DIT-FFT[C语言实现]
DIT-FFT[C语言实现]
- 复数运算
- DIT-FFT基本原理
- 旋转因子的周期性
- DIT-FFT四步骤
- step1:选定长度
- step2:奇偶分解成子序列
- step3:利用可约性进行转化
- step4:利用周期性和对称性将X(k)分段表示
- C语言实现DIT-FFT
复数运算
首先,FFT运算涉及复数运算,如果不想用C语言的复数库,可以选择自定义复数结构。先定义如下结构体以及相关运算:
typedef struct{float real;float imag;
}complex;complex complex_add(complex a, complex b)
{complex out;out.real = a.real + b.real;out.imag = a.imag + b.imag;return out;
}complex complex_sub(complex a, complex b)
{complex out;out.real = a.real - b.real;out.imag = a.imag - b.imag;return out;
}complex complex_multiply(complex a, complex b)
{complex out;out.real = a.real * b.real - a.imag * b.imag;out.imag = a.real * b.imag + a.imag * b.real;return out;
}complex rotate_factor(int id)
{complex out;out.real = (float) cos(-2*PI*id/N);out.imag = (float) sin(-2*PI*id/N);return out;
}
DIT-FFT基本原理
下面讲一讲DIT-FFT的基本原理:
旋转因子的周期性
旋转因子,具有周期性、对称性、可约性。
周期性:WNm+lN=WNmW_N^{m+lN} = W_N^{m}WNm+lN=WNm,
对称性:[WNN−m]∗=Wnm[W_N^{N-m}]^*=W_n^m[WNN−m]∗=Wnm,
可约性:WNmk=WNkmW_N^{mk}=W_{\frac{N}{k}}^mWNmk=WkNm.
DIT-FFT四步骤
DIT-FFT,即Decimation In Time - Fast Fourier Transform, 时域基2FFT算法,主要可分为4个步骤。
step1:选定长度
N=2MN = 2^M N=2M
step2:奇偶分解成子序列
x1(r)=x(2r),r=0≤r≤N/2−1x2(r)=x(2r+1),r=0≤r≤N/2−1x_1(r)=x(2r)\quad ,r =0\le r \le N/2 -1\\ x_2(r)=x(2r+1)\quad ,r =0\le r \le N/2 -1 x1(r)=x(2r),r=0≤r≤N/2−1x2(r)=x(2r+1),r=0≤r≤N/2−1
step3:利用可约性进行转化
X(k)=∑nevenx(n)WNkn+∑noddx(n)WNkn=∑r=0N/2−1x(2r)WN2kr+WNk∑r=0N/2−1x(2r+1)WN2kr=∑r=0N/2−1x1(r)WN/2kr+WNk∑r=0N/2−1x2(r)WN/2krX(k) = \sum_{n_{even}}x(n)W_N^{kn}+\sum_{n_{odd}}x(n)W_N^{kn}\\ =\sum_{r=0}^{N/2-1} x(2r)W_N^{2kr}+W_N^{k}\sum_{r=0}^{N/2-1} x(2r+1)W_N^{2kr}\\ =\sum_{r=0}^{N/2-1} x_1(r)W_{N/2}^{kr}+W_N^{k}\sum_{r=0}^{N/2-1} x_2(r)W_{N/2}^{kr} X(k)=neven∑x(n)WNkn+nodd∑x(n)WNkn=r=0∑N/2−1x(2r)WN2kr+WNkr=0∑N/2−1x(2r+1)WN2kr=r=0∑N/2−1x1(r)WN/2kr+WNkr=0∑N/2−1x2(r)WN/2kr
step4:利用周期性和对称性将X(k)分段表示
令
X1(k)=∑r=0N/2−1x1(r)WN/2krX2(k)=∑r=0N/2−1x2(r)WN/2kr0≤k≤N−1X_1(k) =\sum_{r=0}^{N/2-1} x_1(r)W_{N/2}^{kr}\\ X_2(k) =\sum_{r=0}^{N/2-1} x_2(r)W_{N/2}^{kr}\\ 0 \le k \le N-1 X1(k)=r=0∑N/2−1x1(r)WN/2krX2(k)=r=0∑N/2−1x2(r)WN/2kr0≤k≤N−1
则
X(k)=∑r=0N/2−1x1(r)WN/2kr+WNk∑r=0N/2−1x2(r)WN/2kr=X1(k)+WNkX2(k),0≤k≤N−1X(k) = \sum_{r=0}^{N/2-1} x_1(r)W_{N/2}^{kr}+W_N^{k}\sum_{r=0}^{N/2-1} x_2(r)W_{N/2}^{kr} \\ =X_1(k)+W_N^k X_2(k) \quad ,0\le k \le N-1 X(k)=r=0∑N/2−1x1(r)WN/2kr+WNkr=0∑N/2−1x2(r)WN/2kr=X1(k)+WNkX2(k),0≤k≤N−1
由于
X1(k+N/2)=X1(k),0≤k≤N/2−1X2(k+N/2)=X2(k),0≤k≤N/2−1WNk+N/2=−WNkX_1(k+N/2)=X_1(k)\quad, 0\le k \le N/2-1\\ X_2(k+N/2)=X_2(k)\quad, 0\le k \le N/2-1\\ W_N^{k+N/2}=-W_N^k X1(k+N/2)=X1(k),0≤k≤N/2−1X2(k+N/2)=X2(k),0≤k≤N/2−1WNk+N/2=−WNk
