实验四 快速傅里叶变换(FFT)

快速傅立叶变换〔FFT〕算法试验一．试验目的1.加深对DFT 算法原理和根本性质的理解；2.生疏FFT 算法原理和FFT 子程序的应用；3.学习用FFT 对连续信号和时域信号进展谱分析的方法，了解可能消灭的分析误差及其缘由，以便在实际中正确应用FFT。

二．试验设备计算机，CCS 3.1 版软件，E300 试验箱，DSP 仿真器，导线三．根本原理1.离散傅立叶变换DFT 的定义：将时域的采样变换成频域的周期性离散函数，频域的采样也可以变换成时域的周期性离散函数，这样的变换称为离散傅立叶变换，简称DFT。

2.FFT 是DFT 的一种快速算法，将DFT 的N2 步运算削减为〔N/2〕logN 步，极大2的提高了运算的速度。

3.旋转因子的变化规律。

4.蝶形运算规律。

5.基2FFT 算法。

四．试验步骤1.E300 底板的开关SW4 的第1 位置ON，其余置OFF。

其余开关不用具体设置。

2.E300 板子上的SW7 开关的第1 位置OFF，其余位置ON3.阅读本试验所供给的样例子程序；4.运行CCS 软件，对样例程序进展跟踪，分析结果；记录必要的参数。

5.填写试验报告。

6.供给样例程序试验操作说明A.试验前预备用导线连接“Signal expansion Unit”中2 号孔接口“SIN”和“A/D 单元”的2 号孔接口“AD_IN0”。

〔试验承受的是外部的AD模块〕B.试验1.正确完成计算机、DSP 仿真器和试验箱的连接后，系统上电。

2.启动CCS3.1，Project/Open 翻开“algorithm\01_fft”子名目下“fft.pjt”工程文件；双击“fft.pjt”及“Source”可查看各源程序；加载“Debug\fft.out”；3.单击“Debug\Go main”进入到主程序，在主程序“flag=0；”处设置断点；4.单击“Debug \ Run”运行程序，或按F5 运行程序；程序将运行至断点处停顿；5.用View / Graph / Time/Frequency 翻开一个图形观看窗口；设置该观看图形窗口变量及参数；承受双踪观看在启始地址分别为px 和pz，长度为128，数值类型为16 位整型，p x：存放经A/D 转换后的输入信号；p z：对该信号进展FFT 变换的结果。

实验四应用快速傅里叶变换对信号进行频谱分析引言：频谱分析是信号处理领域中的重要技术之一，可以用于研究信号的频率特性和频域内的信号成分。

傅里叶变换是一种能将时域信号转换为频域信号的数学工具，通过将信号分解成一系列频率分量来分析信号。

快速傅里叶变换（FFT）是一种高效的计算傅里叶变换的方法，尤其适合实时信号处理。

实验目的：1.理解傅里叶变换在频谱分析中的应用；2.掌握使用FFT对信号进行频谱分析的方法；3.实现频谱分析并得出相应的频谱图。

实验器材和材料：1.信号源（例如信号发生器）；2.电脑或数字信号处理器（DSP）；3.音频线或数据线连接信号源和电脑或DSP。

实验步骤：1.确定实验所需信号源的类型和参数，例如正弦信号、方波信号或任意信号；2.连接信号源和电脑或DSP，确保信号源输出的信号能够被电脑或DSP接收；3. 在电脑或DSP上选择合适的软件或编程语言环境，例如MATLAB、Python或C；4.编写程序或命令以控制信号源产生相应的信号，并将信号输入到电脑或DSP中；5.读取信号，并使用FFT对信号进行傅里叶变换；6.分析得到的频谱数据，绘制频谱图；7.对得到的频谱图进行解读和分析。

实验注意事项：1.在选择信号源和连接电脑或DSP时，注意信号源的输出范围和电脑或DSP的输入范围，避免信号超出范围导致损坏设备；2.根据实际需要选择合适的采样率和采样点数，以保证能够对信号进行充分的频谱分析；3.在进行FFT计算时，注意选择适当的窗函数和重叠率，以克服频谱分析中的泄漏效应。

