7-3 离散傅里叶变换与快速傅里叶变换

7-3 离散傅里叶变换与快速傅里叶变换

\qquad 周期为 $N$的信号空间是 $N$维欧几里得空间（内积空间），若 $f,g$是两个信号，则他们的内积定义为 $$<f,g>=\sum _{n=0}^{N-1}f[n]g^{\ast }[n]$$

1. 循环卷积

\qquad 有限域$0\le n<N$上的离散信号$f[n]$的边界$(n=0orn=N-1)$的卷积往往需要修正.首先需要引入循环卷积的概念。
\qquad 设$\tilde{f},\tilde{h}$是有$N$个样本值的信号。为计算卷积$$\tilde{f}\ast \tilde{h}[n]=\sum _{p=-\infty }^{+\infty }\tilde{f}[p]\tilde{h}[n-p],0\le n<N$$我们必须利用$[0,N]$之外的$\tilde{f}[n],\tilde{h}[n]$的值，一个办法是将$\tilde{f}[n],\tilde{h}[n]$作周期扩充，当$n>N$时，$$f[n]=\tilde{f}[n(mod)N],h[n]=\tilde{h}[n(mod)N]$$对于周期为N的两个函数$\tilde{f}[n],\tilde{h}[n]$它们的循环卷积定义为$$f\ast h[n]=\sum _{p=0}^{N-1}f[p]h[n-p]=\sum _{p=0}^{N-1}f[n-p]h[p]$$.
定理： 向量集 { e k [ n ] = e i 2 k π n N } 0 ≤ k < N \{e_k[n]=e^{i2k\pi \frac{n}{N}}\}_{0\leq k<N} {ek​[n]=ei2kπNn​}0≤k<N​是$N$周期信号空间的正交基。

\qquad 若$f,h$是周期的，它们的循环卷积$g=f\ast h$的离散傅里叶变换为$$\hat{g}(k)=\hat{f}(k)\hat{h}(k)$$.

2.离散傅里叶变换

\qquad 上面定理给出了$N$周期信号空间的正交基，则任意的$f$为N周期函数可表示为$$f=\sum _{k=0}^{N-1}\frac{<f,e_k>}{\Vert e_k{\Vert }^2}{e}_k$$$f$的离散傅里叶变换（DFT）为$$\hat{f}[k]=<f,e_k>=\sum _{n=0}^{N-1}f[n]e^{-i2k\pi \frac{n}{N}}$$因为$e_k:k=0,...,N-1$是正交的，所以$\Vert e_k\Vert =N$于是$f$的傅里叶逆变换为$$f[n]=\frac{1}{N}\sum _{n=0}^{N-1}\hat{f}[k]e^{i2k\pi \frac{n}{N}}$$

3.快速傅里叶变换 $FFT$

\qquad 对于有$N$个点的信号$f$,直接计算其离散傅里叶变换$$\hat{f}[k]=<f,e_k>=\sum _{n=0}^{N-1}f[n]e^{-i2k\pi \frac{n}{N}},0\le k<N$$需要$N^2$次乘法与加法运算，通过重新组织计算，$FFt$可将计算复杂度降至$O(N{\log }_{2}N)$.具体分组如下：
\qquad 当频率指标为偶数时，将$f$按$N$与$n+\frac{2}{N}$分组$$\hat{f}[2k]=\sum _{n=0}^{\frac{2}{N}-1}(f[n]+f[n+\frac{2}{N}])e^{-i2k\pi \frac{n}{N/2}}\text{\hspace{1em}(1)}$$当频率指标为奇数时，同样分组可得$$\hat{f}[2k+1]=\sum _{n=0}^{\frac{2}{N}-1}{e}^{-i2\pi \frac{n}{N}}(f[n]+f[n+\frac{2}{N}])e^{-i2k\pi \frac{n}{N/2}}\text{\hspace{1em}(2)}$$由$(1)(2)$可知，偶频率可由$$f_e[n]=f[n]+f[n+\frac{2}{N}]\text{\hspace{1em}(3)}$$的离散傅里叶变换计算，奇频率可由$$f_o[n]=e^{-i2\pi \frac{n}{N/2}}(f[n]+f[n+\frac{2}{N}]))\text{\hspace{1em}(4)}$$的离散傅里叶变换计算。于是，$N$个点信号值的离散傅里叶变换可由两个$\frac{N}{2}$信号点的离散傅里叶变换加上$O(N)$个加法运算计算得出。利用$$f^{\ast }[n]=\frac{1}{N}\sum _{n=0}^{N-1}\hat{f}\ast [n]e^{-i2k\pi \frac{n}{N}}$$可以计算$\hat{f}$的复共轭${\hat{f}}^{\ast }$的逆$FFT$.
注： $FFT$的复杂度。记快速傅里叶变换的空间复杂度为$\mathcal{C}(N)$，由(3)(4)式可知，计算$f_e,f_o$分别需要计算N次复数加法和$\frac{N}{2}$次复数乘法，记$KN$是其基本运算次数，则有$$\mathcal{C}(N)=2C(N/2)+KN\text{\hspace{1em}(5)}$$令$l={\log }_{2}N$,令$T(l)=\frac{\mathcal{C}(N)}{N}$,则由（5）可得$$\frac{\mathcal{C}(N)}{N}=\frac{2\mathcal{C}(N/2)}{N}+K$$于是$$T(l)=T(l-1)+K$$由于$\mathcal{C}(1)=0$,所以$T(0)=0$,故迭代可得$$T(l)=Kl⟺\mathcal{C}(N)=KN{\log }_{2}N$$由上式可知KKT的复杂度要小于离散傅里叶变换的复杂度$N^2$