畢業(yè)論文-快速傅里葉變換算法及其在信號(hào)處理中的應(yīng)用(共45頁(yè))

1、武漢工程大學(xué)畢業(yè)設(shè)計(jì)(論文)說(shuō)明書PAGE 2015 屆畢業(yè)設(shè)計(jì)(b y sh j)(論文) 題 目快速傅里葉變換算法及其在信號(hào)處理中的應(yīng)用專 業(yè) 班 級(jí)2011電子信息工程02 學(xué) 號(hào)1104030231 姓 名周汝耀 指 導(dǎo) 教 師華夏講師 學(xué) 院 名 稱電氣信息學(xué)院 2011 年 6 月 9 日摘 要快速傅氏變換（FFT），是離散傅氏變換的快速算法，它是根據(jù)離散傅氏變換的奇、偶、虛、實(shí)等特性，對(duì)離散傅立葉變換的算法進(jìn)行(jnxng)改進(jìn)獲得的。它對(duì)傅氏變換的理論并沒有新的發(fā)現(xiàn)，但是對(duì)于在計(jì)算機(jī)系統(tǒng)(xtng)或者說(shuō)數(shù)字系統(tǒng)中應(yīng)用離散傅立葉變換，可以說(shuō)是進(jìn)了一大步。傅里葉變換的理論(lln

2、)與方法在“數(shù)理方程(fngchng)”、“線性系統(tǒng)分析”、“信號(hào)處理、仿真”等很多學(xué)科領(lǐng)域都有著廣泛應(yīng)用,由于計(jì)算機(jī)只能處理有限長(zhǎng)度的離散的序列,所以真正在計(jì)算機(jī)上運(yùn)算的是一種離散傅里葉變換.雖然傅里葉運(yùn)算在各方面計(jì)算中有著重要的作用，但是它的計(jì)算過(guò)于復(fù)雜，大量的計(jì)算對(duì)于系統(tǒng)的運(yùn)算負(fù)擔(dān)過(guò)于龐大，使得一些對(duì)于耗電量少，運(yùn)算速度慢的系統(tǒng)對(duì)其敬而遠(yuǎn)之，然而，快速傅里葉變換的產(chǎn)生，使得傅里葉變換大為簡(jiǎn)化，在不犧牲耗電量的條件下提高了系統(tǒng)的運(yùn)算速度，增強(qiáng)了系統(tǒng)的綜合能力，提高了運(yùn)算速度，因此快速傅里葉變換在生產(chǎn)和生活中都有著非常重要的作用，對(duì)于學(xué)習(xí)掌握都有著非常大的意義。 關(guān)鍵詞：快速傅氏變換；快速算

3、法；簡(jiǎn)化；廣泛應(yīng)用 AbstractFast Fourier Transform (FFT), is a discrete fast Fourier transform algorithm, which is based on the Discrete Fourier Transform of odd and even, false, false, and other characteristics of the Discrete Fourier Transform algorithms improvements obtained. Its Fourier transform theory h

4、as not found a new, but in the computer system or the application of digital systems Discrete Fourier Transform can be said to be a big step into. Fourier transform theory and methods in the mathematical equation and linear systems analysis and signal processing, simulation, and many other areas hav

5、e a wide range of applications, as the computer can only handle a limited length of the sequence of discrete, so true On the computers operation is a discrete Fourier transform. Fourier Although all aspects of computing in the calculation has an important role, but its calculation was too complicate

6、d, a lot of computing system for calculating the burden is too large for some Less power consumption, the slow speed of operation of its system at arms length, however, have the fast Fourier transform, Fourier transform greatly simplifying the making, not in power at the expense of the conditions to

7、 increase the speed of computing systems, and enhance the system The comprehensive ability to improve the speed of operation, the Fast Fourier Transform in the production and life have a very important role in learning to master all have great significance.KeyWords：Fast Fourier Transform; fast algor

8、ithm; simplified; widely used 目 錄摘要(zhiyo).IAbstract . II TOC o 1-3 h z u HYPERLINK l _Toc385634561 1.緒論(xln) HYPERLINK l _Toc385634562 1.1 選題(xun t)背景1 HYPERLINK l _Toc385634563 1.2 課題研究的意義2 HYPERLINK l _Toc385634567 HYPERLINK l _Toc31137 2.快速傅里葉變換原理及性質(zhì) HYPERLINK l _Toc385634568 2.1快速傅里葉變換原理3 HYPER

9、LINK l _Toc385634569 2.2快速傅里葉變換的優(yōu)越性4 HYPERLINK l _Toc385634570 HYPERLINK l _Toc9754 2.3快速傅里葉變換的意義4 HYPERLINK l _Toc385634573 HYPERLINK l _Toc27753 3.快速傅里葉變換的算法 HYPERLINK l _Toc385634574 HYPERLINK l _Toc8124 3.1快速傅里葉變換算法6 HYPERLINK l _Toc385634575 3.2 Cooley=Tukey FFT算法8 HYPERLINK l _Toc385634576 3.3

10、 Rader-Brennr FFT算法9 HYPERLINK l _Toc385634576 3.4 Goertsel 算法10 HYPERLINK l _Toc385634577 HYPERLINK l _Toc27753 4.快速傅里葉變換在信號(hào)處理中的理論應(yīng)用 HYPERLINK l _Toc385634578 HYPERLINK l _Toc8124 4.1利用FFT計(jì)算連續(xù)時(shí)間信號(hào)的傅里葉變換13 HYPERLINK l _Toc385634579 4.2利用FFT計(jì)算離散信號(hào)的線性卷積17 HYPERLINK l _Toc385634580 4.3利用FFT進(jìn)行離散信號(hào)壓縮19 H

11、YPERLINK l _Toc385634579 4.4利用FFT對(duì)離散信號(hào)進(jìn)行濾波22 HYPERLINK l _Toc385634579 4.5利用FFT提取離散信號(hào)中的最強(qiáng)正弦分量24 HYPERLINK l _Toc385634581 HYPERLINK l _Toc31137 5.快速傅里葉變換在數(shù)字信號(hào)分析與處理的實(shí)際應(yīng)用 HYPERLINK l _Toc385634582 5.1快速傅里葉變換在喇曼光譜信號(hào)噪聲平滑中的應(yīng)用29 HYPERLINK l _Toc385634583 5.2采用異步實(shí)現(xiàn)的快速傅里葉變換處理器31 HYPERLINK l _Toc385634584 HY

12、PERLINK l _Toc9754 5.3快速傅里葉算法在哈特曼夏克傳感器波前重構(gòu)算法中的應(yīng)用33 HYPERLINK l _Toc385634587 致謝36 HYPERLINK l _Toc385634586 參考文獻(xiàn)37 1 緒論(xln)傅立葉變換在生產(chǎn)生活中的重要性非常(fichng)突出，它將原本難以(nny)處理的時(shí)域信號(hào)相比比較容易地轉(zhuǎn)換成易于分析的頻域信號(hào)，我們可以利用一些專業(yè)工具對(duì)這些頻域信號(hào)進(jìn)行處理、加工，使信號(hào)轉(zhuǎn)化為可以對(duì)其進(jìn)行各種數(shù)學(xué)變換的數(shù)學(xué)公式，對(duì)其進(jìn)行處理。最后還可以根據(jù)傅立葉反變換將這些頻域信號(hào)轉(zhuǎn)換成原來(lái)的時(shí)域信號(hào)，這是一種特殊的積分變換。它能夠?qū)M足一定條

