数字信号处理学习笔记（二）|快速傅里叶变换

快速傅里叶变换(FFT)

一、FFT出现的原因

对x（n）进行N点DFT计算，一共有N² 次乘法，N²次加法
如果N=1024，则有2*1048576次计算，计算量过于庞大。
FFT的思想就是：不断把长序列的DFT分解成几个短序列的DFT，并利用W_N^kn的周期性和对称性来减少DFT的运算次数。

二、DIT-FFT

（1）8点DFT一次时域抽取分解运算

经过一次分解后，计算1个N点DFT共需要计算两个N/2点DFT和N/2个蝶形运算。而计算一个N/2点DFT需要(N/2)²次复数乘法和N/2(N/2-1)次复数加法。仅仅经过一次分解，就使运算量减少近一半。

（2）8点DFT二次时域抽取分解运算

经过第二次分解，又将N/2点DFT分解为2个N/4点DFT和N/4个蝶形运算，而1点DFT就是时域序列本身。

（3）DIT-FFT与DFT运算量的比较

设N=2^M ,有M级蝶形。每一级都由N/2个蝶形运算构成。每一级运算都需要N/2次复数乘和N次复数加

下图显示了DIT-FFT与DFT运算量的比较，可以直观看出FFT算法的优越性。N越大时，优越性就越明显。

三、用Python实现FFT算法

import numpy as np
from scipy.fftpack import fft, ifft
<