快速傅里叶变换PPT课件
合集下载
快速傅里叶变换
N X 2 ( k ) X 2 (k ) 2
第4章 快速傅里叶变换（FFT）
(N k ) 2 又由于WN
k WN WN
N 2
k WN
,所以
N N N k N 2 X (k ) X 1 (k ) WN X 2 (k ) 2 2 2
k X 1 (k ) WN X 2 (k ),
X 1 (k ) x1 (r )W x(2r )W
r 0 rk 4 r 0
3
3
rk 4
k 0,1,2,3
第4章 快速傅里叶变换（FFT）
(2) n为奇数时,分别记作:
x2 (0) x (1), x2 (1) x (3), x2 ( 2) x (5), x2 (3) x (7);
k N
1 1
k WN
-1
N X ( k ) X 1 (k ) WNk X 2 (k ) (后一半) 2
5.计算工作量分析
按奇、偶分组后的计算量：
第4章 快速傅里叶变换（FFT）
由上图可知，N点DFT的复乘为N2 ;复加N(N-1); 与分解后相比可知,计算工作点差不多减少 一半。
第4章 快速傅里叶变换（FFT）
一个X(k)的值的工作量,如X(1)
0 1 X (1) x(0)WN x(1)WN x(2)WN2 x( N 1)WNN 1
nk 通常x(n)和 W 都是复数,所以计算一个 N X(k)的值需要N次复数乘法运算,和N 1 次 复数加法运算.那么,所有的X(k)就要N2次复 数乘法运算,N(N-1)次复数加法运算.当N很 大时,运算量将是惊人的,如N=1024,则要完 成1048576 次(一百多万次)运算.这样,难 以做到实时处理.
数字信号处理课件第4章快速傅里叶变换FF
雷达信号压缩
通过FFT对雷达信号进行频谱分析，实现雷 达数据的压缩，减小存储空间和传输带宽。
谢谢聆听
05 FFT的局限性与挑战
浮点运算的开销问题
浮点运算开销
快速傅里叶变换（FFT）算法在实 现过程中需要进行大量的浮点运 算，这可能导致计算成本较高， 尤其是在处理大规模数据时。
硬件资源需求
由于FFT的浮点运算密集特性，对 计算设备的硬件资源（如CPU、 GPU等）要求较高，需要具备高 性能的计算能力。
FFT的软件实现
C/C实现
01
使用C或C等通用编程语言实现FFT算法，具有较好的通用性和
可移植性。
优化编译器
02
利用现代编译器的优化功能，如向量化、内联等，可以提高软
件实现的计算速度。
并行计算框架
03
利用OpenMP、CUDA等并行计算框架，可以实现多核或多
GPU上的并行计算。
FFT的优化方法
算法改进
FFT的历史与发展
历史
FFT的诞生可以追溯到1960年代，其发展经历了多个阶段，包括库利-图基算法、威尔金森算法、桑德斯算法等 。
发展
随着计算机技术的不断进步，FFT算法在实现方式、精度、并行化等方面不断得到优化和改进，以满足不同应用 场景的需求。
02 FFT的基本算法
递归算法
递归算法是一种基于数学归纳法的算法，通过将问题分解为更小的子问题来解决 问题。在FFT中，递归算法将一个长度为N的DFT问题分解为两个长度为N/2的 DFT问题，直到最后分解为基本的DFT问题。
特别是在信号处理领域，FFT的应用非常广泛。
FFT与Z变换的关系
定义
Z变换是离散时间信号 到复平面上的扩展，而 FFT是频域的一种快速 计算方法。
通过FFT对雷达信号进行频谱分析，实现雷 达数据的压缩，减小存储空间和传输带宽。
谢谢聆听
05 FFT的局限性与挑战
浮点运算的开销问题
浮点运算开销
快速傅里叶变换（FFT）算法在实 现过程中需要进行大量的浮点运 算，这可能导致计算成本较高， 尤其是在处理大规模数据时。
硬件资源需求
由于FFT的浮点运算密集特性，对 计算设备的硬件资源（如CPU、 GPU等）要求较高，需要具备高 性能的计算能力。
FFT的软件实现
C/C实现
01
使用C或C等通用编程语言实现FFT算法，具有较好的通用性和
可移植性。
优化编译器
02
利用现代编译器的优化功能，如向量化、内联等，可以提高软
件实现的计算速度。
并行计算框架
03
利用OpenMP、CUDA等并行计算框架，可以实现多核或多
GPU上的并行计算。
FFT的优化方法
算法改进
FFT的历史与发展
历史
FFT的诞生可以追溯到1960年代，其发展经历了多个阶段，包括库利-图基算法、威尔金森算法、桑德斯算法等 。
发展
随着计算机技术的不断进步，FFT算法在实现方式、精度、并行化等方面不断得到优化和改进，以满足不同应用 场景的需求。
02 FFT的基本算法
递归算法
递归算法是一种基于数学归纳法的算法，通过将问题分解为更小的子问题来解决 问题。在FFT中，递归算法将一个长度为N的DFT问题分解为两个长度为N/2的 DFT问题，直到最后分解为基本的DFT问题。
特别是在信号处理领域，FFT的应用非常广泛。
FFT与Z变换的关系
定义
Z变换是离散时间信号 到复平面上的扩展，而 FFT是频域的一种快速 计算方法。
《快速傅里叶变换》课件
FFT算法的出现极大地推动了数字信号 处理技术的发展和应用。
FFT的历史背景
01
1960年代，Cooley和Tukey提 出了基于“分治”思想的FFT 算法，为快速傅里叶变换的实 用化奠定了基础。
02
随后，出现了多种FFT算法的 变种和优化，如Radix-2、 Radix-4等。
03
随着计算机技术的发展，FFT 算法在硬件实现上也得到了广 泛应用，如FPGA、GPU等。
《快速傅里叶变换》ppt课件
contents
目录
• FFT简介 • FFT基本原理 • FFT实现 • FFT的应用 • FFT的优化与改进 • FFT的挑战与未来发展