13、件的某個(gè)函數(shù)表示成為正弦基函數(shù)的線性組合或者積分。然而，它在運(yùn)算上過(guò)于復(fù)雜，過(guò)于宏大的運(yùn)算過(guò)程，對(duì)于一些相對(duì)簡(jiǎn)單的低功耗處理器來(lái)說(shuō)，難以自如應(yīng)對(duì)，因此，快速傅里葉變換則顯出了它的優(yōu)越性?？焖俑凳献儞Q（FFT），即離散傅氏變換的快速算法，它是根據(jù)離散傅氏變換的奇、偶、虛、實(shí)等特性，對(duì)離散傅立葉變換的算法進(jìn)行改進(jìn)獲得的1。對(duì)于計(jì)算機(jī)處理信號(hào)方面上是一大進(jìn)步。系統(tǒng)的速度不但取決于其本身的速度，而且還在相當(dāng)大的程度上取決于運(yùn)用的算法，算法運(yùn)算量的大小直接影響到對(duì)設(shè)備的控制質(zhì)量。通過(guò)傅立葉變換（DFT），運(yùn)用測(cè)試軟件進(jìn)行檢測(cè)，我們可以看出，快速傅里葉變換大大的提高了運(yùn)算速度，它為各系統(tǒng)的設(shè)計(jì)方案提供了簡(jiǎn)

14、單算法，有著非常重要的意義。1. 1 選題背景近十多年來(lái)，數(shù)字信號(hào)處理技術(shù)同大規(guī)模集成電路、數(shù)字計(jì)算機(jī)等，都有了突飛猛進(jìn)的發(fā)展，日新月異，早已成為了一門具有強(qiáng)大生命力的技術(shù)科學(xué)。因?yàn)樗旧砭途哂幸幌盗械膬?yōu)點(diǎn)，所以能夠有效地促進(jìn)工程技術(shù)領(lǐng)域的技術(shù)改造和科學(xué)發(fā)展，應(yīng)用領(lǐng)域也更加地廣泛、深入，越來(lái)越受到人們的重視。在信號(hào)處理中，離散傅里葉變換（Discrete Fourier Transform，DFT）是比較常用的變換方法之一，它在各種數(shù)字信號(hào)處理系統(tǒng)中扮演著及其重要的角色。由于離散傅里葉變換（DFT）而發(fā)現(xiàn)了頻率離散化，可以直接用它來(lái)分析信號(hào)的頻譜、計(jì)算濾波器的頻率響應(yīng)、以及實(shí)現(xiàn)信號(hào)通過(guò)線系統(tǒng)的

15、卷積運(yùn)算等，因而在信號(hào)的譜分析等方面有著非常大的作用。傅里葉變換已經(jīng)有一百多年的歷史了，我們熟知頻域分析往往比時(shí)域分析更優(yōu)越，不僅簡(jiǎn)單明了，而且易于分析較為復(fù)雜的信號(hào)。但需要用較為精準(zhǔn)的數(shù)字方法，即DFT，進(jìn)行譜分析，在快速傅氏變換（FFT）出現(xiàn)以前是不切實(shí)際的。由于DFT的計(jì)算量太大，即使運(yùn)用計(jì)算機(jī)也很難對(duì)問題進(jìn)行實(shí)時(shí)的有效處理，所以DFT并沒有得到真正的應(yīng)用。直到1965年庫(kù)利（J.W.Cooly）和圖基（J.W.Tukey）首次發(fā)現(xiàn)DFT的一種快速算法，局面才發(fā)生根本性的變化。繼庫(kù)利和圖基算法出來(lái)之后，桑德（G.Sander）等快速算法也相繼出現(xiàn)，又經(jīng)過(guò)其他學(xué)者一步步改進(jìn)，很快就出現(xiàn)了通

16、用型的快速傅里葉變換，簡(jiǎn)稱FFT?？焖俑道锶~變換（Fast Fourier Transform，F(xiàn)FT）并非與離散傅里葉變換完全不同的另一種變換，而是為了減少DFT計(jì)算次數(shù)而誕生的一種快速、有效的算法。應(yīng)當(dāng)指出的是，也是因?yàn)楫?dāng)時(shí)電子數(shù)字計(jì)算機(jī)的“落后”條件也促成了這個(gè)算法的提出。它使得DFT的運(yùn)算量大大的縮小簡(jiǎn)化，它推動(dòng)了近30年來(lái)信號(hào)處理技術(shù)止步不前的前進(jìn)發(fā)展，成為了數(shù)字信號(hào)處理應(yīng)用領(lǐng)域里強(qiáng)有力的工具，為DFT乃至數(shù)字信號(hào)處理技術(shù)的實(shí)際應(yīng)用創(chuàng)造了良好的條件，從而使DFT在實(shí)際使用中得以廣泛的應(yīng)用2。數(shù)字(shz)信號(hào)處理器（DSP），是一種(y zhn)可編程的高性能處理器。近年來(lái)發(fā)展(fz

17、hn)尤為迅速，它不僅應(yīng)用于數(shù)字信號(hào)處理方面，而且在圖像處理、語(yǔ)音處理、通信等領(lǐng)域得到廣泛的應(yīng)用。之前通用的微處理器在運(yùn)算速度上已經(jīng)很難適應(yīng)信號(hào)實(shí)時(shí)處理的高要求。DSP處理器中集成了高速的乘法硬件，能快速、準(zhǔn)確地進(jìn)行大量數(shù)據(jù)的乘法以及加法的運(yùn)算。數(shù)字信號(hào)處理區(qū)別于普通的科學(xué)計(jì)算與分析，它強(qiáng)調(diào)運(yùn)算的實(shí)時(shí)性。除了需要普通微處理器所強(qiáng)調(diào)的高速運(yùn)算和控制能力之外，鑒于實(shí)時(shí)數(shù)字信號(hào)處理的特點(diǎn)，在處理器結(jié)構(gòu)、指令系統(tǒng)、指令流程上做了很大程度上的改進(jìn)。1. 2 課題研究的意義如上所述，基于對(duì)DSP的快速傅里葉變換算法的研究，從而使FFT算法能夠有效地在DSP芯片上實(shí)現(xiàn)。DSP芯片的出現(xiàn)，使FFT的實(shí)現(xiàn)更加方

18、便。多數(shù)的DSP芯片都能夠在一個(gè)指令周期內(nèi)完成一次乘法和加法，并且提供了專門的FFT指令，完成一次指令的周期只需10ns，使得FFT算法在DSP芯片上實(shí)現(xiàn)的速度更加快速?？焖俑道锶~變換為頻譜分析、卷積、相關(guān)數(shù)字濾波器設(shè)計(jì)與實(shí)現(xiàn)與功率譜計(jì)算、傳遞函數(shù)建模、圖像處理等，提供了快速有效的運(yùn)算方法。FFT技術(shù)應(yīng)用DSP芯片，從而可以提供使調(diào)制、解調(diào)、壓縮、解壓縮的數(shù)據(jù)傳輸更為高效的信號(hào)處理解決方案，因而廣泛應(yīng)用于雷達(dá)、圖像處理、通信、生物醫(yī)學(xué)和聲納領(lǐng)域。2.快速傅里葉變換(binhun)原理及性質(zhì)(xngzh) 數(shù)字信號(hào)中的傅里葉變換,通常是采用離散型傅里葉變換(DFT)。DFT 存在(cnzi)的缺

