2013年初,最初发起者是dotCloud公司,dotCloud公司后来改名为 Docker Inc,专注于 do...

GXT之旅:第一章:初识ExtGWT(1)——简介

第一章:初识ExtGWT 在本章中,我要介绍一下什么是ExtGWT, 并且解释说明她是如何和GWT(google)协同工作的。然后会告诉大家如何搭建第一个Ext GWT项目。 概要: 在Eclips...
  • miqi770
  • miqi770
  • 2011年12月30日 11:13
  • 10157

JavaScrip学习之旅(1)Javascript简介

转载请标明是引用于 http://blog.csdn.net/chenyujing5678  欢迎拍砖!   HTML网页没有计算、判断能力,如果所有计算、判断(比如文本框是否为空、判断两次密码...

图形流水线之旅 part1 简介、软件栈

我设想要在这儿对2011年的图形硬、软件做一些综述点讲解。你平时可以找到你的计算机上关于图形栈的功能性说明,但通常不是说“how”和“why”的。我来试着填上这个空白但不是对任何硬件都进行具体分析。我...

Windows 到 Linux 之旅: 第 1 部分

  • 2010年11月28日 19:44
  • 225KB
  • 下载
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:快速傅氏变换之旅(一) 概念简介 1
举报原因:
原因补充:

(最多只允许输入30个字)