01 FFT简介
FFT的定义
快速傅里叶变换（FFT）：一种高效计算离散傅里叶变换（DFT）及其逆变换的 算法。它将复杂度为$O(N^2)$的DFT计算降低到$O(Nlog N)$，大大提高了计 算效率。
详细描述
混合基数FFT算法结合了基数-2和基数-4算法的特点，利用两者在计算过程中的 互补性，减少了计算量，提高了计算效率。同时，该算法在处理大规模数据时 ，能够保持较高的精度。
分段FFT算法
总结词
分段FFT算法将输入数据分成若干段，对每一段进行快速傅里叶变换，以降低计算复杂度和提高计算效率。
详细描述
02 FFT基本原理
离散傅里叶变换（DFT）
定义
应用
DFT是时间域信号到频域的变换，通 过计算信号中各个频率成分的幅度和 相位，可以分析信号的频谱特性。
DFT在信号处理、图像处理、频谱分 析等领域有广泛应用。
计算量
DFT的计算量随着信号长度N的增加 而呈平方关系增长，因此对于长信号 ，计算量巨大。
FFT的历史背景
01
1960年代，Cooley和Tukey提 出了基于“分治”思想的FFT 算法，为快速傅里叶变换的实 用化奠定了基础。
02
随后，出现了多种FFT算法的 变种和优化，如Radix-2、 Radix-4等。
03
随着计算机技术的发展，FFT 算法在硬件实现上也得到了广 泛应用，如FPGA、GPU等。
《快速傅里叶变换》ppt课件
contents
目录
• FFT简介 • FFT基本原理 • FFT实现 • FFT的应用 • FFT的优化与改进 • FFT的挑战与未来发展
01 FFT简介
FFT的定义
快速傅里叶变换（FFT）：一种高效计算离散傅里叶变换（DFT）及其逆变换的 算法。它将复杂度为$O(N^2)$的DFT计算降低到$O(Nlog N)$，大大提高了计 算效率。
详细描述
混合基数FFT算法结合了基数-2和基数-4算法的特点，利用两者在计算过程中的 互补性，减少了计算量，提高了计算效率。同时，该算法在处理大规模数据时 ，能够保持较高的精度。
分段FFT算法
总结词
分段FFT算法将输入数据分成若干段，对每一段进行快速傅里叶变换，以降低计算复杂度和提高计算效率。
详细描述
02 FFT基本原理
离散傅里叶变换（DFT）
定义
应用
DFT是时间域信号到频域的变换，通 过计算信号中各个频率成分的幅度和 相位，可以分析信号的频谱特性。
DFT在信号处理、图像处理、频谱分 析等领域有广泛应用。
计算量
DFT的计算量随着信号长度N的增加 而呈平方关系增长，因此对于长信号 ，计算量巨大。
《傅里叶变换经典》PPT课件
F 1[AF BG ] AF 1[F ] BF 1[G ]
43
2. 位移性质:
若F [f t ] F ，t0 ,0 为实常数，则
F [f t t0 ] ejt0F ， F 1[F 0 ] e j0t f t
或F [e j0t f t ] F 0
证明：F
[f
F f t eitdt(实自变量的复值函数)
称为f t 的Fourier变换，记为F [f t ]。
1 F eitd 称为F 的Fourier逆变换，
2 记为F 1[F ] .
26
若F f t F ,则F 1 F f t ； 若F 1 F f t ,则F f t F f t F ：一一对应，称为一组Fourier变换对。 f t 称为原像函数，F 称为像函数。
t
具有性质fT(t+T)=fT(t), 其中T称作周期, 而1/T代表
单位时间振动的次数, 单位时间通常取秒, 即每秒重复 多少次, 单位是赫兹(Herz, 或Hz).
2
最常用的一种周期函数是三角函数。人们发现, 所有 的工程中使用的周期函数都可以用一系列的三角函数的 线性组合来逼近.—— Fourier级数
1
2
1
2
1,
t
0
42
§3 Fourier变换与逆变换的性质
这一讲介绍傅氏变换的几个重要性质, 为了叙述方 便起见, 假定在这些性质中, 凡是需要求傅氏变换的函 数都满足傅氏积分定理中的条件, 在证明这些性质时, 不再重述这些条件.
1.线性性质:
F [af t bg t ] aF [f t ] bF [g t ]
19
1.2 Fourier积分公式与Fourier积分存在定理
43
2. 位移性质:
若F [f t ] F ，t0 ,0 为实常数，则
F [f t t0 ] ejt0F ， F 1[F 0 ] e j0t f t
或F [e j0t f t ] F 0
证明：F
[f
F f t eitdt(实自变量的复值函数)
称为f t 的Fourier变换，记为F [f t ]。
1 F eitd 称为F 的Fourier逆变换，
2 记为F 1[F ] .
26
若F f t F ,则F 1 F f t ； 若F 1 F f t ,则F f t F f t F ：一一对应，称为一组Fourier变换对。 f t 称为原像函数，F 称为像函数。
t
具有性质fT(t+T)=fT(t), 其中T称作周期, 而1/T代表
单位时间振动的次数, 单位时间通常取秒, 即每秒重复 多少次, 单位是赫兹(Herz, 或Hz).
2
最常用的一种周期函数是三角函数。人们发现, 所有 的工程中使用的周期函数都可以用一系列的三角函数的 线性组合来逼近.—— Fourier级数
1
2
1
2
1,
t
0
42
§3 Fourier变换与逆变换的性质
这一讲介绍傅氏变换的几个重要性质, 为了叙述方 便起见, 假定在这些性质中, 凡是需要求傅氏变换的函 数都满足傅氏积分定理中的条件, 在证明这些性质时, 不再重述这些条件.