19、點(diǎn)就是計(jì)算量太大,不易進(jìn)行實(shí)時(shí)處理。比如，計(jì)算一個(gè)N 點(diǎn)的DFT ,一般需要次復(fù)數(shù)乘法和N(N-1)次復(fù)數(shù)加法運(yùn)算.因此,當(dāng)N較大或要求對(duì)信號(hào)進(jìn)行實(shí)時(shí)處理時(shí),往往很難實(shí)現(xiàn)達(dá)到所需的運(yùn)算速度。1965年,J.W.Cooly和J.W.Tukey發(fā)現(xiàn)了DFT的一種快速算法,經(jīng)過(guò)后來(lái)學(xué)者的進(jìn)一步改進(jìn), 很快便形成了一套高效的運(yùn)算方法,即現(xiàn)在通用的快速傅里葉變換, 簡(jiǎn)稱FFT( The Fast Fourier Transform)?？焖俑道锶~變換的實(shí)質(zhì)是利用式(3-1)中的權(quán)函數(shù)的對(duì)稱性和周期性,把N點(diǎn)DFT進(jìn)行一系列分解和組合,使整個(gè)DFT的計(jì)算過(guò)程變成一系列疊代運(yùn)算過(guò)程,使DFT的運(yùn)算量大大簡(jiǎn)化,

20、為DFT及數(shù)字信號(hào)的實(shí)時(shí)處理和應(yīng)用創(chuàng)造了非常良好的條件3。2. 1 快速傅里葉變換原理快速傅里葉變換原理：1. 將長(zhǎng)序列DFT分解為短序列的DFT2. 利用旋轉(zhuǎn)因子的對(duì)稱性、周期性、可約性。將時(shí)域序列逐次分解為一組子序列，依據(jù)旋轉(zhuǎn)因子的特性，由子序列的DFT來(lái)實(shí)現(xiàn)整個(gè)序列的DFT4。其中：快速傅里葉變換分為兩種，分為基2時(shí)間抽取算法和基2頻率抽取算法基2-時(shí)間抽取(Decimation in time)FFT算法其中:r=0,1,2 （2-1）基2-頻率抽取(Decimation in frequency)FFT算法 （2-2）2. 2 快速(kui s)傅里葉變換的優(yōu)越性設(shè)為項(xiàng)的復(fù)數(shù)(fsh

21、)序列，依據(jù)(yj)DFT變換，任一的計(jì)算都需要有次復(fù)數(shù)乘法和（）次復(fù)數(shù)加法，而且一次復(fù)數(shù)乘法等同于四次實(shí)數(shù)乘法和兩次實(shí)數(shù)加法，同樣的，一次復(fù)數(shù)加法等同于兩次實(shí)數(shù)加法，即使我們把一次復(fù)數(shù)乘法和一次復(fù)數(shù)加法定義成一次“運(yùn)算”（四次實(shí)數(shù)乘法和四次實(shí)數(shù)加法），那么求出項(xiàng)復(fù)數(shù)序列的, 即N點(diǎn)DFT變換大約就需要次運(yùn)算。當(dāng)點(diǎn)甚至更多的時(shí)候，需要N2=1048576次運(yùn)算。在FFT中，利用WN的對(duì)稱性和周期性，把一個(gè)N項(xiàng)序列（設(shè),為正整數(shù)），分為兩個(gè)項(xiàng)的子序列，而且每個(gè)點(diǎn)的DFT變換需要次運(yùn)算，再運(yùn)用N次運(yùn)算把兩個(gè)點(diǎn)的DFT 變換重新組合成一個(gè)N點(diǎn)的DFT變換。如此變換以后，總的運(yùn)算次數(shù)就變成了。承接上面

22、的例子，當(dāng)時(shí)，總的運(yùn)算次數(shù)就變成了525312次，這樣看來(lái)，節(jié)省了大約50%的運(yùn)算量。而如果我們將這種“一分為二”的思想不斷進(jìn)行下去，直到分成兩兩一組的DFT運(yùn)算單元，那么N點(diǎn)的 DFT變換就只需要次的運(yùn)算，在1024點(diǎn)時(shí)，運(yùn)算量?jī)H有10240次，是先前的直接算法的1%，點(diǎn)數(shù)越多，運(yùn)算量的節(jié)約就越大，這就是 FFT的優(yōu)越性.當(dāng)然，F(xiàn)FT提高了運(yùn)算速度,但是,也對(duì)參與運(yùn)算的樣本序列作出了限制,即要求樣本數(shù)為2N點(diǎn).離散傅里葉變換DFT則無(wú)上述限制5。2. 3 快速傅里葉變換的意義 傅立葉變換的物理意義：傅立葉變換是數(shù)字信號(hào)處理技術(shù)領(lǐng)域一項(xiàng)很重要的算法。要知道傅立葉變換算法的意義，首先要了解傅立葉

23、變換原理的意義。傅立葉變換原理表明：任何連續(xù)測(cè)量的時(shí)序或信號(hào)，都能夠表示成為不同頻率的正弦波信號(hào)的無(wú)限疊加。而利用該原理而創(chuàng)立的傅立葉變換算法則利用直接能測(cè)量到的原始信號(hào)，并以累加方式來(lái)計(jì)算該信號(hào)中不同正弦波信號(hào)的頻率、相位和振幅。與傅立葉變換算法(sun f)對(duì)應(yīng)的是反傅立葉變換算法。該反變換從本質(zhì)上說(shuō)也就是一種累加處理(chl)，這樣便可以將單獨(dú)改變的正弦波信號(hào)(xnho)轉(zhuǎn)換成一個(gè)信號(hào)。因此，也可以說(shuō)，傅立葉變換將原來(lái)難以處理的時(shí)域信號(hào)轉(zhuǎn)換成了易于分析的頻域信號(hào)（信號(hào)的頻譜），我們可以利用一些專業(yè)工具對(duì)這些頻域信號(hào)進(jìn)行加工、處理。最后還可以利用傅立葉反變換將這些頻域信號(hào)轉(zhuǎn)換成原來(lái)的時(shí)域信

24、號(hào)。從現(xiàn)代數(shù)學(xué)的眼光來(lái)看，傅里葉變換其實(shí)就是一種特殊的積分變換。它能夠?qū)M足一定條件下的某個(gè)函數(shù)表示成為正弦基函數(shù)的線性組合或者積分形式。在不同的研究領(lǐng)域里，傅里葉變換具有多種形式各異的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。在數(shù)學(xué)領(lǐng)域，盡管最初傅立葉分析是作為熱過(guò)程的解析分析的工具，但是其思想方法仍然具有典型的還原論和分析主義的特征。任意的函數(shù)通過(guò)一定的分解，都能夠表示為正弦函數(shù)的線性組合的形式，而正弦函數(shù)在物理上是被充分研究而相對(duì)簡(jiǎn)單的函數(shù)類：1. 傅立葉變換是線性算子,若賦予適當(dāng)?shù)姆稊?shù),它還是酉算子;2. 傅立葉變換的逆變換容易求出,而且形式與正變換非常類似;3. 正弦基函數(shù)是微分運(yùn)

