基于TMS32OLF24O7的FFT算法的实现及应用-DSP
傅立叶变换是一种将信号从时域转变为频域表示的变换形式，它是数字信号处理中对信号进行分析时经常采用的一种方法。信号的一些特性在时域总是表现得不明显，通过傅里叶算法，将其变换到频域，其特性就一目了然。例如，来自供电系统的干扰在时域上总是不易识别，但是在频域上就可以很清晰地看到50～60 Hz的离散谐波。
在计算机系统中，实际上是以离散傅立叶变换(DFT)的方式处理数据。由于DFT的运算量比较大，并不适用于嵌入式控制系统，所以实际应用中常使用DFT 的快速算法一快速傅立叶变换(FFT)。虽然FFT 比DFT的计算量减少了很多，但用普通单片机来实现FFT多点、实时运算还是比较困难的。DSP(数字信号处理器)具有运算速度快和精度高的特点，恰好满足FFT的要求，能较好地解决这个问题。
1 快速傅里叶变换的原理
非周期性连续时间信号x(t)的傅里叶变换可以表示为
式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够得到的是连续信号x(t)的离散采样值x(nT)。因此需要利用离散信号x(nT)来计算信号x(t)的频谱。
有限长离散信号x(n)，n=0，1，…，N-1的DFT定义为：
可以看出，DFT需要计算大约N2次乘法和N2次加法。当N较大时，这个计算量是很大的。利用WN的对称性和周期性，将N点DFT分解为两个N／2点的 DFT，这样两个N／2点DFT总的计算量只是原来的一半，即(N／2)2+(N／2)2=N2／2，这样可以继续分解下去，将N／2再分解为N／4点 DFT等。对于N=2m 点的DFT都可以分解为2点的DFT，这样其计算量可以减少为(N／2)log2N次乘法和Nlog2N次加法。图1为FFT与DFT-所需运算量与计算点数的关系曲线。由图可以明显看出FFT算法的优越性。
点击看大图
将x(n)分解为偶数与奇数的两个序列之和，即
x1(n)和x2(n)的长度都是N／2，x1(n)是偶数序列，x2(n)是奇数序列，则
点击看大图
其中X1(k)和X2(k)分别为x1(n)和x2(n)的N／2点DFT。由于X1(k)和X2(k)均以N／2为周期，且WN k+N/2=-WN k，所以X(k)又可表示为：
上式的运算可以用图2表示，根据其形状称之为蝶形运算。依此类推，经过m-1次分解，最后将N点DFT分解为N／2个两点DFT。图3为8点FFT的分解流程。
点击看大图
点击看大图
FFT算法的原理是通过许多小的更加容易进行的变换去实现大规模的变换，降低了运算要求，提高了与运算速度。FFT不是DFT的近似运算，它们完全是等效的。
[1][2]
评论排行