1.线性性质:
F [af t bg t ] aF [f t ] bF [g t ]
19
1.2 Fourier积分公式与Fourier积分存在定理
FFT快速傅里叶变换(蝶形算法)详解 ppt课件
N / 21
N 1
x(n)WNnk
x(n)WNnk
n0
nN /2
N / 21
x(n)WNnk
n0
N / 21
x(n
n0
N 2
(n
)WN
因为 N=2M ，对于任意 n（0≤n ≤N-1)，可以用M个 二进制码表示为：
n(DEC) (nM 1nM 2 n2 n1n0 ) (BIN)
nM 1, nM 2 ,, n2 , n1, n0
0 1
n 反复按奇、偶分解时，即按二进制码的“0” “1” 分解。
ppt课件
26
倒位序的树状图（N=8）
DFT运算量的比较 按时间抽取的FFT算法的特点 按时间抽取FFT算法的其它形式流程图
ppt课件
5.3.1 算法原理
设N＝2L，将x(n)按 n 的奇偶分为两组：
x(2r) x1(r) x(2r 1) x2 (r)
r =0，1，…，N 1
2
则
N 1
X (k) DFT[x(n)] x(n)WNnk
r 0
r 0
N
N
1
1
2
2
x1
(r
)W
rk N
WNk
x2
(r
)W
rk N
r 0
2
r 0
2
X 1 (k ) WNk X 2 (k )
式中，X1(k)和X2(k)分别是x1(n)和x2(n)的N/2的DFT。 另外，式中k的取值范围是：0，1， …，N/2－1 。
ppt课件
64 4049 192
《快速傅里叶变换FF》课件
《快速傅里叶变换ff 》ppt课件
contents
目录
• FFT简介 • FFT的基本原理 • FFT的应用 • FFT的实现 • FFT的性能优化 • FFT的局限性
CHAPTER 01
FFT简介
FFT的定义
快速傅里叶变换（FFT）：一种高效计算离散傅里叶变换（DFT）及其逆变换的 算法。它将复杂度为$O(N^2)$的DFT计算降低到$O(Nlog N)$，极大地提高了 计算效率。
通过选择适合特定数据集的基数，混 合基数FFT可以在不同的应用场景下 获得最佳性能。
混合基数FFT结合了基于2的幂次和基 于其他基数的算法，以获得更好的计 算效率和精度。
CHAPTER 06
FFT的局限性
浮点运算的开销
快速傅里叶变换（FFT）是一种高效的算法，用于计算离散傅里叶变换（DFT）和其逆变换。然而， 由于FFT涉及到大量的复数运算，因此其计算开销相对较大，尤其是对于大规模数据。
分段FFT
分段FFT是一种将大规模FFT分 解为多个小规模FFT的方法， 可以显著提高计算速度。
通过将输入数据分成多个段， 每个段可以独立进行FFT计算 ，从而并行处理多个段。
分段FFT适用于大规模数据集 ，可以有效地利用多核处理器 和分布式计算资源，提高计算 效率。
混合基数FFT
混合基数FFT是一种将不同基数算法 结合在一起的FFT方法，可以获得更 好的性能。
快速傅里叶变换（FFT）算法
定义
快速傅里叶变换（FFT）是一种高效的计算离散傅里叶变换（ DFT）和其逆变换的算法。它通过一系列数学运算将DFT的 计算量从N^2降低到了Nlog2N，大大提高了计算效率。
算法原理
FFT算法基于DFT的周期性和对称性，将一个N点的DFT分解 为多个较短序列的DFT，然后利用递归和分治的思想进行计 算，最终得到原始序列的频域表示。
contents
目录
• FFT简介 • FFT的基本原理 • FFT的应用 • FFT的实现 • FFT的性能优化 • FFT的局限性
CHAPTER 01
FFT简介
FFT的定义
快速傅里叶变换（FFT）：一种高效计算离散傅里叶变换（DFT）及其逆变换的 算法。它将复杂度为$O(N^2)$的DFT计算降低到$O(Nlog N)$，极大地提高了 计算效率。
通过选择适合特定数据集的基数，混 合基数FFT可以在不同的应用场景下 获得最佳性能。
混合基数FFT结合了基于2的幂次和基 于其他基数的算法，以获得更好的计 算效率和精度。
CHAPTER 06
FFT的局限性
浮点运算的开销
快速傅里叶变换（FFT）是一种高效的算法，用于计算离散傅里叶变换（DFT）和其逆变换。然而， 由于FFT涉及到大量的复数运算，因此其计算开销相对较大，尤其是对于大规模数据。
分段FFT
分段FFT是一种将大规模FFT分 解为多个小规模FFT的方法， 可以显著提高计算速度。
通过将输入数据分成多个段， 每个段可以独立进行FFT计算 ，从而并行处理多个段。
分段FFT适用于大规模数据集 ，可以有效地利用多核处理器 和分布式计算资源，提高计算 效率。
混合基数FFT
混合基数FFT是一种将不同基数算法 结合在一起的FFT方法，可以获得更 好的性能。
快速傅里叶变换（FFT）算法
定义
快速傅里叶变换（FFT）是一种高效的计算离散傅里叶变换（ DFT）和其逆变换的算法。它通过一系列数学运算将DFT的 计算量从N^2降低到了Nlog2N，大大提高了计算效率。
算法原理
FFT算法基于DFT的周期性和对称性，将一个N点的DFT分解 为多个较短序列的DFT，然后利用递归和分治的思想进行计 算，最终得到原始序列的频域表示。
数字信号处理_程佩青_PPT第四章
第四章 快速傅里叶变换 （FFT）
主要内容
DIT-FFT算法 DIF-FFT算法 IFFT算法 Chirp-z算法 线性卷积的FFT算法
§4.0 引言
FFT: Fast Fourier Transform
1965年，Cooley&Turky 发表文章《机器计算傅 里叶级数的一种算法》，提出FFT算法，解决 DFT运算量太大，在实际使用中受限制的问题。 FFT的应用。频谱分析、滤波器实现、实时信 号处理等。 DSP芯片实现。TI公司的TMS 320c30，10MHz 时钟，基2-FFT1024点FFT时间15ms。
又WN
k
N 2
W
N /2 N
W W
k N
k N
k X (k ) X1 (k ) WN X 2 (k )，k 0,1,2,...N / 2 1 (2) X ( N k ) X ( N k ) W ( N / 2 k ) X ( N k ) 1 N 2 2 2 2 k X1 (k ) WN X 2 (k )，k 0,1,2,...N / 2 1
n为偶
n为奇
N / 2 1
rk k rk x ( r ) W W x ( r ) W 1 N /2 N 2 N /2 r 0 r 0 X1 ( k )
N / 2 1
2 rk rk （这一步利用： WN WN /2
） r , k 0,1,...N / 2 1
N为2的整数幂的FFT算法称基-2FFT算法。
将序列x(n)按n的奇偶分成两组：
x1 (r ) x(2r ) ，r 0， 1， 2， ...N/ 2 1 x2 (r ) x(2r 1)
主要内容
DIT-FFT算法 DIF-FFT算法 IFFT算法 Chirp-z算法 线性卷积的FFT算法
§4.0 引言