实验结果与讨论：通过对信号进行频谱分析，我们可以得到信号的频率特性和频域内的成分信息。

根据得到的频谱图，我们可以分析信号的主要频率分量、功率谱密度以及可能存在的干扰或噪声。

通过对频谱图的解读和分析，可以帮助我们理解信号的特征和变化规律，为后续的信号处理和应用提供有价值的信息。

结论：本实验通过应用快速傅里叶变换对信号进行频谱分析，从而得到信号在频域内的成分信息并绘制出频谱图。

快速傅立叶变换（FFT ）的实现一、实验目的1.了解FFT 的原理及算法；2.了解DSP 中FFT 的设计及编程方法；3.熟悉FFT 的调试方法；二、实验原理FFT 是一种高效实现离散付立叶变换的算法，把信号从时域变换到频域，在频域分析处理信息。

对于长度为N 的有限长序列x (n )，它的离散傅里叶变换为：(2/)j N nk N W e π-=，称为旋转因子，或蝶形因子。

在x (n )为复数序列的情况下，计算X (k )：对某个k 值，需要N 次复数乘法、(N -1)次复数加法；对所有N 个k 值，需要2N 次复数乘法和N (N -1)次复数加法。

对于N 相当大时（如1024）来说，直接计算它的DFT 所作的计算量是很大的，FFT 的基本思想在于： 利用2()j nk N N W e π-=的周期性即：k N k N N W W +=对称性：/2k k N N N W W +=-将原有的N 点序列分成两个较短的序列，这些序列的DFT 可以很简单的组合起来得到原序列的DFT 。

按时间抽取的FFT ——DIT FFT 信号流图如图5.1所示：图5.1 时间抽取的FFT —DIT FFT 信号流图FFT 算法主要分为以下四步。

第一步 输入数据的组合和位倒序∑=-=10)()(N n nk N W n x k X把输入序列作位倒序是为了在整个运算最后的输出中得到的序列是自然顺序。

第二步 实现N 点复数FFT第一级蝶形运算；第二级蝶形运算；第三级至log2N 级蝶形运算；FFT 运算中的旋转因子N W 是一个复数，可表示：为了实现旋转因子N W 的运算，在存储空间分别建立正弦表和余弦表，每个表对应从0度到180度，采用循环寻址来对正弦表和余弦表进行寻址。

第三步 功率谱的计算X (k )是由实部()R X k 和虚部()I X k 组成的复数：()()()R I X k X k jX k =+；计算功率谱时只需将FFT 变换好的数据，按照实部()R X k 和虚部()I X k 求它们的平方和，然后对平方和进行开平方运算。

快速傅⾥叶变换（含详细实验过程分析）[实验2] 快速傅⾥叶变换 (FFT) 实现⼀、实验⽬的1、掌握FFT 算法和卷积运算的基本原理；2、掌握⽤C 语⾔编写DSP 程序的⽅法；3、了解利⽤FFT 算法在数字信号处理中的应⽤。

⼆、实验设备 1. ⼀台装有CCS 软件的计算机； 2. DSP 实验箱的TMS320C5410主控板； 3. DSP 硬件仿真器。

三、实验原理（⼀）快速傅⾥叶变换傅⾥叶变换是⼀种将信号从时域变换到频域的变换形式，是信号处理的重要分析⼯具。

离散傅⾥叶变换（DFT ）是傅⾥叶变换在离散系统中的表⽰形式。

但是DFT 的计算量⾮常⼤， FFT 就是DFT 的⼀种快速算法, FFT 将DFT 的N 2步运算减少⾄ ( N/2 )log 2N 步。

离散信号x(n)的傅⾥叶变换可以表⽰为∑=-=10][)(N N nk N W n x k X ， Nj N e W /2π-=式中的W N 称为蝶形因⼦，利⽤它的对称性和周期性可以减少运算量。