25、算的本征函數(shù),從而使得線性微分方程的求解可以轉(zhuǎn)化為常系數(shù)的代數(shù)方程的求解.在線性時(shí)不變雜的卷積運(yùn)算為簡(jiǎn)單的乘積運(yùn)算,從而提供了計(jì)算卷積的一種簡(jiǎn)單手段;4. 離散形式的傅立葉的物理系統(tǒng)內(nèi),頻率是個(gè)不變的性質(zhì),從而系統(tǒng)對(duì)于復(fù)雜激勵(lì)的響應(yīng)可以通過(guò)組合其對(duì)不同頻率正弦信號(hào)的響應(yīng)來(lái)獲取;5. 著名的卷積定理指出:傅立葉變換可以化復(fù)變換可以利用數(shù)字計(jì)算機(jī)快速的算出(其算法稱為快速傅立葉變換算法(FFT)。正是由于上述的良好性質(zhì),傅里葉變換在物理學(xué)、數(shù)論、組合數(shù)學(xué)、信號(hào)處理、概率、統(tǒng)計(jì)、密碼學(xué)、聲學(xué)、光學(xué)等領(lǐng)域都有著廣泛的應(yīng)用6?？焖?kui s)傅里葉變換的算法3.1 快速(kui s)傅里葉變換算法 快

26、速(kui s)傅里葉變換FFT 是離散傅里葉變換DFT 的一種快速算法，只有FFT 才能在現(xiàn)實(shí)中有實(shí)際應(yīng)用的意義。 QUOTE (3-1)由(3-1)式可知，對(duì)每一個(gè)n，計(jì)算X()須作N次復(fù)數(shù)乘法及N-1次復(fù)數(shù)加法，要完成這組變換共需 QUOTE 次乘法及N(N-1)次復(fù)數(shù)加法。但以下介紹的快速傅里葉變換的算法，可大大減少運(yùn)算次數(shù)，提高工作效率。當(dāng)時(shí)，n和k可用二進(jìn)制數(shù)表示： QUOTE (3-2) （3-3）又記,則（3-1）式可改寫為 （3-4）式中： (3-5)因?yàn)?yn wi)所以(suy)（3-2）可改成(i chn) （3-6） (3-7)則式（3-7）即為式（3-6）的分解形式

27、。將初始數(shù)據(jù)代入式（3-7）的第一個(gè)等式，可得每一組計(jì)算數(shù)據(jù)，一般將痗L-1組計(jì)算數(shù)據(jù)代入式（3-7）的第L個(gè)等式，計(jì)算后可得第L組計(jì)算數(shù)據(jù)（L，），計(jì)算公式也可表示為 = （3-8）式中 （3-9） 根據(jù)式（3-8），第L個(gè)數(shù)組中每個(gè) 的計(jì)算只依賴于上一個(gè)數(shù)組的兩個(gè)數(shù)據(jù)這兩個(gè)數(shù)據(jù)的標(biāo)號(hào)相差，即，而且這兩個(gè)數(shù)據(jù)只用于計(jì)算第L個(gè)數(shù)組中標(biāo)號(hào)的數(shù)據(jù)（等號(hào)右端為二進(jìn)制數(shù)）。當(dāng)分別取和時(shí)，分別有。因此，用上一組的兩個(gè)數(shù)據(jù)計(jì)算所得的兩個(gè)新數(shù)據(jù)仍可儲(chǔ)存在原來(lái)位置，計(jì)算過(guò)程中只需要N個(gè)存儲(chǔ)器。將與稱為第L個(gè)數(shù)組中的對(duì)偶結(jié)點(diǎn)對(duì)。計(jì)算每個(gè)對(duì)偶結(jié)點(diǎn)對(duì)只需一次乘法，事實(shí)上由式（3-8）可得 （3-10）式中： ；別為

28、式（3-9）中取，時(shí)對(duì)應(yīng)(duyng)的P值。因，于是對(duì)偶(du u)結(jié)點(diǎn)的有如下(rxi)關(guān)系： ,因此式（3-8）可表示為 （3-11） P的求法：在中，i寫成二進(jìn)制數(shù)右移位，就成為顛倒位序得式（3-7）中，前面的r個(gè)等式，每個(gè)等式均對(duì)應(yīng)一組數(shù)據(jù)進(jìn)行計(jì)算，每組數(shù)據(jù)都有N/對(duì)結(jié)點(diǎn)，根據(jù)式（3-11），每對(duì)結(jié)點(diǎn)只需作次乘法和次加法，因此，每組數(shù)據(jù)只需N/2次乘法和N次加法，因而完成r組數(shù)據(jù)的計(jì)算共需Nr/2次乘法和Nr次加法。3. 2 Cooley-Tukey FFT算法的核心是將一層運(yùn)算映射為二層運(yùn)算。作點(diǎn)時(shí)，若不是素?cái)?shù)，則可分解為，那么由的 （3-12）通過(guò)映射： （3-13）可得到(d

29、do) 而，可化簡(jiǎn)為 （3-14）從而(cng r)式（3-12）轉(zhuǎn)化(zhunhu)為 （3-15）其中。以點(diǎn)為例，映射方式為：，則計(jì)算流圖如圖3-1所示。 n1 k2f0 0 W0 0 F0f4 1 W0 1 F5f8 2 W0 2 F10f12 3 W0 3 F15f16 4 W0 0 F1f1 0 W1 1 F6f5 1 W2 2 F11f9 2 W3 3 F16f13 3 f17 4 W0 0 F2 W2 1 F7f2 0 W4 2 F12f6 1 W6 3 F17f10 2f14 3 W0 0 F3f18 4 W3 1 F8 W6 2 F13f3 0 W9 3 F18f7 1f11

30、 2 W0 0 F4f15 3 W4 1 F9f19 4 W8 2 F14 W12 3 F19k1=0n2=0n2=1n2=2n2=3k1=1k1=2k1=3k1=4圖3-1 Cooley-Tukey 20 點(diǎn)FFT算法(sun f)3. 3 Rader-Brenner FFT算法(sun f)Rader-Brenner 算法是類似于 Cooley-Tukey 算法，但是采用的旋轉(zhuǎn)因子都是純虛數(shù)，以增加加法運(yùn)算和降低了數(shù)值穩(wěn)定性為代價(jià)減少了乘法運(yùn)算。這方法之后被split-radix variant of Cooley-Tukey所取代，與Rader-Brenner算法相比，有一樣(yyng)