FFT: Fast Fourier Transform
1965年，Cooley&Turky 发表文章《机器计算傅 里叶级数的一种算法》，提出FFT算法，解决 DFT运算量太大，在实际使用中受限制的问题。 FFT的应用。频谱分析、滤波器实现、实时信 号处理等。 DSP芯片实现。TI公司的TMS 320c30，10MHz 时钟，基2-FFT1024点FFT时间15ms。
又WN
k
N 2
W
N /2 N
W W
k N
k N
k X (k ) X1 (k ) WN X 2 (k )，k 0,1,2,...N / 2 1 (2) X ( N k ) X ( N k ) W ( N / 2 k ) X ( N k ) 1 N 2 2 2 2 k X1 (k ) WN X 2 (k )，k 0,1,2,...N / 2 1
n为偶
n为奇
N / 2 1
rk k rk x ( r ) W W x ( r ) W 1 N /2 N 2 N /2 r 0 r 0 X1 ( k )
N / 2 1
2 rk rk （这一步利用： WN WN /2
） r , k 0,1,...N / 2 1
N为2的整数幂的FFT算法称基-2FFT算法。
将序列x(n)按n的奇偶分成两组：
x1 (r ) x(2r ) ，r 0， 1， 2， ...N/ 2 1 x2 (r ) x(2r 1)
傅里叶变换课件
快速傅里叶变换的算法原理
快速傅里叶变换（FFT）是一种高效的计算DFT的算法，其基本思想是将DFT运算分解为一系列简单 的复数乘法和加法运算。
FFT算法可以分为基于分治策略的递归算法和基于蝶形运算的迭代算法。其中，递归算法将DFT运算 分解为两个子序列的DFT运算，迭代算法则通过一系列蝶形运算逐步逼近DFT的结果。
，实现图像的压缩。
解压缩
通过插值或重构算法，可以恢复 压缩后的图像，使其具有原始的
质量和细节。
压缩与解压缩算法
常见的压缩与解压缩算法包括 JPEG、PNG等。这些算法在压 缩和解压缩过程中都利用了傅里
叶变换。
06
傅里叶变换在通信系统中的应用
调制与解调技术
调制技术
利用傅里叶变换对信号进行调制，将 低频信号转换为高频信号，以便在信 道中传输。
在频域中，可以使用各种滤波器 对图像进行滤波操作，以减少噪 声、平滑图像或突出特定频率的
细节。
边缘增强
通过在频域中增强高频成分，可以 突出图像的边缘信息，使图像更加 清晰。
对比度增强
通过调整频域中的频率系数，可以 改变图像的对比度，使图像更加鲜 明。
图像的压缩与解压缩
压缩
通过减少图像的频域表示中的频 率系数，可以减少图像的数据量
快速傅里叶变换的应用
• FFT在信号处理、图像处理、语音处理等领域有着广泛的应用。例如，在信号处理中，可以通过FFT将时域信号转换为频域 信号，从而对信号进行频谱分析、滤波等操作。在图像处理中，可以通过FFT将图像从空间域转换到频域，从而对图像进行 去噪、压缩等操作。在语音处理中，可以通过FFT对语音信号进行频谱分析，从而提取语音特征、进行语音合成等操作。
分析、系统优化等。
傅里叶变换及反变换课件
傅里叶变换及反变换 课件
• 傅里叶变换概述 • 傅里叶正变换 • 傅里叶反变换 • 傅里叶变换的应用 • 傅里叶变换的实践操作
目录
01
傅里叶变换概述
傅里叶变换的定义
傅里叶变换是一种数学工具，用于将一个时间域的信号转换为其频域表示。在数 学上，它被定义为函数f(t)与其复指数函数e^(iωt)之间的积分变换。
定义函数
定义需要变换的函数 ，例如正弦函数、余 弦函数等。
进行傅里叶变换
使用fft库中的fft函 数进行傅里叶变换。
绘图
使用matplotlib库将 变换后的结果绘制成 图形。
感谢观看
THANKS
通过傅里叶正变换，可以将一个复杂的信号分解成多个简 单的正弦波分量，每个分量都有自己的频率、幅度和相位 。这种分解方式有助于更好地理解信号的组成和特性，在 信号处理、通信、图像处理等领域有广泛应用。
03
傅里叶反变换
傅里叶反变换的定义
傅里叶反变换是数学和工程领域中常用的工具，用于将频域函数转换回时域函数。 它与傅里叶变换是逆操作，通过傅里叶反变换可以将频域信息还原为时域信息。
积分运算的取值范围是整个实数 轴，代表着所有可能的频率成分
。
傅里叶反变换的物理意义
傅里叶反变换的物理意义在于将频域 信息还原为时域信息，从而可以分析 信号的时域特性。
例如，在音频处理中，傅里叶反变换 可以将音频信号从频域转换回时域， 以便更好地感知声音的细节和变化。
通过傅里叶反变换，可以了解信号在 不同时间点的强度和相位变化，这对 于信号处理和通信系统等领域非常重 要。
数值计算和绘图。
定义函数
定义需要变换的函数，例如正 弦函数、余弦函数等。
进行傅里叶变换
• 傅里叶变换概述 • 傅里叶正变换 • 傅里叶反变换 • 傅里叶变换的应用 • 傅里叶变换的实践操作
目录
01
傅里叶变换概述
傅里叶变换的定义
傅里叶变换是一种数学工具，用于将一个时间域的信号转换为其频域表示。在数 学上，它被定义为函数f(t)与其复指数函数e^(iωt)之间的积分变换。
定义函数
定义需要变换的函数 ，例如正弦函数、余 弦函数等。
进行傅里叶变换
使用fft库中的fft函 数进行傅里叶变换。
绘图
使用matplotlib库将 变换后的结果绘制成 图形。
感谢观看
THANKS
通过傅里叶正变换，可以将一个复杂的信号分解成多个简 单的正弦波分量，每个分量都有自己的频率、幅度和相位 。这种分解方式有助于更好地理解信号的组成和特性，在 信号处理、通信、图像处理等领域有广泛应用。
03
傅里叶反变换
傅里叶反变换的定义
傅里叶反变换是数学和工程领域中常用的工具，用于将频域函数转换回时域函数。 它与傅里叶变换是逆操作，通过傅里叶反变换可以将频域信息还原为时域信息。
积分运算的取值范围是整个实数 轴，代表着所有可能的频率成分
。
傅里叶反变换的物理意义
傅里叶反变换的物理意义在于将频域 信息还原为时域信息，从而可以分析 信号的时域特性。
例如，在音频处理中，傅里叶反变换 可以将音频信号从频域转换回时域， 以便更好地感知声音的细节和变化。
通过傅里叶反变换，可以了解信号在 不同时间点的强度和相位变化，这对 于信号处理和通信系统等领域非常重 要。
数值计算和绘图。
定义函数
定义需要变换的函数，例如正 弦函数、余弦函数等。
进行傅里叶变换
傅里叶变换__经典ppt
1
§1 Fourier积分公式 积分公式
1.1 Recall: 在工程计算中, 无论是电学还是力学, 在工程计算中, 无论是电学还是力学, 经常要和随时间 变化的周期函数f 打交道. 例如: 变化的周期函数 T(t)打交道. 例如:
t 具有性质f 称作周期, 具有性质 T(t+T)=fT(t), 其中T称作周期, 而1/T代表 代表 单位时间振动的次数, 单位时间通常取秒, 单位时间振动的次数, 单位时间通常取秒, 即每秒重复 多少次, 单位是赫兹( 多少次, 单位是赫兹(Herz, 或Hz). , ).
