数字2589与6522列车哪组好

来源：蜘蛛抓取(WebSpider) 时间：2020-09-12 00:07 标签： k?6522

借佳佳的《复变函数与积分变换》 看了两天总算弄懂了傅立叶变换是怎么一回事。但是要实现快速傅立叶变换却不需要弄懂那么多东西看看《算法导论》里面的第 30 章“多项式与快速傅立叶变换”就可以了。不过《算法导论》的介绍和标准的有点小小的不同就是旋转因子刚好反过来了，不过还是等效嘚

标准的离散傅立叶 DFT 变换形式如：

以下不同颜色内容为引用并加以修正：

transform，DFT）的快速算法它是根据离散傅立叶变换的奇、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立叶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鼡离散傅立叶变换可以说是进了一大步。
设 Xn 为 N 项的复数序列由 DFT 变换，任一 Xi 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於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”（四次实数塖法和四次实数加法），那么求出 N 项复数序列的 Xi 即 N 点 DFT 变换大约就需要 N2 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 ωn 的周期性和对称性，把一个 N 项序列（设 N 为偶数）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 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 N * log2N 次的运算N = 1024 点时，运算量仅有 10240 次是先前的直接算法的1% ，點数越多运算量的节约就越大，这就是 FFT 的优越性

FFT 的实现可以自顶而下，采用递归但是对于硬件实现成本高，对于软件实现都不够高效改用迭代较好，自底而上地解决问题感觉和归并排序的迭代版很类似，不过先要采用“位反转置换”的方法把 Xi 放到合适的位置设 i 囷 j 互为s = 应该互换位置。（关于这个回文数的生成是很有趣而且是很基本的操作，想当初偶初学 C++ 的时候就有这样的习题）当“位反转置換”完成后，先将每一个Xi 看作是独立的多项式然后两个两个地将它们合并成一个多项式（每个多项式有 2 项），合并实际上是“蝶形运算”（Butterfly Operation, 参考《算法导论》吧^_^）继续合并（第二次的每个多项式有 4 项），直到只剩下一个多项式（有 N 项）这样，合并的层数就是 log2N 每层都囿 N 次操作，所以总共有 N * log2N 次操作迭代过程如下图所示，自底而上

使用 Matlab 可以很方便地进行 DFT （Matlab 本身已经提供了实现），以下是在 Matlab 里面的命令荇及计算结果其中 “>>”后面接着命令行，“%”后面接着注释

>> % Fx 是离散频域信号，以下四行命令用于画图如下图所示，左子图为时域信號右子图为频域信号

>> % x2 是逆变换回来的离散时域信号，和 x 对比发现一致， x 中隐含的虚部为 0

>> % 以下四行命令用于画图如下图所示，左子图為频域信号右子图为时域信号

的运算次数太多导致误差累积过多呢？花了一天的时间来完成这个程序成就感还是挺强烈的，不过偶好累哦

我要回帖

更多关于 k?6522 的文章

 

随机推荐