⼀般⽽⾔，FFT 算法分为时间抽取（DIT ）和频率抽取（DIF ）两⼤类。

两者的区别是蝶形因⼦出现的位置不同，前者中蝶形因⼦出现在输⼊端，后者中出现在输出端。

本实验以时间抽取⽅法为例。

时间抽取FFT 是将N 点输⼊序列x(n) 按照偶数项和奇数项分解为偶序列和奇序列。

偶序列为：x(0), x(2), x(4),…, x(N-2)；奇序列为：x(1), x(3), x(5),…, x(N-1)。

这样x(n) 的N 点DFT 可写成：()()∑++∑=-=+-=12/0)12(12/02122)(N n kn NN n nkNW n x Wn x k X考虑到W N 的性质，即2/)2//(22/)2(2][N N j N j N W e e W ===--ππ因此有：()()∑++∑=-=-=12/02/12/02/122)(N n nkN k NN n nkN W n x WWn x k X或者写成：()()12()kN X k X k W X k =+由于X 1(k) 与X 2(k) 的周期为N/2，并且利⽤W N 的对称性和周期性，即：kNNkNWW-=+2/可得：()()12(/2)kNX k N X k W X k+=-对X1(k) 与X2(k)继续以同样的⽅式分解下去，就可以使⼀个N点的DFT最终⽤⼀组2点的DFT来计算。

算法验证原理:为了验证该 FFT 的频谱分析能力,故对一段合成信号进行 FFT 。

方波的傅里叶级数展开公式如下:根据以上公式各次谐波与基波之间的谐波频率与谐波幅度的关系, 我们可以使用 sin 函数合成任意次的方波。

这里,我们选取三次谐波合成方波。

以下是例程中的合成三次谐波信号:Input[i]=sin(2*pi*5*i/(NL-1+sin(2*pi*i*5*3/(NL-1/3+sin(2*pi*i*5*5/(NL-1/5;基波角频率 =2*pi*5, NL 为将连续信号离散化的点数,在2π的周期上均匀分割为 NL 个离散点。

这一步代替了 AD 采样的功能。

离散点存放在数组 Input[i]里面,长度为 NL 。

例程里面 NL=256。

加载程序并运行,点击 view->Graph->Time/Frequency,设置如下:点击 OK ,出现如下图所示的波形:这是合成信号的时域波形, 根据吉布斯效应,如果谐次增加, 高电平两个尖峰之间的震荡幅度将会减小变密,但是两边的尖峰不会削减。

接着我们设置如下:点击 OK ,我们将看到如下波形:上图为对该合成信号的 256点 FFT 频谱图,在三个频率分量处有幅度分布。

由于 FFT 是在2π上的分析, 而且将复数进行了取模运算, 所以频谱图是关于π(采样值为点 127的对称图形。

将鼠标点击到尖峰处,分别得到点数与幅度的值为:第一尖峰:(5, 0.99 第二尖峰:(15, 0.32 , 第三尖峰:(25, 0.19 。

采样点数关系为 5,15,25,满足 1:3:5的频率关系;量化的幅度关系为 0.99:0.32:0.19,满足 1:1/3:1/5的谐波幅度关系。

因此,该 FFT 算法能够准确的对信号进行频谱计算。

FFT算法分析实验实验报告一、实验目的快速傅里叶变换（Fast Fourier Transform，FFT）是数字信号处理中一种非常重要的算法。

本次实验的目的在于深入理解 FFT 算法的基本原理、性能特点，并通过实际编程实现和实验数据分析，掌握 FFT 算法在频谱分析中的应用。

二、实验原理FFT 算法是离散傅里叶变换（Discrete Fourier Transform，DFT）的快速计算方法。

DFT 的定义为：对于长度为 N 的序列 x(n)，其 DFT 为X(k) ＝∑n=0 到 N-1 x(n) e^（j 2π k n ／ N) ，其中 j 为虚数单位。