31、多的乘法量，卻有較少的加法量，且不犧牲數(shù)值的準(zhǔn)確性7。 Bruun以及QFT算法是不斷的把DFT分成許多較小的DFT運(yùn)算。(Rader-Brenner以及QFT算法是為了2的指數(shù)所設(shè)計(jì)的算法，但依然可以適用在可分解的整數(shù)上。Bruun算法則可以運(yùn)用在可被分成偶數(shù)個(gè)運(yùn)算的數(shù)字)。尤其是Bruun算法，把FFT看成是 ，并把它分解成 與 的形式。 另一個(gè)從多項(xiàng)式觀點(diǎn)的快速傅立葉變換(binhun)法是Winograd 算法。此算法把 分 解成cyclotomic多項(xiàng)式，而這些多項(xiàng)式的系數(shù)通常為1，0，-1。 這樣只需要很少的乘法量(如果有需要的話)，所以(suy)winograd是可以得到最少乘法

32、量的快速傅立葉算法，對(duì)于較小的數(shù)字，可以找出有效率的算方式。更精確地說(shuō)，winograd算法讓DFT可以用2K點(diǎn)的DFT來(lái)簡(jiǎn)化，但減少乘法量的同時(shí)(tngsh)，也增加了非常多的加法量。Winograd也可以利用剩余值定理來(lái)簡(jiǎn)化DFT。 Rader算法提出了利用點(diǎn)數(shù)為N(N為質(zhì)數(shù))的DFT進(jìn)行長(zhǎng)度為N-1的回旋折積來(lái)表示原本的DFT，如此就可利用折積用一對(duì)基本的FFT來(lái)計(jì)算 DFT。另一個(gè)prime-size的FFT算法為chirp-Z算法。此法也是將DFT用折積來(lái)表示，此法與Rader算法相比，能運(yùn)用在更一般的轉(zhuǎn)換 上，其轉(zhuǎn)換的基礎(chǔ)為Z轉(zhuǎn)換8。3.4 Goertsel 算法如前所述, 點(diǎn)時(shí)域

33、序列的離散付里葉變換式為， （3-16）這點(diǎn)頻域序列是同時(shí)被算出的，不可能只計(jì)算其中某一個(gè)或幾個(gè)指定點(diǎn)。Goetzel 算法是為了解決這個(gè)問題而提出的。這個(gè)算法把離散付里葉變換看作一組濾波器，將輸入端的時(shí)域序列與其中一個(gè)濾波器的沖激響應(yīng)序列進(jìn)行卷積運(yùn)算，求濾波器的輸出序列，即得序列的一點(diǎn)。這種算法利用旋轉(zhuǎn)因子的周期性，使DFT運(yùn)算化為線性濾波運(yùn)算9。 由于 故式（3-16）可化為 （3-17）定義序列為 （3-18）可見(kjin)是由兩個(gè)(lin )序列卷積而得到的序列。 （3-19）其中(qzhng)，是輸入的點(diǎn)序列，另一個(gè)序列被看作濾波器的沖激響應(yīng)序列。 （3-20）對(duì)比式(3-17）和

34、式(3-18），可知：按式（3-19）進(jìn)行卷積運(yùn)算，當(dāng)時(shí)，濾波器的輸出就是： （3-21）對(duì)式(3-20)進(jìn)行Z變換，可得濾波器的系統(tǒng)函數(shù) （3-22）這是一個(gè)一階系統(tǒng)。圖3-2示出這個(gè)系統(tǒng)的信號(hào)流圖，相應(yīng)的差分方程為 ， (3-23) 按照此式進(jìn)行遞推運(yùn)算，到了 時(shí)刻，即可依據(jù)式（3-21）得到。 按照式(3-22)進(jìn)行運(yùn)算時(shí)，可先算好旋轉(zhuǎn)因子，儲(chǔ)存起來(lái)。每次遞推包含一次復(fù)數(shù)乘法。按式(3-16)直接計(jì)算點(diǎn)離散付里葉變換,需要次實(shí)數(shù)乘法和次實(shí)數(shù)加法。按照上述Goertzel算法，所需的實(shí)數(shù)乘法和實(shí)數(shù)加法都是次。所以當(dāng)不大時(shí)，上述算法的效率稍差10。下面介紹改進(jìn)的Goertzel 算法，這種算

35、法所需的實(shí)數(shù)乘法次數(shù)約為直接方法的一半。圖3-2 用一階系統(tǒng)實(shí)現(xiàn)(shxin)Goertzel 算法 圖 3-3 用二階系統(tǒng)(xtng)實(shí)現(xiàn)(shxin)Goert算法把式（3-22）的分子和分母都乘上因子，就得到第個(gè)濾波器的系統(tǒng)函數(shù)為 （3-24）與此相應(yīng)的信號(hào)流圖示于圖3-3。由式（3-24)可見，濾波器是一個(gè)二階系統(tǒng)，有一對(duì)復(fù)數(shù)共軛極點(diǎn)和一個(gè)復(fù)數(shù)零點(diǎn)。為了便于運(yùn)算，在圖3-3所示的流圖中，設(shè)立狀態(tài)變量 和。按照?qǐng)D3-3計(jì)算時(shí)，步驟有二，即： 1.實(shí)現(xiàn)一對(duì)復(fù)數(shù)極點(diǎn)輸入點(diǎn)依次取 ，進(jìn)行遞推運(yùn)算。每次運(yùn)算中，更新狀態(tài)變量和。作次迭代所需的計(jì)算量是次實(shí)數(shù)乘法和次實(shí)數(shù)加法。 2.實(shí)現(xiàn)復(fù)數(shù)零點(diǎn)。是一

36、個(gè)點(diǎn)序列， 。在點(diǎn)上。計(jì)算狀態(tài)變量和。這時(shí)，按照?qǐng)D3-2算出濾波器的輸出，此即。所需的計(jì)算量是4次實(shí)數(shù)乘法和次實(shí)數(shù)加法11。 綜上所述，計(jì)算一點(diǎn)需要進(jìn)行次實(shí)數(shù)乘法和次實(shí)數(shù)加法。這種算法要求的乘法次數(shù)約為直接算法的一半。在這種較為有效的方案中，仍具有這樣的優(yōu)點(diǎn)，即必須計(jì)算和存儲(chǔ)的系數(shù)只有和。還要說(shuō)明(shumng)圖3-3所示的算法的另一個(gè)優(yōu)點(diǎn)。當(dāng)輸入(shr)序列為實(shí)序列時(shí)，離散付里葉變換序列是對(duì)稱(duchn)的，即。容易證明，圖3-3的網(wǎng)絡(luò)形式在計(jì)算時(shí)和計(jì)算時(shí)具有完全相同的極點(diǎn)，但前者的零點(diǎn)系數(shù)與后者的零點(diǎn)系數(shù)成復(fù)共軛關(guān)系。由于零點(diǎn)僅在最后的迭代中實(shí)現(xiàn)，所以諸極點(diǎn)要求的次乘法和 次加法可以