sinc(x)
x
12
前面计算出
1 cn = sinc(ωn ) (n = 0, ±1, ±2,L) 2 2π nπ ωn = nω = n , 可将cn以竖线标在频率图上 = T 2
ω
13
现在将周期扩大一倍, 现在将周期扩大一倍 令T=8, 以f (t)为基础构造 为基础构造 一周期为8的周期函数 的周期函数f 一周期为 的周期函数 8(t)
6
1 合并为： 合并为： cn = T
+∞
∫
fT (t )e −T 2
T 2
−in ωt
dt (n = 0, ±1, ±2,L)
级数化为： 级数化为：
n =−∞
cne in ωt ∑
T 2 1 +∞ = ∑ ∫ fT (τ )e −in ωτ dτ e in ωt T n =−∞ −T 2
19
积分公式与Fourier积分存在定理 1.2 Fourier积分公式与 积分公式与 积分存在定理
− T , T 上满足Dirichlet条件, 设fT (t ) 为T − 周期函数，在 2 2 则 fT (t ) 可展开为Fourier级数: fT (t ) =
《快速傅里叶变换》课件
易于实现并行计算：快速傅里叶变换可以很容易地实现并行计算，从而进一步提高计算 速度。
应用广泛：快速傅里叶变换在信号处理、图像处理、通信等领域有着广泛的应用。
04 快速傅里叶变换的算法
快速傅里叶变换的基本步骤
输入信号：将输入信号分解为频率和相位 快速傅里叶变换：将输入信号进行快速傅里叶变换，得到频谱 频谱分析：对频谱进行分析，得到信号的频率和相位 逆傅里叶变换：将频谱进行逆傅里叶变换，得到输出信号 输出信号：输出信号与输入信号相同，但频率和相位发生了变化
信号压缩：快速傅里叶变换可以用于信号的压缩和去噪
信号识别：快速傅里叶变换可以用于信号的识别和分类，如语音识别、图 像识别等
在图像处理中的应用
图像去噪：通过快速傅里叶变换去 除图像中的噪声
图像压缩：通过快速傅里叶变换实 现图像的压缩和存储
添加标题
添加标题
添加标题
添加标题
图像增强：通过快速傅里叶变换增 强图像的对比度和清晰度
快速傅里叶变换在机器学 习领域的应用
感谢您的观看
汇报人：PPT
分块算法：将数据分成多个 块，分别进行FFT计算，提 高计算效率
并行算法：利用多核处理器 或分布式计算，实现FFT的 并行计算，提高计算速度
05 快速傅里叶变换的应用
在信号处理中的应用
信号分析：快速傅里叶变换可以用于分析信号的频率成分和相位信息
滤波器设计：快速傅里叶变换可以用于设计各种滤波器，如低通滤波器、 高通滤波器等
傅里叶变换的定义
傅里叶变换是一种数学变换，可以 将时域信号分解为频率域信号
傅里叶变换是信号处理、图像处理 等领域的重要工具
添加标题
添加标题
添加标题
添加标题
傅里叶变换可以将信号从时域转换 为频域，从而分析信号的频率成分
应用广泛：快速傅里叶变换在信号处理、图像处理、通信等领域有着广泛的应用。
04 快速傅里叶变换的算法
快速傅里叶变换的基本步骤
输入信号：将输入信号分解为频率和相位 快速傅里叶变换：将输入信号进行快速傅里叶变换，得到频谱 频谱分析：对频谱进行分析，得到信号的频率和相位 逆傅里叶变换：将频谱进行逆傅里叶变换，得到输出信号 输出信号：输出信号与输入信号相同，但频率和相位发生了变化
信号压缩：快速傅里叶变换可以用于信号的压缩和去噪
信号识别：快速傅里叶变换可以用于信号的识别和分类，如语音识别、图 像识别等
在图像处理中的应用
图像去噪：通过快速傅里叶变换去 除图像中的噪声
图像压缩：通过快速傅里叶变换实 现图像的压缩和存储
添加标题
添加标题
添加标题
添加标题
图像增强：通过快速傅里叶变换增 强图像的对比度和清晰度
快速傅里叶变换在机器学 习领域的应用
感谢您的观看
汇报人：PPT
分块算法：将数据分成多个 块，分别进行FFT计算，提 高计算效率
并行算法：利用多核处理器 或分布式计算，实现FFT的 并行计算，提高计算速度
05 快速傅里叶变换的应用
在信号处理中的应用
信号分析：快速傅里叶变换可以用于分析信号的频率成分和相位信息
滤波器设计：快速傅里叶变换可以用于设计各种滤波器，如低通滤波器、 高通滤波器等
傅里叶变换的定义
傅里叶变换是一种数学变换，可以 将时域信号分解为频率域信号
傅里叶变换是信号处理、图像处理 等领域的重要工具
添加标题
添加标题
添加标题
添加标题
傅里叶变换可以将信号从时域转换 为频域，从而分析信号的频率成分
《傅里叶变换》课件
特点
小波变换具有多尺度分析的特点，能够同时获得 信号在时间和频率域的信息，并且在时频域具有 很好的局部化能力。
应用
在信号处理、图像处理、语音识别等领域广泛应 用。
周期性和共轭对称性
总结词
周期性和共轭对称性是傅里叶变换的重要性质。
详细描述
由于傅里叶变换将时间域的函数映射到频率域，因此频谱具有周期性，即F(ω) = F(ω+2πn)，其中n为整数。此 外，频谱还具有共轭对称性，即F*(ω) = F(-ω)，这意味着频谱在频率轴上关于原点对称。这些性质在信号处理 、图像处理等领域有着广泛的应用。
线性性质
如果a和b是常数，f(t)和g(t)是可傅里叶变换的函数，那么 a*f(t)+b*g(t)也是可傅里叶变换的，并且其频域表示为 a*F(ω)+b*G(ω)。
时移性质
如果f(t)是可傅里叶变换的，那么f(t+a)也是可傅里叶变换 的，并且其频域表示为F(ω)e^(iωa)。
频移性质
如果f(t)是可傅里叶变换的，那么f(t)e^(iω0t)也是可傅里叶 变换的，并且其频域表示为F(ω-ω0)。
04
傅里叶逆变换
傅里叶逆变换的定义
01