FFT 算法基于分治法的思想，将 N 点 DFT 分解为多个较小规模的DFT，从而大大减少了计算量。

常见的 FFT 算法有基 2 算法、基 4 算法等。

三、实验环境本次实验使用的编程语言为 Python，主要依赖 numpy 库来实现 FFT 计算和相关的数据处理。

四、实验步骤1、生成测试信号首先，生成一个包含不同频率成分的正弦波叠加信号，例如100Hz、200Hz 和 300Hz 的正弦波。

设定采样频率为 1000Hz，采样时间为 1 秒，以获取足够的采样点进行分析。

2、进行 FFT 计算使用 numpy 库中的 fft 函数对生成的测试信号进行 FFT 变换。

3、频谱分析计算 FFT 结果的幅度谱和相位谱。

通过幅度谱确定信号中各个频率成分的强度。

4、误差分析与理论上的频率成分进行对比，计算误差。

五、实验结果与分析1、幅度谱分析观察到在 100Hz、200Hz 和 300Hz 附近出现明显的峰值，对应于生成信号中的频率成分。

峰值的大小反映了相应频率成分的强度。

2、相位谱分析相位谱显示了各个频率成分的相位信息。

3、误差分析计算得到的频率与理论值相比，存在一定的误差，但在可接受范围内。

误差主要来源于采样过程中的量化误差以及 FFT 算法本身的近似处理。

一、实验目的1在理论学习的基础上，通过本实验加深对快速傅立叶变换的理解；2熟悉并掌握按时间抽取FFT算法的程序；3了解应用FFT进行信号频谱分析过程中可能出现的问题，例如混淆、泄漏、栅栏效应等，以便在实际中正确应用FFT。

二、实验内容1仔细分析教材第六章‘时间抽取法FFT’的算法结构，编制出相应的用FFT 进行信号分析的C语言（或MATLAB语言）程序；用MATLAB语言编写的FFT源程序如下：%%输入数据f、N、T及是否补零clc;clear;f=input('输入信号频率f：');N=input('输入采样点数N：');T=input('输入采样间隔T：');C=input('信号是否补零（补零输入1，不补零输入0）：');%补零则输入1，不补则输入0if(C==0)t=0:T:(N-1)*T;x=sin(2*pi*f*t);b=0;e lseb=input('输入补零的个数：');while(log2(N+b)~=fix(log2(N+b)))b=input('输入错误，请重新输入补零的个数：');endt=0:T:(N+b-1)*T;x=sin(2*pi*f*t).*(t<=(N-1)*T);end%%fft算法的实现A=bitrevorder(x);%将序列按二进制倒序N=N+b;M=log2(N);%M为蝶形算法的层数W=exp(-j*2*pi/N);for L=1:1:M%第L层蝶形算法B=2^L/2;%B为每层蝶形算法进行加减运算的两个数的间隔K=N/(2^L);%K为每层蝶形算法中独立模块的个数for k=0:1:K-1for J=0:1:B-1p=J*2^(M-L);%p是W的指数q=A(k*2^L+J+1);%用q来代替运算前面那个数A(k*2^L+J+1)=q+W^p*A(k*2^L+J+B+1);A(k*2^L+J+B+1)=q-W^p*A(k*2^L+J+B+1);endendend%%画模特性的频谱图z=abs(A);%取模z=z./max(z);%归一化hold onsubplot(2,1,1);stem(0:1:N-1,x,'DisplayName','z');title('时域信号');subplot(2,1,2);stem(0:1:N-1,z,'DisplayName','z');title('频谱图');figure(gcf)%画图2用FFT 程序计算有限长度正弦信号()sin(2),0*y t f t t N Tπ=≤<分别在以下情况下所得的DFT 结果并进行分析和讨论：a ）信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.000625sb ）信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.005sT=0.0046875sc）信号频率f＝50Hz，采样点数N=32,采样间隔051015202530350510152025303505101520253035 e）信号频率f＝50Hz，采样点数N=64,采样间隔T=0.000625sg）将c）信号后补32个0，做64点FFT三、实验分析DFT是对有限序列做傅里叶变换后在频域上进行采样，而相对应的时域以频谱上的采样频率的倒数进行周期拓展。

fft实验分析实验报告FFT实验分析实验报告一、引言傅里叶变换（Fourier Transform）是一种重要的信号分析工具，它能够将一个信号分解成不同频率的成分。

