数字信号处理——Python实现快速傅里叶变换FFT

文章首发于我的个人博客

1、FFT背景

快速傅里叶变换（FFT）是离散傅里叶变换（DFT）的快速算法，它是根据离散傅里叶的奇、偶、虚、实等特性，在DFT的基础上进行改进获得的。它对傅里叶变换的理论没有新的发现，但它的出现让离散傅里叶变换在计算机系统中得到了广泛的应用。

设x(n)为N项的复数序列，对其进行DFT，任一X(m)的计算都需要N次复数乘法和N-1次复数加法，因此要求出N项复序列的X(m)，大约需要$N^2$次运算。当N逐渐增大时，运算量将呈指数式增长，这在实际应用中是一场灾难。而在FFT中，利用$W_N$的周期性和对称性，把一个N项序列（设N=2k）分为两个N/2项的子序列，每个N/2点DFT变换需要$(\frac{N}{2}{)}^2$次运算，再用N点运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样的变换总运算次数为$N+2(\frac{N}{2}{)}^2=N+\frac{N^2}{2}$。如果将这种一分为二的思想一直继续下去，知道分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog2N次运算，当N为1024点时，运算量仅为10240次，是使用DFT算法的1%，点数越多，运算量的减少就越显著，这是FFT的优越性。

2、FFT推导

详细的推导在这里我不再重复，我推荐去看程佩青版本的《数字信号处理》基2DIT-FFT部分。

在此，我只通过一个8点DFT流图来说明FFT算法的核心原理，在我使用Python实现FFT代码的过程中，也是先实现上图所示的FFT流图，并不断地根据代码输出结果与正确结果之间的差别来DEBUG代码，不断完善，最终拓展到2048点的FFT。

实现基2DIT-FFT主要有三个步骤：

• 补零
• 抽取奇偶序列（倒序）
• 三个循环
  • L级蝶形运算
  • $2^{L-m}$个蝶形运算块
  • 每个蝶形运算块中有$2$