稀疏傅里叶变换（sparse FFT）

作者：桂。

时间：2018-01-06  14:00:25

链接：http://www.cnblogs.com/xingshansi/p/8214122.html 

---

前言

　　对于数字接收来讲，射频域随着带宽的增加，AD、微波、FPGA资源的需求越来越高，但频域开的越宽并不意味着频谱越宽，有限信号内可认为信号在宽开频域稀疏分布，最近较为流行的稀疏FFT（SFFT）是在传统FFT的基础上，利用了信号的稀疏特性，使得计算性能优于FFT。本文简单记录自己的理解。

源代码

一、稀疏FFT

主要是12年MIT的论文：Simple and Practical Algorithm for Sparse Fourier Transform。

核心思想：

SFT 作为这样一种“输出感知”算法,其核心思路是按照一定规则 Γ ( • )将信号频点投入到一组“筐”中(数量为 B，通过滤波器实现 ) . 因频域是稀疏的,各大值点将依很高的概率在各自的“筐”中孤立存在 . 将各“筐”中频点叠加,使 N 点长序列转换为 B点的短序列并作 FFT 运算,根据计算结果,忽略所有不含大值点的“筐”,最后根据对应分“筐”规则,设计重构算法 Γ ^-1 ( • )恢复出 N 点原始信号频谱。

算法流程：

步骤一：选定一个sigma，实现数据频域重排。

频域重排主要是因为FFT之后，频域大值集中在一起，需要将这一伙打散，保证频域的稀疏性（sparse）。打散之后就能稀疏，依据定理（可见n越大，打散的可能性越大，从这里看，sigma与B还是有关系的，sigma体现了相邻频点的最小间隔，而B决定了每个bucket的宽度）