37、用來(lái)計(jì)算離散付里葉變換的兩個(gè)值。因此，若用Goertzel 算法計(jì)算離散付里葉變換的所有個(gè)點(diǎn)的值，需要的乘法次數(shù)近似為，加法次數(shù)近似為。然而，它同直接計(jì)算離散付里葉變換一樣，計(jì)算量仍然正比于。4.快速傅里葉變換在信號(hào)處理中的理論應(yīng)用4.1 連續(xù)時(shí)間信號(hào)的快速傅里葉變換設(shè)是連續(xù)時(shí)間信號(hào)，并假設(shè)時(shí)，則其傅里葉變換由下式給出： （4-1） 令是一固定的正實(shí)數(shù)，是一個(gè)固定的正整數(shù)。當(dāng)時(shí)，利用FFT算法可計(jì)算。已知一個(gè)固定的時(shí)間間隔，選擇讓T足夠小，使得每一個(gè)T秒的間隔內(nèi)，的變化很小，則式中積分可近似為 （4-2）假設(shè)(jish)足夠(zgu)大，對(duì)于所有的整數(shù)(zhngsh)，幅值很小，則式（4-2）

38、變?yōu)?（4-3）當(dāng)時(shí)，式（4-2）兩邊的值為 （4-4）其中代表抽樣信號(hào)的點(diǎn)。最后令，則上式變?yōu)?（4-5）首先用FFT算法求出，然后可用上式求出時(shí)的。應(yīng)該強(qiáng)調(diào)的是，式（4-3）只是一個(gè)近似表示，計(jì)算得到的只是一個(gè)近似值。通過(guò)取更小的抽樣間隔，或者增加點(diǎn)數(shù)，可以得到更精確的值。如果時(shí)，幅度譜很小，對(duì)應(yīng)于奈奎斯特抽樣頻率，抽樣間隔選擇比較合適。如果已知信號(hào)只在時(shí)間區(qū)間內(nèi)存在，可以通過(guò)對(duì)時(shí)的抽樣信號(hào)補(bǔ)零，使足夠大12。將連續(xù)時(shí)間傅立葉變換進(jìn)行數(shù)字(shz)近似，用函數(shù)fft（快速傅立葉算法）高效地計(jì)算這個(gè)近似值。很多信號(hào)都能用（4-1）式連續(xù)時(shí)間傅立葉變換（CTFT）來(lái)表示。利用MATLAB可以計(jì)

39、算（CTFT）積分的數(shù)值近似。利用在密集(mj)的等間隔t的樣本上的求和來(lái)近似這個(gè)積分，就可以用函數(shù)fft高效地計(jì)算這個(gè)近似值。所用的近似式是根據(jù)積分的定義得到的，即 （4-6）對(duì)于一般(ybn)信號(hào)，在足夠小的下，上式右邊的和式是對(duì)于CTFT積分的一個(gè)好的近似。若信號(hào)對(duì)于和為零，那么這個(gè)近似式就能寫成 （4-7）式中，N為一整數(shù)?？梢岳煤瘮?shù)fft對(duì)一組離散的頻率計(jì)算上式中的和式。如果N個(gè)樣本是存在向量x內(nèi)的話，那么調(diào)用函數(shù)X=tau*fft(x)就可以計(jì)算出 （4-8）式中 以及N假設(shè)為偶數(shù)。為了計(jì)算高效，fft在負(fù)的頻率樣本之前先產(chǎn)生正頻率樣本。為了將頻率樣本置于上升的順序，能用函數(shù)ff

40、tshift。為了將存入X中的的樣本排列成使就是對(duì)于，在上求得的CTFT,可用X=fftshift(tau*fft(x)。例4-1 利用(lyng)FFT計(jì)算傅里葉變換如圖4-1所示的信號(hào)(xnho)其傅里葉變換(binhun)為：利用下面的命令，可得到的近似值和準(zhǔn)確值。 圖4-1 連續(xù)時(shí)間信號(hào)x(t)N=input(Input N:);T=input(Input T:);%計(jì)算X(w)近似值t=0:T:2;x=t-1 zeros(1,N-length(t);X=fft(x);gamma=2*pi/(N*T);k=0:10/gamma;Xapp=(1-exp(-i*k*gamma*T)/(i*

41、k*gamma)*X;%計(jì)算真實(shí)值X(w)w=0.05:0.05:10;Xact=exp(-i*w)*2*i.*(w.*cos(w)-sin(w)./(w.*w);plot(k*gamma,abs(Xapp(1:length(k),o,w,abs(Xact);legend(近似值,真實(shí)值);xlabel(頻率(rad/s);ylabel(|X|)運(yùn)行程序后輸入N=128，T=0.1，此時(shí)，得到實(shí)際的和近似的傅里葉變換的幅度譜如圖4-2所示，此時(shí)近似值已經(jīng)相當(dāng)準(zhǔn)確。通過(guò)增加NT可以增加更多的細(xì)節(jié)，減少T使得到的值更精確。再次運(yùn)行程序后輸入N=512，T=0.05，此時(shí)，得到實(shí)際的和近似的傅里葉變

42、換的幅度譜如圖4-3所示。圖4-2 N=128，T=0.1時(shí)的幅度(fd)譜 圖4-3 N=512，T=0.05時(shí)的幅度(fd)譜4.2 FFT計(jì)算(j sun)離散信號(hào)的線性卷積已知兩個(gè)離散時(shí)間(shjin)信號(hào)與，取，對(duì)和右端補(bǔ)零，使得(sh de) （4-9）利用FFT算法可以求得和的L點(diǎn)DFT，分別是和，利用DTFT卷積性質(zhì)，卷積等于乘積的L點(diǎn)DFT反變換，這也可以通過(guò)FFT算法得到。例4-2 利用FFT計(jì)算線性卷積已知，其中為單位階躍序列，信號(hào)如圖4-4所示。由于當(dāng)時(shí)，很小，故可以取為17；N取10，。利用下面的Matlab命令，可得到、的卷積圖形如圖4-4所示。subplot(3,

43、1,1);n=0:16;x=0.8.n;stem(n,x);xlabel(n);ylabel(xn);subplot(3,1,2);n=0:15;y=ones(1,10) zeros(1,6); stem(n,y);xlabel(n);ylabel(yn)subplot(3,1,3);L=26;n=0:L-1;X=fft(x,L);Y=fft(y,L);Z=X.*Y;z=ifft(Z,L);stem(n,z);xlabel(n);ylabel(zn)圖4-4 信號(hào)(xnho)xn、yn及其卷積zn=xn*yn利用(lyng)下面的Matlab命令，可得到信號(hào)xn、yn的幅度譜與相位譜如圖4-5

44、所示。subplot(2,2,1);L=26;k=0:L-1;n=0:16;x=0.8.n;X=fft(x,L);stem(k,abs(X);axis(0 25 0 5);xlabel(k);ylabel(|Xk|)subplot(2,2,2);stem(k,angle(X);axis(0 25 -1 1);xlabel(k);ylabel(Angle(Xk)(弧度(hd)subplot(2,2,3);y=ones(1,10);Y=fft(y,L);stem(k,abs(Y);axis(0 25 0 10);xlabel(k);ylabel(|Yk|)subplot(2,2,4);stem(k