傅里叶逆变换是将频域函数转 换为时域函数的过程。
02
它与傅里叶变换是可逆的，即 给定一个频域函数，通过傅里 叶逆变换可以恢复原始的时域 函数。
03
傅里叶逆变换的公式为：f(t) = ∫F(ω)e^(iωt)dω，其中f(t)是 时域函数，F(ω)是频域函数。
傅里叶逆变换的性质
在图像处理中的应用
图像频域滤波
通过傅里叶变换将图像从空间域 转换到频域，可以在频域中对图 像进行滤波处理，如去除噪声、
小波变换具有多尺度分析的特点，能够同时获得 信号在时间和频率域的信息，并且在时频域具有 很好的局部化能力。
应用
在信号处理、图像处理、语音识别等领域广泛应 用。
周期性和共轭对称性
总结词
周期性和共轭对称性是傅里叶变换的重要性质。
详细描述
由于傅里叶变换将时间域的函数映射到频率域，因此频谱具有周期性，即F(ω) = F(ω+2πn)，其中n为整数。此 外，频谱还具有共轭对称性，即F*(ω) = F(-ω)，这意味着频谱在频率轴上关于原点对称。这些性质在信号处理 、图像处理等领域有着广泛的应用。
线性性质
如果a和b是常数，f(t)和g(t)是可傅里叶变换的函数，那么 a*f(t)+b*g(t)也是可傅里叶变换的，并且其频域表示为 a*F(ω)+b*G(ω)。
时移性质
如果f(t)是可傅里叶变换的，那么f(t+a)也是可傅里叶变换 的，并且其频域表示为F(ω)e^(iωa)。
频移性质
如果f(t)是可傅里叶变换的，那么f(t)e^(iω0t)也是可傅里叶 变换的，并且其频域表示为F(ω-ω0)。
04
傅里叶逆变换
傅里叶逆变换的定义
01
傅里叶逆变换是将频域函数转 换为时域函数的过程。
02
它与傅里叶变换是可逆的，即 给定一个频域函数，通过傅里 叶逆变换可以恢复原始的时域 函数。
03
傅里叶逆变换的公式为：f(t) = ∫F(ω)e^(iωt)dω，其中f(t)是 时域函数，F(ω)是频域函数。
傅里叶逆变换的性质
在图像处理中的应用
图像频域滤波
通过傅里叶变换将图像从空间域 转换到频域，可以在频域中对图 像进行滤波处理，如去除噪声、
第03章-5快速傅里叶变换(FFT)PPT课件
(3.67)
(3.68)
(3.69)
(3.70) 这样，用式(3.67)～(3.70)4个公式就可计算图3.15中的两组N/2点 DFT。图3.16所示的是其中一组G(k)的计算。
将图3.16与图3.15所示的信号流程图合并，便得到图3.17所示的信 号流程图。
因为N=8，所以上图中N/4点的DFT就是2点的DFT，不能再分解了。
前面两种算法特别适用于N等于2的幂的情况。 对于N为合数的情况，本章也将介绍两种处理方法。
3. 5. 2 时间抽选基2FFT算法(库里—图基算法) 这种算法简称为时间抽选FFT算法，其基本出发点是，利用旋 转因子WNk的对称性和周期性，将一个大的DFT分解成一些逐次 变小的DFT来计算。 分解过程遵循两条规则：
大多数情况下复数乘法所花的时间最多，因此下面仅以复数乘 法的计算次数为例来与直接计算进行比较。
直接计算DFT需要的乘法次数为αD=N2，于是有
ቤተ መጻሕፍቲ ባይዱ
例如，当N=1024时，则：
205，即直接计算DFT所需复数乘法
次数约为FFT的205倍。显然，N越大，FFT的速度优势越大。
在导出FFT算法之前，首先来估计一下直接计算DFT所需的计算量。 DFT的定义
其中
将DFT定义式展开成方程组 将方程组写成矩阵形式 用向量表示
用复数表示：
从矩阵形式表示可以看出，由于计算一个X(k)值需要N次复乘法和 (N-1)次复数加法，因而计算N个X(k)值，共需N2次复乘法和N(N-1)次 复加法。每次复乘法包括4次实数乘法和2次实数加法，每次复加 法包括2次实数加法，因此计算N点的DFT共需要4N2次实数乘法和 (2N2+2N·(N-1))次实数加法。当N很大时，这是一个非常大的计算量。
(3.68)
(3.69)
(3.70) 这样，用式(3.67)～(3.70)4个公式就可计算图3.15中的两组N/2点 DFT。图3.16所示的是其中一组G(k)的计算。
将图3.16与图3.15所示的信号流程图合并，便得到图3.17所示的信 号流程图。
因为N=8，所以上图中N/4点的DFT就是2点的DFT，不能再分解了。
前面两种算法特别适用于N等于2的幂的情况。 对于N为合数的情况，本章也将介绍两种处理方法。
3. 5. 2 时间抽选基2FFT算法(库里—图基算法) 这种算法简称为时间抽选FFT算法，其基本出发点是，利用旋 转因子WNk的对称性和周期性，将一个大的DFT分解成一些逐次 变小的DFT来计算。 分解过程遵循两条规则：
大多数情况下复数乘法所花的时间最多，因此下面仅以复数乘 法的计算次数为例来与直接计算进行比较。
直接计算DFT需要的乘法次数为αD=N2，于是有
ቤተ መጻሕፍቲ ባይዱ
例如，当N=1024时，则：
205，即直接计算DFT所需复数乘法
次数约为FFT的205倍。显然，N越大，FFT的速度优势越大。
在导出FFT算法之前，首先来估计一下直接计算DFT所需的计算量。 DFT的定义
其中
将DFT定义式展开成方程组 将方程组写成矩阵形式 用向量表示
用复数表示：
从矩阵形式表示可以看出，由于计算一个X(k)值需要N次复乘法和 (N-1)次复数加法，因而计算N个X(k)值，共需N2次复乘法和N(N-1)次 复加法。每次复乘法包括4次实数乘法和2次实数加法，每次复加 法包括2次实数加法，因此计算N点的DFT共需要4N2次实数乘法和 (2N2+2N·(N-1))次实数加法。当N很大时，这是一个非常大的计算量。
《傅里叶变换详解》课件