快速傅里叶变换（Fast Fourier Transform，FFT）是一种高效的计算傅里叶变换的算法。

本实验旨在通过实际操作，探究FFT在信号分析中的应用。

二、实验设备与方法1. 实验设备：本实验使用的设备包括示波器、信号发生器和计算机。

2. 实验方法：（1）将信号发生器的输出接入示波器的输入端。

（2）调节信号发生器的参数，如频率、振幅等，产生不同的信号。

（3）通过示波器观察信号的波形，并记录相关数据。

（4）将示波器与计算机通过USB接口连接，将示波器上的数据传输到计算机上。

（5）使用计算机上的软件进行FFT分析，得到信号的频谱信息。

三、实验结果与分析1. 实验一：正弦波信号的FFT分析（1）设置信号发生器的频率为1000Hz，振幅为5V，产生一段正弦波信号。

（2）通过示波器观察信号的波形，并记录相关数据。

（3）将示波器上的数据传输到计算机上，进行FFT分析。

实验结果显示，正弦波信号的频谱图呈现出单个峰值，且峰值位于1000Hz处。

这说明FFT能够准确地分析出信号的频率成分，并将其可视化展示。

2. 实验二：方波信号的FFT分析（1）设置信号发生器的频率为500Hz，振幅为5V，产生一段方波信号。

（2）通过示波器观察信号的波形，并记录相关数据。

（3）将示波器上的数据传输到计算机上，进行FFT分析。

实验结果显示，方波信号的频谱图呈现出多个峰值，且峰值位于500Hz的倍数处。

这说明方波信号由多个频率成分叠加而成，FFT能够将其分解出来，并显示出各个频率成分的强度。

3. 实验三：复杂信号的FFT分析（1）设置信号发生器的频率为100Hz和200Hz，振幅分别为3V和5V，产生一段复杂信号。

（2）通过示波器观察信号的波形，并记录相关数据。

（3）将示波器上的数据传输到计算机上，进行FFT分析。

数字信号处理_快速傅里叶变换FFT实验报告快速傅里叶变换(FFT)实验报告1. 引言数字信号处理是一门研究如何对数字信号进行处理、分析和提取信息的学科。

傅里叶变换是数字信号处理中常用的一种方法，可以将信号从时域转换到频域。

而快速傅里叶变换(FFT)是一种高效的计算傅里叶变换的算法，广泛应用于信号处理、图象处理、通信等领域。

2. 实验目的本实验旨在通过编写程序实现快速傅里叶变换算法，并对不同信号进行频谱分析。

3. 实验原理快速傅里叶变换是一种基于分治策略的算法，通过将一个N点离散傅里叶变换(DFT)分解为多个较小规模的DFT，从而实现高效的计算。

具体步骤如下： - 如果N=1，直接计算DFT；- 如果N>1，将输入序列分为偶数和奇数两部份，分别计算两部份的DFT；- 将两部份的DFT合并为整体的DFT。

4. 实验步骤此处以C语言为例，给出实验的具体步骤：(1) 定义输入信号数组和输出频谱数组；(2) 实现快速傅里叶变换算法的函数，输入参数为输入信号数组和输出频谱数组；(3) 在主函数中调用快速傅里叶变换函数，得到输出频谱数组；(4) 对输出频谱数组进行可视化处理，如绘制频谱图。

5. 实验结果与分析为了验证快速傅里叶变换算法的正确性和有效性，我们设计了以下实验：(1) 生成一个正弦信号，频率为100Hz，采样频率为1000Hz，时长为1秒；(2) 对生成的正弦信号进行快速傅里叶变换，并绘制频谱图；(3) 生成一个方波信号，频率为200Hz，采样频率为1000Hz，时长为1秒；(4) 对生成的方波信号进行快速傅里叶变换，并绘制频谱图。

实验结果显示，对于正弦信号，频谱图中存在一个峰值，位于100Hz处，且幅度较大；对于方波信号，频谱图中存在多个峰值，分别位于200Hz的奇数倍处，且幅度较小。

这与我们的预期相符，说明快速傅里叶变换算法能够正确地提取信号的频谱信息。

6. 实验总结通过本次实验，我们成功实现了快速傅里叶变换算法，并对不同信号进行了频谱分析。

实验四快速傅立叶变换(FFT)算法一．实验目的1．掌握用窗函数法设计FFT 快速傅里叶的原理和方法；2．熟悉FFT 快速傅里叶特性；3．了解各种窗函数对快速傅里叶特性的影响。

二．实验设备PC 兼容机一台操作系统为Windows2000(或Windows98，WindowsXP，以下默认为Windows2000)安装Code Composer Studio 3.1 软件三．实验原理1．FFT 的原理和参数生成公式：公式（1）FFT 运算公式FFT 并不是一种新的变换，它是离散傅立叶变换（DFT）的一种快速算法。