45、,angle(Y);axis(0 25 -3 3);xlabel(k);ylabel(Angle(Yk)(弧度(hd)圖4-5 信號(hào)(xnho)xn、yn的幅度譜與相位譜4.3 FFT進(jìn)行離散信號(hào)(xnho)壓縮利用FFT算法對(duì)離散信號(hào)進(jìn)行壓縮的步驟如下：1）通過(guò)采樣將信號(hào)離散化；2）對(duì)離散化信號(hào)進(jìn)行傅里葉變換；3）對(duì)變換后的系數(shù)進(jìn)行處理，將絕對(duì)值小于某一閾值的系數(shù)置為0，保留剩余的系數(shù)；4）利用IFFT算法對(duì)處理后的信號(hào)進(jìn)行逆傅里葉變換13。 例4-3 對(duì)單位區(qū)間上的下列連續(xù)信號(hào)以采樣頻率進(jìn)行采樣，將其離散化為個(gè)采樣值用FFT分解信號(hào)，對(duì)信號(hào)進(jìn)行小波壓縮，然后重構(gòu)信號(hào)。令絕對(duì)值最小的80%系

46、數(shù)為0，得到(d do)重構(gòu)信號(hào)圖形如圖4-6a)所示，均方差為0.0429，相對(duì)誤差為0.0449；令絕對(duì)值最小的90%系數(shù)(xsh)為0，得到重構(gòu)信號(hào)圖形如圖4-6b)所示，均方差(fn ch)為0.0610，相對(duì)誤差為0.0638。 a) 絕對(duì)值最小的80%系數(shù)為0的重構(gòu)信號(hào)（FFT） b) 絕對(duì)值最小的90%系數(shù)為0的重構(gòu)信號(hào)（FFT）圖4-6 用FFT壓縮后的重構(gòu)信號(hào)相關(guān)Matlab程序如下:function wc=compress(w,r)%壓縮函數(shù)compress.m%輸入信號(hào)數(shù)據(jù)w,壓縮率r%輸出壓縮后的信號(hào)數(shù)據(jù)if(r1) error(r 應(yīng)該介于0和1之間!);end;N=

47、length(w);Nr=floor(N*r);ww=sort(abs(w);tol=abs(ww(Nr+1);wc=(abs(w)=tol).*w; function unbiased_variance,error=fftcomp(t,y,r)%利用FFT做離散信號(hào)壓縮%輸入時(shí)間t,原信號(hào)y,以及壓縮率rif(r1) error(r 應(yīng)該(ynggi)介于0和1之間!);end;fy=fft(y);fyc=compress(fy,r); %調(diào)用壓縮(y su)函數(shù)compress.myc=ifft(fyc);plot(t,y,r,t,yc,b);legend(原信號(hào)(xnho),重構(gòu)信號(hào));

48、unbiased_variance=norm(y-yc)/sqrt(length(t);error=norm(y-yc)/norm(y);輸入以下Matlab命令：t=(0:255)/256;f=t+cos(4*pi*t)+1/2*sin(8*pi*t);unbiased_variance,error=fftcomp(t,f,0.8) unbiased_variance = 0.0429error =0.0449如果用Harr尺度函數(shù)和Harr小波分解信號(hào)，對(duì)信號(hào)進(jìn)行小波壓縮，然后重構(gòu)信號(hào)。令絕對(duì)值最小的80%系數(shù)為0，得到重構(gòu)信號(hào)圖形如圖4-7a)所示，均方差為0.0584，相對(duì)誤差為0.0

49、611；令絕對(duì)值最小的90%系數(shù)為0，得到重構(gòu)信號(hào)圖形如圖4-7b)所示，均方差為0.1136，相對(duì)誤差為0.1190。 a) 絕對(duì)值最小的80%系數(shù)為0的重構(gòu)信號(hào)（Harr） b) 絕對(duì)值最小的90%系數(shù)為0的重構(gòu)信號(hào)（Harr）圖4-7 用Harr小波壓縮(y su)后的重構(gòu)信號(hào)相關(guān)Matlab程序(chngx)如下function unbiased_variance,error=daubcomp(t,y,n,r)%利用Daubechies系列小波做離散信號(hào)(xnho)壓縮%輸入時(shí)間t,原信號(hào)y,分解層數(shù)n,以及壓縮率r%輸出原信號(hào)和壓縮后重構(gòu)信號(hào)的圖像,以及重構(gòu)均方差和相對(duì)l2誤差if(

50、r1) error(r應(yīng)該介于0和1之間!);end;c,l=wavedec(y,n,db1);cc=compress(c,r); %調(diào)用壓縮函數(shù)compress.myc=waverec(cc,l,db1);plot(t,y,r,t,yc,b);legend(原信號(hào),重構(gòu)信號(hào));unbiased_variance=norm(y-yc)/sqrt(length(t);error=norm(y-yc)/norm(y);輸入以下Matlab命令：=(0:255)/256;f=t+cos(4*pi*t)+1/2*sin(8*pi*t);unbiased_variance,error=daubcomp(

51、t,f,8,0.8) unbiased_variance = 0.0584error = 0.0611結(jié)論：在信號(hào)沒有突變、快變化或者大致上具有周期性的信號(hào)，用FFT可以處理得很好（甚至比小波還要好）。4. 4 利用FFT對(duì)離散信號(hào)進(jìn)行濾波利用FFT算法對(duì)信號(hào)進(jìn)行濾波的步驟如下：1）通過(guò)采樣將信號(hào)離散化；2）對(duì)離散化信號(hào)進(jìn)行傅里葉變換；3）對(duì)變換后的系數(shù)進(jìn)行處理，將絕對(duì)值大于某一閾值的系數(shù)置為0，保留剩余的系數(shù)；4）利用IFFT算法對(duì)處理后的信號(hào)進(jìn)行逆傅里葉變換14。例4-4 對(duì)被白噪聲污染(zo shn w rn)的信進(jìn)行頻譜分析(fnx)，從中鑒別出有用的信號(hào)。要求：將信號(hào)的幅度換算成實(shí)際

52、的幅度，信號(hào)的頻率換算成實(shí)際的頻率。相關(guān)(xinggun)Matlab程序如下fs=1000;%采樣頻率N=512;%數(shù)據(jù)點(diǎn)數(shù)n=0:N-1;randn(1,N);t=0:1/fs:(N-1)/fs;%采樣時(shí)間序列f0=100;%信號(hào)頻率x=2+3*cos(100*pi*t-pi/6)+(3/2)*cos(150*pi*t+pi/2);subplot(3,1,1);plot(t,x);xlabel(t);ylabel(sin(2+3*cos(100*pi*t-pi/6)+(3/2)*cos(150*pi*t+pi/2);title(時(shí)域信號(hào));Y=fft(x,N);%對(duì)信號(hào)進(jìn)行FFT變換mag

53、Y=abs(Y);%求得FFT變換后的幅度angY=angle(Y)*180/pi;%求得FFT變換后的相位f=n*fs/N;%頻率序列subplot(3,1,2);plot(f,magY);%畫出幅頻響應(yīng)xlabel(f);ylabel(幅度);title(N=512);grid;subplot(3,1,3);plot(f,angY);%畫出相頻響應(yīng)(xingyng)xlabel(f);ylabel(相位(xingwi)title(N=512);grid;圖4-8 濾波(lb)信號(hào)的相位，幅度4.5 利用FFT提取離散信號(hào)中的最強(qiáng)正弦分量這里最強(qiáng)是指在信號(hào)中某個(gè)正弦分量的振幅遠(yuǎn)大于其它正弦分

