雷达基础教程入门篇5--信号处理之傅里叶变换

（1）傅里叶变换

    在信号分析中，通常采用将信号时域转换到频域的方式简化分析过程。频域就是描述频率所用到的空间或者说坐标系，这里借用网络上的图来方便理解

    对于雷达的中频信号分解，我们通常使用傅里叶变换来实现。傅里叶变换的根本原理在于，任意连续周期函数都可以用正弦波表示，以方波为例，如下图

随着频率愈加丰富，合成的波形也越来越接近方波，当n为无穷大时，即频谱范围无限大，就可以无限逼近方波。

在真实物理世界中，我们的雷达中频信号为连续性周期信号，但实际处理器无法处理这样无线长的周期连续信号，只能进行数字采样，获得离散序列，所以，对于离散傅里叶变换(DFT)的表示如下：

同时，我们需要关注傅里叶变换的两个性质，即共轭对称性（对于实序列即偶对称与奇对称）与周期性，这个在后面进行快速傅里叶算法（FFT）时会用到。

由于ADC对时域信号进行了采样，且我们的ADC器件采样频率为有限大，采样点数定义为N，因此我们需要处理的中频信号是一个N点的有限长序列，N点的离散傅里叶变换如下：

共轭对称性质中，对于-∞≤n≤∞的离散信号，对称中心为0点，即n = 0。对于0≤k≤N-1的离散序列，对称中心为N/2。

（2）快速傅里叶变换（FFT）实现

    对于离散序列的傅里叶变换，根据上文的DFT算法，计算全部X[k]值需要N²次复数乘法与N(N-1)次复数加法，计算量与N²成正比，对处理器性能要求非常高，不适用于常规数字信号处理分析。因此，在上个世纪六十年代，有人提出了一个快速傅里叶变换算法，即FFT算法。FFT是DFT的一种快速算法，而不是一种新的变换，它可以在数量级的意义上提高运算速度。

FFT原理主要参考傅里叶变换的共轭对称性与周期性，

以按时奇偶抽选FFT为例，假设序列点数N = ,v为整数，也称基-2 FFT算法，由N为偶整数，将序列分解为奇数和偶数点两组序列，表示如下

其中，n = 2r（偶数），n = 2r+1（奇数），代入上式得

因为，上式可以写为如下表示，其中X1为原序列偶数点DFT，X2为原序列奇数点DFT，为旋转因子。

后半部分X（k）表示如下

以上，便是快速傅里叶变换的算法原理，通过对共轭对称特性与周期性的利用，将原序列的傅里叶变换转换为只做前半部分傅里叶变换，节省将近一半的运算量，以8点的FFT运算为例，算法图解如下

同样的，由于N = ，所以N/2仍然是偶数，可以进一步把每个N/2点的输入子序列再按照奇偶部分分解为两个N/4的子序列，

所以，从上述可以知道，FFT相较于传统的DFT运算，节省了较大的运算量，且N越大，FFT效率越高，如下

FFT在ARM的DSP库函中的代码定义如下：

更多内容，可关注微信公众号：RADAR驿站