快速傅立叶变换推导

关注

VIP免费原创最新推荐文章于 2026-02-24 00:34:53 发布 644 阅读 AI 写同款· GEO 优化 ›

快速傅立叶变换(FFT)算法(原来这就是蝶形变换) 快速傅立叶变换(FFT)算法(原来这就是蝶形变换) 为了实现FFT的海面模拟，不得不先撸个FFT算法实现。离散傅立叶变换(DFT) 学习FFT之前，首先要先了解什么是DFT，我们都知道傅立叶变换是将时域转换为频域。但是我们计算机是没办法处理连续的点，因此就有了离散傅立叶变换DFT。标准DFT公式：我们令： W的一些性质证明：证明方法同... 阅读详情

离散信号傅立叶变换

$X(k)=∑n=0Nx(n)WNnkX(k)=\sum_{n=0}^Nx(n)W_N^{nk}$

其中

$WN=e−j2πNW_N=e^{-j\frac{2\pi}{N}}$

$k = 0, 1, . . ., N - 1$

基2时域抽取FFT

离散傅立叶变换为

$X(k)=∑n=0Nx(n)WNnkX(k)=\sum_{n=0}^Nx(n)W_N^{nk}$

可分解为

$X(k)=∑n=0N2−1(x(2n)WN2nk+x(2n+1)WN(2n+1)k)X(k)=\sum_{n=0}^{\frac{N}{2}-1}(x(2n)W_N^{2nk}+x(2n+1)W_N^{(2n+1)k})$

$=∑n=0N2−1x(2n)WN2nk+∑n=0N2−1x(2n+1)WN(2n+1)k\quad = \sum_{n=0}^{\frac{N}{2}-1}x(2n)W_N^{2nk}+\sum_{n=0}^{\frac{N}{2}-1}x(2n+1)W_N^{(2n+1)k}$

$=∑n=0N2−1x(2n)WN2nk+WNk∑n=0N2−1x(2n+1)WN(2n)k(EQ.1)\quad = \sum_{n=0}^{\frac{N}{2}-1}x(2n)W_N^{2nk}+W_N^{k}\sum_{n=0}^{\frac{N}{2}-1}x(2n+1)W_N^{(2n)k}\quad(EQ.1)$

序列x(n)分解

$偶数项x1(n)=x(2n),其中n=0,1,...,N2−1偶数项x1(n)=x(2n),其中n=0,1,...,\frac{N}{2}-1$

$奇数项x2(n)=x(2n+1),其中n=0,1,...,N2−1奇数项x2(n)=x(2n+1),其中n=0,1,...,\frac{N}{2}-1$

则相应DFT

$X1(k)=∑n=0N2−1x1(n)WN2nk,其中k=0,1,...,N2−1X_1(k)=\sum_{n=0}^{\frac{N}{2}-1}x1(n)W_{\frac{N}{2}}^{nk},其中k=0,1,...,\frac{N}{2}-1$

$X2(k)=∑n=0N2−1x2(n)WN2nk,其中k=0,1,...,N2−1X_2(k)=\sum_{n=0}^{\frac{N}{2}-1}x2(n)W_{\frac{N}{2}}^{nk},其中k=0,1,...,\frac{N}{2}-1$

其中

$WN2nk=e−j2πnkN2W_{\frac{N}{2}}^{nk} = e^{-j\frac{2\pi nk}{\frac{N}{2}}}$

最低0.47元/天解锁文章

标签

#FFT #DFT #傅里叶变换

fourier变换求导法用fourier变换求导数.fourier变换的微分性质可以进行导数计算。立即下载

快速傅立叶变换推导

离散信号傅立叶变换

基2时域抽取FFT

相关推荐