快速傅里叶变换FFT解析

最新推荐文章于 2024-07-31 00:30:00 发布

架起彼岸的桥

最新推荐文章于 2024-07-31 00:30:00 发布

阅读量5.1k

点赞数 2

分类专栏：数字信号处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/wupeizhi/article/details/106006252

版权

数字信号处理专栏收录该内容

16 篇文章 7 订阅

订阅专栏

1、FFT介绍

快速傅里叶变换：理解为实现DFT的快速算法，只是单纯的让数字信号处理器DSP跑DFT算法更快点。

傅里叶变换将信号转换到频域上去分析，学术研究可以用连续信号，模拟域的傅里叶变换去分析问题，但是计算机是无法分析在模拟域分析问题。DFT将频域离散分析问题，一般书本上都会对FFT做描述，为什么有FFT产生，最重要的原因的就是运算量，书本上对DFT的运算复杂度都作了详细介绍。

2、FFT算法核心

FFT实现的核心在于旋转因子具有的性质：

1）周期性： $W_{N}^{k*n} = W_{N}^{k*(n+N))} = W_{N}^{n*(k+N))}$

2）对称性: $W_{N}^{k*(n+N/2))} = -W_{N}^{k*n}$ 和 $(W_{N}^{k*n})^{*} = W_{N}^{-k*n} =W_{N}^{k*(N-n)}$

3）可约性: $W_{N}^{k*n} = W_{m*N}^{m*k*n}$ 和 $W_{N}^{k*n} = W_{N/m}^{k*n/m}$

对照下图理解以上3个性质是理解FFT抽取过程，旋转因子变化的原理。以8点DFT举例， $e^{(-j*2*pi )/8}$ 连续对应下图，N=8；

$X(k) = \sum_{n = 0}^{ N-1} x(n)e^{(-j*2*\pi*k*n)/N}= \sum_{n = 0}^{ N-1} x(n)W_{N}^{k*n}$ 现在只关心旋转因子 $e^{(-j*2*pi )/8}$ 就可以。以k=1为例

1）周期性应该比较好理解，直观去看第k*n点，与转了k圈或是n圈的重合。

2）对称性从图上很容易看出，点1与点5满足第一个公式，点1与点7共轭对称满足

3）可约性从旋转因子的公式容易得出

上述性质就是实现蝶形运算的关键。

FFT实现另一个的关键点：将长序列分解成短序列计算

每一级运算都是2点DFT，经过3级运算最终得到8点DFT结果。

$X(1) = x(0)*W_{8}^{1*0} + x(1)*W_{8}^{1*1} + ... +x(7)*W_{8}^{1*7}$ 这是利用理论公式计算出来的结果

以下图片摘抄网页，公式敲起来太麻烦了。

注意:每级奇偶抽取是针对相对应子序列的自然顺序的奇偶，不是n的奇偶。例如第二次抽取x(2),x(6)是对应子序列的奇数项。

架起彼岸的桥

关注

2
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。