串行FFT递归算法蝶式递归计算原理求傅里叶变换.docx
《串行FFT递归算法蝶式递归计算原理求傅里叶变换.docx》由会员分享,可在线阅读,更多相关《串行FFT递归算法蝶式递归计算原理求傅里叶变换.docx(16页珍藏版)》请在冰豆网上搜索。
![串行FFT递归算法蝶式递归计算原理求傅里叶变换.docx](https://file1.bdocx.com/fileroot1/2022-11/16/3eea16b2-8433-472f-9a3b-515764850a07/3eea16b2-8433-472f-9a3b-515764850a071.gif)
串行FFT递归算法蝶式递归计算原理求傅里叶变换
串行FFT递归算法(蝶式递归计算原理)求傅里叶变换
摘要
FFT,即为快速傅氏变换,是离散傅氏变换的快速算法,它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。
它对傅氏变换的理论并没有新的发现,但是对于在计算机系统或者说数字系统中应用离散傅立叶变换,可以说是进了一大步。
设x(n)为N项的复数序列,由DFT变换,任一X(m)的计算都需要N次复数乘法和N-1次复数加法,而一次复数乘法等于四次实数乘法和两次实数加法,一次复数加法等于两次实数加法,即使把一次复数乘法和一次复数加法定义成一次“运算”(四次实数乘法和四次实数加法),那么求出N项复数序列的X(m),即N点DFT变换大约就需要N^2次运算。
当N=1024点甚至更多的时候,需要N2=1048576次运算,在FFT中,利用WN的周期性和对称性,把一个N项序列(设N=2k,k为正整数),分为两个N/2项的子序列,每个N/2点DFT变换需要(N/2)^2次运算,再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。
这样变换以后,总的运算次数就变成N+2(N/2)^2=N+N^2/2。
继续上面的例子,N=1024时,总的运算次数就变成了525312次,节省了大约50%的运算量。
而如果我们将这种“一分为二”的思想不断进行下去,直到分成两两一组的DFT运算单元,那么N点的DFT变换就只需要Nlog
(2)(N)次的运算,N在1024点时,运算量仅有10240次,是先前的直接算法的1%,点数越多,运算量的节约就越大,这就是FFT的优越性。
关键字:
FFT蝶式计算傅里叶变换
一.题目及要求
1.1题目
对给定的
,利用串行FFT递归算法(蝶式递归计算原理)计算其傅里叶变换的结果。
1.2要求
利用串行递归与蝶式递归原理,对给定的向量求解傅里叶变换的结果。
二.设计算法、算法原理
2.1算法原理与设计
蝶式递归计算原理:
令为n/2次单位元根,则有,
将b向量的偶数项和奇数项分别记
为和。
注意推导中反复使用:
。
图2.1公式图形
2.2设计步骤
对于以上的分析可画出如图2.2所示的离散傅里叶变换递归计算流图。
图2.3就是一个按此递归方法计算的n=8的FFT蝶式计算图。
FFT的蝶式递归计算图(有计算原理推出):
图2.2递归计算流图
特别的,n=8的FFT蝶式计算图(展开的):
图2.3蝶式计算图
按输入元素
展开,前面将输出序列之元素
按其偶下标(
)和(
)展开,导出
和
递归计算式,按此构造出了如图1所示的FFT递归计算流程图。
事实上,我们也可以将输入序列之元素
按其偶下标(
)和几下标(
)展开,则导出另一种形式的FFT递归计算式
。
三.算法描述、设计流程
3.1算法描述
SISD上的FFT分治递归算法:
输入:
a=(a0,a1,…,an-1);输出:
B=(b0,b1,…,bn-1)
ProcedureRFFT(a,b)
begin
ifn=1thenb0=a0else
(1)RFFT(a0,a2,…,an-2,u0,u1,…,un/2-1)
(2)RFFT(a1,a3,…,an-1,v0,v1,…,vn/2-1)
(3)z=1
(4)forj=0ton-1do
(4.1)bj=ujmodn/2+zvjmodn/2
(4.2)z=zω
endfor
endif
end
注:
(1)算法时间复杂度t(n)=2t(n/2)+O(n)
t(n)=O(nlogn)
n=8的FFT蝶式计算图:
图3.1FFT蝶式计算图
n=6的FFT递归计算流程图:
图3.2FFT递归计算流程图
3.2流程图
飞
是
否
是
否
是
否
四.源程序代码及运行结果
4.1源程序代码
/************FFT***********/
#include//整个程序输入和输出利用同一个空间x[N],节约空间
#include
#include
#defineN1000//定义输入或者输出空间的最大长度
typedefstruct
{
doublereal;
doubleimg;
}complex;//定义复数型变量的结构体
voidfft();//快速傅里叶变换函数声明
voidinitW();//计算W(0)~W(size_x-1)的值函数声明
voidchange();//码元位置倒置函数函数声明
voidadd(complex,complex,complex*);/*复数加法*/
voidmul(complex,complex,complex*);/*复数乘法*/
voidsub(complex,complex,complex*);/*复数减法*/
voiddivi(complex,complex,complex*);/*复数除法*/