可得
X(k)=X1(k)+WNkX2(k),0≤k≤N/2−1X(k+N/2)=X1(k)−WNkX2(k),0≤k≤N/2−1X(k)=X_1(k)+W_N^k X_2(k) \quad ,0\le k \le N/2-1\\ X(k+N/2)=X_1(k)-W_N^k X_2(k) \quad ,0\le k \le N/2-1 X(k)=X1(k)+WNkX2(k),0≤k≤N/2−1X(k+N/2)=X1(k)−WNkX2(k),0≤k≤N/2−1
C语言实现DIT-FFT
在编写算法之前,现在文件开头,引入相关的库,并做一些声明:
#include "stdio.h"
#include "math.h"
#define N 8
#define M (int)log2(N)
#define PI 3.1415926
为保证输出自然序,需要对输入进行位反序。此处采用变换索引的方式进行:
int vector[N];int i, j, k;for(i=0; i<N;i++){vector[i] = i;}int binlist[N][M];int (*p)[M] = binlist;int transvector[N];for(p=binlist,i=0; p<binlist + N; p++,i++){int Devidend = vector[i];int Devisor, Remainder;for(j=0; j<M; j++){Devisor = Devidend / 2;Remainder = Devidend % 2;*(*p+M-1-j) = Remainder;Devidend = Devisor;}int tempnum;for(k=0; k<=M/2-1; k++){tempnum = *(*p+k);*(*p+k) = *(*p+M-1-k);*(*p+M-1-k) = tempnum;}transvector[i] = 0;for(k=0; k<M; k++){transvector[i] += *(*p+k) * (int)pow(2, M-1-k);} }
主要思路为:生成0到N-1索引、转换为二进制、进行位反转、转换为十进制。
下面提供一组测试数据:
complex x[N];x[0].real = 1; x[0].imag = 0;x[1].real = 0; x[1].imag = 0;x[2].real = 4; x[2].imag = 0;x[3].real = 2; x[3].imag = 0;x[4].real = 5; x[4].imag = 0;x[5].real = 3; x[5].imag = 0;x[6].real = 2; x[6].imag = 0;x[7].real = 6; x[7].imag = 0;
当然,也可以通过交互方式输入:
for(i=0; i<N; i++){printf("请输入第%d个数的实部:",i+1);scanf("%f", &x[i].real);printf("请输入第%d个数的虚部:",i+1);scanf("%f", &x[i].imag);}
于是,可以获得重排序列如下:
complex X[N];for(i=0; i<N; i++){X[vector[i]].real = x[transvector[i]].real;X[vector[i]].imag = x[transvector[i]].imag;}
而后便是算法的核心的部分了,如下:
int L, B, level_id, J, P, base_id, K;complex temp_num;for(L=1; L<=M; L++){B = (int) pow(2, L-1);level_id = 0;for(J=0; J<B;J++){P = J * (int) pow(2, M-L);base_id = 0;for(K=1; K<=( (N/2) / ( (int) pow(2, L-1) )); K++){temp_num = X[base_id+level_id];X[base_id+level_id] = complex_add(X[base_id+level_id], complex_multiply(X[base_id + B+level_id], rotate_factor(P)));X[base_id + B+level_id] = complex_sub(temp_num, complex_multiply(X[base_id + B+level_id], rotate_factor(P)));base_id += (int) pow(2, L);}level_id += 1;}}
这里根据FFT变换的性质,采用三组for循环实现。第一层循环为级数循环,第二层循环根据单级内不同类型的蝶形算子进行计算,第三层循环根据每一级相同类型的旋转因子的个数进行计算。
结果显示部分如下:
printf("The result is:\n");for(i=0; i<N;i++){printf("X[%d] = %8.4f + j %8.4f\n", i, X[i].real, X[i].imag);}
运算结果为:
The result is:
X[0] = 23.0000 + j 0.0000
X[1] = -3.2929 + j 2.9497
X[2] = -0.0000 + j 5.0000
X[3] = -4.7071 + j 6.9497
X[4] = 1.0000 + j 0.0000
X[5] = -4.7071 + j -6.9497
X[6] = 0.0000 + j -5.0000
X[7] = -3.2929 + j -2.9497
在matlab中进行验证:
>> fft([1,0,4,2,5,3,2,6]).'