单击添加标题
原理：利用信号的稀疏性，通过测量矩阵将高维信号投影到低维空间，再 利用优化算法重构出原始信号。
单击添加标题
应用：在图像处理、通信、雷达、医学成像等领域有广泛应用，能够实现 高分辨率和高帧率成像，降低数据采集成本和存储空间。
单击添加标题
展望：随着压缩感知技术的不断发展，未来有望在人工智能、物联网、无 人驾驶等领域发挥重要作用，为信号处理领域带来更多创新和突破。
应用：傅里叶逆变换在信号处理、图像处理等领域有着广泛的应用
逆变换的应用场景
信号处理：用于信号的滤波、去噪、压缩等 图像处理：用于图像的增强、去噪、边缘检测等 音频处理：用于音频的滤波、去噪、压缩等 通信系统：用于信号的调制、解调、编码、解码等
06
傅里叶变换的计算机实现
离散傅里叶变换（DFT）
傅里叶变换的分类
连续傅里叶变换：适用于连续信号，将信号分解为不同频率的正弦波
离散傅里叶变换：适用于离散信号，将信号分解为不同频率的正弦波
快速傅里叶变换：适用于快速计算傅里叶变换，通过FFT算法实现 短时傅里叶变换：适用于分析非平稳信号，将信号分解为不同频率的正弦 波，同时考虑时间因素
03
傅里叶变换的性质
04
傅里叶变换的应用
在信号处理中的应用
滤波器设计：设计滤波器以 消除或增强特定频率的信号
信号分解：将信号分解为不 同频率的谐波
信号压缩：通过傅里叶变换 进行信号压缩，减少数据量
信号分析：分析信号的频率 成分，了解信号的特性和变
化规律
在图像处理中的应用
傅里叶变换可以用于图像的平滑处理，去除噪声 傅里叶变换可以用于图像的锐化处理，增强图像的细节 傅里叶变换可以用于图像的频域滤波，去除图像中的特定频率成分 傅里叶变换可以用于图像的压缩和编码，减少图像的数据量
原理：利用信号的稀疏性，通过测量矩阵将高维信号投影到低维空间，再 利用优化算法重构出原始信号。
单击添加标题
应用：在图像处理、通信、雷达、医学成像等领域有广泛应用，能够实现 高分辨率和高帧率成像，降低数据采集成本和存储空间。
单击添加标题
展望：随着压缩感知技术的不断发展，未来有望在人工智能、物联网、无 人驾驶等领域发挥重要作用，为信号处理领域带来更多创新和突破。
应用：傅里叶逆变换在信号处理、图像处理等领域有着广泛的应用
逆变换的应用场景
信号处理：用于信号的滤波、去噪、压缩等 图像处理：用于图像的增强、去噪、边缘检测等 音频处理：用于音频的滤波、去噪、压缩等 通信系统：用于信号的调制、解调、编码、解码等
06
傅里叶变换的计算机实现
离散傅里叶变换（DFT）
傅里叶变换的分类
连续傅里叶变换：适用于连续信号，将信号分解为不同频率的正弦波
离散傅里叶变换：适用于离散信号，将信号分解为不同频率的正弦波
快速傅里叶变换：适用于快速计算傅里叶变换，通过FFT算法实现 短时傅里叶变换：适用于分析非平稳信号，将信号分解为不同频率的正弦 波，同时考虑时间因素
03
傅里叶变换的性质
04
傅里叶变换的应用
在信号处理中的应用
滤波器设计：设计滤波器以 消除或增强特定频率的信号
信号分解：将信号分解为不 同频率的谐波
信号压缩：通过傅里叶变换 进行信号压缩，减少数据量
信号分析：分析信号的频率 成分，了解信号的特性和变
化规律
在图像处理中的应用
傅里叶变换可以用于图像的平滑处理，去除噪声 傅里叶变换可以用于图像的锐化处理，增强图像的细节 傅里叶变换可以用于图像的频域滤波，去除图像中的特定频率成分 傅里叶变换可以用于图像的压缩和编码，减少图像的数据量
离散傅里叶变换及其快速计算方法(DFT、FFT) ppt课件
X (e jT
)e jnT d
T
2 T
取样定理
X (e jT )
x(nT )e jnT
n
1 T
X ( 0)
n
时域的离散化造成频域的周期延拓
时域的非周期对应于频域的连续
北京邮电大学信息与通信工程学院
8
3.1 问题的提出：傅里叶变换的四种形式 (5)
X (e jw ) x(n)e jnw n
（2）Z 变换 -- 提供任意序列的 z 域表示。
X (z) x(n)zn n
这两种变换有两个共同特征：
（1）变换适合于无限长序列 （2）它们是连续变量 ω 或 z 的函数
北京邮电大学信息与通信工程学院
3
3.1 问题的提出：可计算性
N 1
X (k ) x(n)WN kn
n0
x(n)
1 N
N 1
X (k )WN kn
k0
其中
j 2
WN e N
北京邮电大学信息与通信工程学院
22
DFS 定义：几点说明
在什么条件下不产生混迭失真？
X (k) X (e j ) |2 k N
北京邮电大学信息与通信工程学院
12
DFS 定义：预备知识
基本关系式 若 r，m 都是整数,则:
N N 1 j 2 k(r m )
eN
k0
0
rm rm
证明: 对于r=m：不论 k 取何值，显然等式成立。
对于r≠m：
e W N 1 j 2 k(rm) N
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
W
0 N
运算即可求出
所有8点X(k)的
W
1 N
值。
W
2 N
W
3 N
分解一次后所需的运算量＝2个N/2的DFT＋N/2蝶形
-
14
运算量比较
N点DFT的运算量
每次蝶形含一次复数
复数乘法次数： N2
乘和两次复数加
复数加法次数： N(N－1)
分解一次后所需的运算量＝2个N/2的DFT＋ N/2蝶形：
复数乘法次数： 2*(N/2)2+N/2=N2/2+N/2
-
3
4.2 直接计算DFT的问题及改进的途径
DFT的运算量 设复序列x(n) 长度为N点，其DFT为
N1
X(k) x(n)WNnk n0