54、量的振幅?？梢詫?duì)求點(diǎn)來(lái)確定信號(hào)中是否有最強(qiáng)的正弦分量。如果信號(hào)是連續(xù)時(shí)間形式的，首先還要對(duì)其進(jìn)行抽樣，得到離散時(shí)間形式的信號(hào)，根據(jù)Nyquist定理，抽樣間隔應(yīng)滿，其中是中的最大頻率分量。要判斷信號(hào)中是否包含最強(qiáng)正弦分量，采樣數(shù)據(jù)至少要包含該分量一個(gè)完整周期的數(shù)據(jù)15。例4-5 太陽(yáng)耀斑數(shù)據(jù)的分析太陽(yáng)耀斑活動(dòng)的周期是11年，這個(gè)事實(shí)可以通過(guò)提取耀斑數(shù)據(jù)的最強(qiáng)正弦分量加以證實(shí)。耀斑數(shù)據(jù)可以從比利時(shí)皇家(hungji)天文臺(tái)(Royal Observatory of Belgium)太陽(yáng)耀斑數(shù)據(jù)索引中心（Sunspot Index Data Center, SIDC）網(wǎng)站下載。網(wǎng)址是：http:/

55、sidc.oma.be/index.php3.下載(xi zi)后的數(shù)據(jù)存放在文件“monthssn.dat”中，里面有四列數(shù)據(jù)，第一年是日期，第三列是太陽(yáng)耀斑的平均數(shù)，第四列平滑后太陽(yáng)耀斑的平均數(shù)，可以得到從1749年到當(dāng)前年月（2006年4月）的耀斑數(shù)據(jù)。本次分析選擇(xunz)第三列1981年1月作為開始日期，2005年12月作為結(jié)束日期，共25年300個(gè)月份的數(shù)據(jù)。為此先把相關(guān)數(shù)據(jù)復(fù)制到Excel表格的第一列中，然后保存到Matlab所在目錄下，并命名為“sunspotdata.csv”。然后輸入以下命令，得到耀斑曲線如圖9所示16。spd=csvread(sunspotdata.cs

56、v,0,0,0 0 299 0);plot(spd);grid;xlabel(月數(shù));ylabel(耀斑平均數(shù));axis(0 300 0 200)圖4-9 1981年1月至2005年12月太陽(yáng)耀斑的平均數(shù)由上圖可見，太陽(yáng)耀斑的活動(dòng)確實(shí)具有周期性，但周期的準(zhǔn)確值不明顯。可以通過(guò)數(shù)第一個(gè)峰值和第二個(gè)峰值之間的月份來(lái)估計(jì)周期的值。查驗(yàn)表中的數(shù)據(jù)得，第一個(gè)峰值為200.3，出現(xiàn)在第116個(gè)月（1990年8月），第二個(gè)峰值為170.1，出現(xiàn)在第235個(gè)月（2000年7月），所以周期是235-116=119月，和實(shí)際值132月比較接近。下面(xi mian)利用來(lái)分析(fnx)。首先(shuxin)，從

57、圖4-9中可以看出從到整個(gè)區(qū)間的平均值不為0，為了更方便地分析，需要減去該均值，得到結(jié)果如下： （4-12）然后對(duì)進(jìn)行傅里葉變換，得到。在Matlab中輸入以下命令，得到的幅度譜的圖形如圖10所示。x=spd-sum(spd)/300;X=fft(x);k=0:299;plot(k,abs(X);grid;xlabel(k);ylabel(|Xk|)圖4-10 的幅度(fd)譜由圖4-10可見(kjin)，的幅度譜中有一個(gè)清晰(qngx)的尖峰，這就證實(shí)中確實(shí)包含一個(gè)最強(qiáng)正弦分量。為了確定尖峰所對(duì)應(yīng)的頻率，用火柴棒圖重畫當(dāng)時(shí)的圖形，在Matlab中輸入以下命令，得到圖形如圖4-11所示。k=0

58、:10;X=X(1:11);stem(k,abs(X);xlabel(k);ylabel(|Xk|)圖4-11 當(dāng)時(shí)的火柴棒圖可以看出上圖中有兩個(gè)強(qiáng)譜分量，頻率分別為弧度/月和，周期分別為150月和100月。由于的數(shù)據(jù)長(zhǎng)度不是其中強(qiáng)正弦分量的整數(shù)倍，譜分量在出現(xiàn)了泄露。要消除泄露，需要使數(shù)據(jù)的長(zhǎng)度正好是其中強(qiáng)正弦分量的周期（太陽(yáng)耀斑活動(dòng)的周期，也即）的整數(shù)倍。為此，重新取中從1至264之間的數(shù)據(jù)進(jìn)行分析，令 （4-13）然后(rnhu)對(duì)進(jìn)行(jnxng)傅里葉變換，得到。輸入以下命令(mng lng)，得到時(shí)的火柴棒圖如圖4-12所示。y=spd(1:264);z=y-sum(y)/264;

59、Z=fft(z);k=0:10;Z=Z(1:11);stem(k,abs(Z);xlabel(k);ylabel(|Zk|)圖4-12 當(dāng)時(shí)的火柴棒圖注意到的峰值仍然在，但此時(shí)比其附近的值大得多，這說(shuō)明沒有出現(xiàn)泄露，頻率為弧度/月的正弦分量就是或者中唯一的最強(qiáng)正弦分量。該頻率對(duì)應(yīng)周期月，正好等于11年。時(shí)的值主要是由于太陽(yáng)耀斑數(shù)據(jù)中的噪聲引起的。然而和其它值相比，、和的值相對(duì)較大，這說(shuō)明除了周期為11年的最強(qiáng)分量，還包括其它正弦分量，此時(shí)太陽(yáng)耀斑的活動(dòng)并不是一個(gè)只包含單一頻率的純正弦運(yùn)動(dòng)。5. 快速(kui s)傅里葉變換在數(shù)字信號(hào)分析(fnx)與處理的實(shí)際(shj)應(yīng)用5.1 快速傅里葉變換

60、在喇曼光譜信號(hào)噪聲平滑中的應(yīng)用電探測(cè)系統(tǒng)是光信號(hào)的轉(zhuǎn)換、傳輸及處理的系統(tǒng). 系統(tǒng)的各個(gè)部分在工作時(shí)總會(huì)受到一些無(wú)用信號(hào)的干擾,給光譜峰的檢測(cè)判別及進(jìn)一步的數(shù)據(jù)處理帶來(lái)了不利因素.對(duì)光譜信號(hào)進(jìn)行數(shù)字濾波,以獲得更真實(shí)的光譜信息，顯得格外重要. 目前最為通用和有效的信號(hào)濾波處理方法是快速傅立葉變換方法.純水是一種較弱的喇曼散射介質(zhì),需要專用的喇曼散射光譜儀器才能獲得高信噪比的喇曼光譜.我們以增強(qiáng)型的CCD 探頭為探測(cè)器,結(jié)合普通的分光單色儀,在YAG 激光器532 nm 激光線的激勵(lì)下獲得低信噪比的純水的喇曼光譜. 信噪比較差的喇曼光譜經(jīng)過(guò)FFT 變換后,用FFT 的逆變換將濾除噪聲后的頻譜信號(hào)轉(zhuǎn)