ans =23.0000 + 0.0000i-3.2929 + 2.9497i0.0000 + 5.0000i-4.7071 + 6.9497i1.0000 + 0.0000i-4.7071 - 6.9497i0.0000 - 5.0000i-3.2929 - 2.9497i
结果相吻合。
DIT-FFT[C语言实现]相关推荐
- 【 FPGA 】16点并行DIT FFT的实现
目录 整体架构介绍 旋转因子介绍 代码文件结构 重点难点易错点 整体架构介绍 16点并行FFT分为4级蝶形运算,每一级蝶形运算有一个基本的蝶形单元: 如下是16点DIT FFT的数据流图: 可见,第0 ...
- c语言实现1024点fft程序,数字信号处理的步骤与注意事项,并编写1024个采样点的FFT C语言程序...
数字信号处理的步骤与注意事项,并编写1024个采样点的FFT C语言程序 1. 数字信号处理 1.1 数字信号处理概述 数字信号处理是研究如何用数字或符号序列来表示信号以及如何对这些序列进行处理的一门 ...
- 快速傅里叶变换(FFT)c语言实现
快速傅里叶变换(FFT)c语言实现:(参考:FFT多种编程语言实现).注意:输入数据个数必须为2的n次方,数据不够可以用0补齐. #include <stdio.h> #include ...
- FFT C语言 修改了matlab
目录 FFT修改 FFT-dit的算法讨论 程序 c结果: matlab的程序结果: 修改了,matlab的程序 FFT修改 FFT-dit的算法讨论 级的概念 M=log2NM=log_2NM=lo ...
- 快速傅里叶变换FFT C语言实现 可用于嵌入式系统进行模拟采样频谱分析
快速傅里叶变换C语言实现 模拟采样进行频谱分析 FFT是DFT的快速算法用于分析确定信号(时间连续可积信号.不一定是周期信号)的频率(或相位.此处不研究相位)成分,且傅里叶变换对应的 ω \omega ...
- 请写一个长度为1024的FFT C语言函数代码
以下是一个使用 C 语言实现的快速傅里叶变换(FFT)的代码,输入的数组长度为 1024. #include <stdio.h> #include <math.h> #defi ...
- c语言程序改频率,求问。这个fft c语言程序 采样的声音频率为多少?
timernum,timernum2,LEDnum3,Ltime;//用于分离 /*加入数组用于显示相应led灯数目*/ uchar lednum[]={0x00,0x01,0x03,0x07,0x0 ...
- 16bit 基4 fft c 语言,【C6678FFT】关于C64X与C66X DSPLIB中FFT的问题
TI工程师: 你们好,关于C6678的FFT小弟有以下几个问题请教,求解答! ==================================================== DSP板:自己开 ...
- 数字信号处理知识点总结(四):快速傅里叶变换(FFT)
本篇文章主要介绍快速傅里叶变换(FFT)的优化原理,基-2FFT算法的推导.实现及用FFT实现的线性卷积. 主要参考知乎[精品讲义]-快速傅里叶变换(Fast Fourier Transformati ...
- 3.3.4.2.2 Decimation-in-Frequency (DIF) Radix-2 FFT
DIT先乘以旋转因子后蝶形运算 时间序列被decimation成了两部分(Radix-2) 所以是DIT Radix-2 3.3.4.2.1 Decimation-in-time (DIT) Radi ...
最新文章
- 深度学习中的贝叶斯统计简介
- C# 最快的逐一打印斐波那契结果数列的算法
- 一句话,讲清楚java泛型的本质(非类型擦除)
- 5u fb库 三菱plc_三菱FX5U PLC入门必备基础知识特点
- 机房配电系统与配电电缆线径的选择及巡查
- js前端和后台数据交互-----前端传字符串,后台控制器将其转化为集合
- 电脑开机一会就蓝屏怎么回事_常见的电脑蓝屏是怎么回事?学会三种解决方法,远离电脑维修店...
- 3.5 《数据库系统概论》之基本表更新(INSERT、UPDATE、ALTER、DELETE)与视图VIEW(定义、查询、更新)
- SpringBoot之AOP之基本使用
- 图片标注工具LabelImg安装与使用
- 数字人枫灵Lynn,获得江苏省文化产业周刊关注!
- Could not find conda environment:
- 基于ibeacons三点定位(微信小程序)
- 基于Processing和Leap Motion的绘画系统
- 信息资源管理概论--练习题
- 计算机软件著作权保护包括哪些
- 汽车tbox介绍、新能源tbox,汽车tbox,新能源上的车联网终端
- ERROR: Cannot determine archive format of /tmp/pip-req-build-2uc6o_he 解决方案
- 数据中心网络带宽线速有门道
- 注塑机摆放间距多少合适_模具拉杆间距尺寸