k=0，，…，N-1
（1）计算一个X(k) 值的运算量
复数乘法次数： N
复数加法次数： N－1
（2）计算全部N个X(k) 值的运算量
复数乘法次数： N2
复数加法次数： N(N－1)
-
5
4.2.2 减少运算工作量的途径
主要原理是利用系数
W
nk N
的以下特性对DFT进行分解：
（1）周期性 W N (nN)kW N n(kN)W N nk
（2）对称性
(WNnk )
W nk N
W k(N n) N
（3）可约性
Wmnk mN
WNnk
WNnk WNnk/m/m
另外，
WNN/2 1
W(kN/2) N
复数加法次数： 2*(N/2)(N/2－1)+2*N/2=N2/2
通过一次分解后，运算工作量减少了差不多一半。
-
15
进一步按奇偶分解
由于N＝2M，因而N/2仍是偶数 ，可以进一步把每个N/2点 子序列再按其奇偶部分分解为两个N/4点的子序列。
以N/2点序列x1(r)为例 则有
x1x(12(l2 l)1 )x3x(4l()l)
N1
N1
2
2
x(2r)W N 2rk x(2r1)W N (2r1)k
r0
r0
N1
N1
2
2
x1(r)WN rkWNk x2(r)WN rk X1(k)W N kX2(k)
r0
2
r0
2
式中，X1(k)和X2(k)分别是x1(n)和x2(n)的N/2的DFT。
另外，式中k的取值范围是：0，1， …，N/2－1 。
学习目的
理论上理解FFT算法 自己能编写FFT算法
-
1
本章目录
直接计算DFT的问题及改进的途径 按时间抽取的基2-FFT算法 按频率抽取的基2-FFT算法 快速傅里叶逆变换(IFFT)算法 Matlab实现
-
2
4.1 引言
DFT在实际应用中很重要: 可以计算信号的频谱、功率 谱和线性卷积等。
10
由前半部分X(k)
X(k)X 1(k)W N kX 2(k)
k=0，1， …，N/2－1
因此可得后半部分X(k)
X (k N 2) X 1 (k N 2) W N k N 2 X 2 (k N 2)
X1(k)W N kX2(k)
W(N2k) N
WNk
k=0，1， …，N/2－1
-
11
结论：
N 21
x(2r)x1(r)
r =0，1，…，N 1
2
x(2r1)x2(r)
则
N1
X(k)D FT[x(n)] x(n)W N nk
n0
N1
N1
x(n)WNnk x(n)WNnk
n0 n为偶数
n0 n为奇数
-
8
N1
N1
X(k) x(n)W N nk x(n)W N nk
n0 n为 偶 数
n0 n为 奇 数
-
9
因此，X(k)X 1(k)W N kX 2(k)只能计算出X(k)的前一半值。
后一半X(k) 值， N/2 ， N/2 ＋1， …，N-1 ？
N
X1( 2
k)
N 21
x1(r)WNr(2N 2k)
r0
同理可得
N 21
x1(r)WNrk2 X 1 (k )
r 0
X2(N2 k)X2(k)
-
直接按DFT变换进行计算，当序列长度N很大时，计算
量非常大，所需时间会很长,实时处理难以实现。 1965年，图基和库利发表了《机器计算快速傅立叶级
数的一种算法》论文后，很快形成了快速计算DFT的计 算机算法FFT。（Fast Fourier Transform) FFT并不是一种与DFT不同的变换，而是DFT的一种快速 计算的算法。
-
12
新概念：蝶形运算
X(k)X 1(k)W N kX 2(k)
X(kN 2)X1(k)W N kX2(k)
蝶形运算 信号流图符号
X1(k) X2(k)
蝶形运算式
蝶形运算的运算量：每次蝶形含一次复数乘和两
次复数加
-
13
以8点为例第一次按奇偶分解
以N=8为例，
分解为2个4点
的DFT，然后
做8/2=4次蝶形
X1(k) x1(r)WNrk2 r0
因此，只要 求出2个N/2 点的DFT，即
N 21
X2(k) x2(r)WNrk2 r0
X1(k)和X2(k)，
再经过这种
运算就可求
X (k)X 1(k) W N kX 2(k)
出全部X(k)
的值
X(kN 2)X1(k)W N kX2(k)
k=0，1， …，N/2－1
WNk
-
6
4.3 按时间抽取的基2-FFT算法
算法原理
DIT-FFT(Decimation-In-Time)
按时间抽取基-2FFT算法与直接计算 DFT运算量的比较
按时间抽取的FFT算法的特点
按时间抽取FFT算法的其它形式流程图
-
7
4.3.1 算法原理
设N＝2M，将x(n)按 n 的奇偶分为两组：
-
4
DFT运算量的结论
N点DFT的复数乘法次数举例
N
N2
N
N2
2
4
64
4049
4
16
128
1536
16
256
512
262 144
32
1024
1024
1 048 576
结论：当N很大时，其运算量很大，对实时性很强的信号 处理来说，要求计算速度快，因此需要改进DFT的计算 方法，以大大减少运算次数。
l0,1, ,N1 4
N 21
X1(k)
r0
x1(r)WNrk2N4 1 x1(2l)W N 2l2kN4 1 x1(2l1)W N (22 l 1)k
l0
l0
N41
N41
x3(l)W N lk4W N k2 x4(l)W N lk4
l0
l0
X3(k)W N k/2X4(k) k=0,1,…, N 1
4
-
16
且
X1N 4kX3(k)W N k/2X4(k)
k=0,1,…,
N 4
1
由此可见，一个N/2点DFT可分解成两个N/4点DFT。 同理，也可对x2(n)进行同样的分解，求出X2(k)。
-
17
以8点为例第二次按奇偶分解