voidoutput();/*输出结果*/
complexx[N],*W;/*输出序列的值*/
intsize_x=0;/*输入序列的长度,只限2的N次方*/
doublePI;//pi的值
intmain()
{
inti;
system("cls");
PI=atan
(1)*4;
printf("Pleaseinputthesizeofx:
\n");/*输入序列的长度*/
scanf("%d",&size_x);
printf("Pleaseinputthedatainx[N]:
(suchas:
56)\n");
for(i=0;iscanf("%lf%lf",&x[i].real,&x[i].img);
initW();//计算W(0)~W(size_x-1)的值
fft();//利用fft快速算法进行DFT变化
output();//顺序输出size_x个fft的结果
return0;
}
/*进行基-2FFT运算,蝶形算法。
这个算法的思路就是,先把计算过程分为log(size_x)/log
(2)-1级(用i控制级数);
然后把每一级蝶形单元分组(用j控制组的第一个元素起始下标);
最后算出某一级某一组每一个蝶形单元(用k控制个数,共l个)。
*/
voidfft()
{
inti=0,j=0,k=0,l=0;
complexup,down,product;
change();//实现对码位的倒置
for(i=0;i(2);i++)//循环算出fft的结果
{
l=1<
for(j=0;j{
for(k=0;k{//算出j组中第k个蝶形单元
mul(x[j+k+l],W[(size_x/2/l)*k],&product);/*size/2/l是该级W的相邻上标差,l是该级该组取的W总个数*/
add(x[j+k],product,&up);
sub(x[j+k],product,&down);
x[j+k]=up;//up为蝶形单元右上方的值
x[j+k+l]=down;//down为蝶形单元右下方的值
}
}
}
}
voidinitW()//计算W的实现函数
{
inti;
W=(complex*)malloc(sizeof(complex)*size_x);
/*申请size_x个复数W的空间(这部申请的空间有点多,实际上只要申请size_x/2个即可)*/
for(i=0;i<(size_x/2);i++)
/*预先计算出size_x/2个W的值,存放,由于蝶形算法只需要前size_x/2个值即可*/
{
W[i].real=cos(2*PI/size_x*i);//计算W的实部
W[i].img=-1*sin(2*PI/size_x*i);//计算W的虚部
}
}
voidchange()//输入的码组码位倒置实现函数
{
complextemp;
unsignedshorti=0,j=0,k=0;
doublet;
for(i=0;i{
k=i;
j=0;
t=(log(size_x)/log
(2));
while((t--)>0)
{
j=j<<1;
j|=(k&1);
k=k>>1;
}
if(j>i)
{
temp=x[i];
x[i]=x[j];
x[j]=temp;
}
}
}
voidoutput()//输出结果实现函数
{
inti;
printf("Theresultareasfollows\n");
for(i=0;i{
printf("%.4f",x[i].real);//输出实部
if(x[i].img>=0.0001)//如果虚部的值大于0.0001,输出+jx.img的形式
printf("+j%.4f\n",x[i].img);
elseif(fabs(x[i].img)<0.0001)
printf("\n");
else
printf("-j%.4f\n",fabs(x[i].img));
//如果虚部的值小于-0.0001,输出-jx.img的形式
}
}
voidadd(complexa,complexb,complex*c)//复数加法实现函数
{
c->real=a.real+b.real;//复数实部相加
c->img=a.img+b.img;//复数虚部相加
}
voidmul(complexa,complexb,complex*c)//复数乘法实现函数
{
c->real=a.real*b.real-a.img*b.img;//获取相乘结果的实部
c->img=a.real*b.img+a.img*b.real;//获取相乘结果的虚部
}
voidsub(complexa,complexb,complex*c)//复数减法实现函数
{
c->real=a.real-b.real;//复数实部相减
c->img=a.img-b.img;//复数虚部相减
}
voiddivi(complexa,complexb,complex*c)//复数除法实现函数
{
c->real=(a.real*b.real+a.img*b.img)/(b.real*b.real+b.img*b.img);
//获取相除结果的实部
c->img=(a.img*b.real-a.real*b.img)/(b.real*b.real+b.img*b.img);
//获取相除结果的虚部
}
4.2运行结果
(1)处理器p=8:
图4.1当
时串行FFT输出结果
(2)处理器p=8:
当
时输出结果与计算结果相符如图4.2所示
图4.2运行图
五.算法分析、优缺点
5.1算