由于我们在计算DFT 时一次复数乘法需用四次实数乘法和二次实数加法；一次复数加法则需二次实数加法。

每运算一个X（k）需要4N 次复数乘法及2N+2（N-1）=2（2N-1）次实数加法。

所以整个DFT运算总共需要4N^2 次实数乘法和N*2(2N-1)=2N(2N-1)次实数加法。

如此一来，计算时乘法次数和加法次数都是和N^2 成正比的，当N 很大时，运算量是可观的，因而需要改进对DFT 的算法减少运算速度。

根据傅立叶变换的对称性和周期性，我们可以将DFT 运算中有些项合并。

我们先设序列长度为N=2^L，L 为整数。

将N=2^L 的序列x(n)(n=0,1,……，N-1)，按N 的奇偶分成两组，也就是说我们将一个N 点的DFT 分解成两个N/2 点的DFT，他们又重新组合成一个如下式所表达的N 点DFT：一般来说，输入被假定为连续的。

当输入为纯粹的实数的时候，我们就可以利用左右对称的特性更好的计算DFT。

我们称这样的RFFT 优化算法是包装算法：首先2N 点实数的连续输入称为“进包”。

其次N 点的FFT 被连续运行。

最后作为结果产生的N 点的合成输出是“打开”成为最初的DFT 相符合的2N 点输入。

使用这一思想，我们可以划分FFT 的大小，它有一半花费在包装输入O（N）的操作和打开输出上。

这样的RFFT 算法和一般的FFT 算法同样迅速，计算速度几乎都达到了两次DFT的连续输入。

FFT 快速傅里叶变换(Fast Fourier Transform) 是一种用于快速计算傅里叶变换的算法，是在傅里叶变换的基础上发展而来的。

FFT 算法被广泛应用于数字信号处理、图像处理、声音处理、卷积操作、解析几何等领域，它的高效性和实时性使得它成为了当今计算机科学领域不可或缺的一部分。

一、傅里叶变换简介傅里叶变换是将一个时域信号转换为频域信号的过程，其公式如下：$F(\omega)=\int_{-\infty}^{\infty}f(t)e^{-i\omega t}dt$其中，$f(t)$ 表示时域信号，$F(\omega)$ 表示频域信号，$\omega$ 表示角频率。

傅里叶变换可以分为连续傅里叶变换和离散傅里叶变换两种。

连续傅里叶变换仅适用于连续信号，而离散傅里叶变换适用于离散信号。

二、离散傅里叶变换离散傅里叶变换是一种将离散信号变换为频域信号的方法，其公式如下：$X_k=\sum_{n=0}^{N-1}x_n e^{-\frac{2\pi i}{N}kn},k=0,1,...,N-1$其中，$x_n(n=0,1,...,N-1)$ 表示原始离散信号，$X_k(k=0,1,...,N-1)$ 表示变换后的频域信号。

但是，使用该公式直接计算离散傅里叶变换的时间复杂度为$O(N^2)$，计算效率低下。

三、FFT 快速傅里叶变换FFT 快速傅里叶变换是一种基于DFT 离散傅里叶变换的高效算法，它的时间复杂度可以达到$O(NlogN)$，较之直接计算DFT 的时间复杂度要低得多。

FFT 算法的基本思想是将 DFT 分治成多个较小的 DFT，并利用其重复性降低运算次数。

1.蝴蝶运算蝴蝶运算是 FFT 算法的基本运算，通过它可以将 DFT 的计算复杂度降低为 $O(N)$。

蝴蝶运算的实质是将两个相邻点之间的信号进行乘法和加法运算，其公式如下：$X_k=X_{k1}+W_{N}^kX_{k2},X_{k+N/2}=X_{k1}-W_{N}^kX_{k2}$其中，$X_{k1}$ 表示 $X_k$ 中偶数项，$X_{k2}$ 表示 $X_k$ 中奇数项，$W_N$ 是DFT 的核函数。

[实验2] 快速傅里叶变换 (FFT) 实现一、实验目的1、掌握FFT 算法和卷积运算的基本原理；2、掌握用C 语言编写DSP 程序的方法；3、了解利用FFT 算法在数字信号处理中的应用。

二、实验设备 1. 一台装有CCS 软件的计算机； 2. DSP 实验箱的TMS320C5410主控板； 3. DSP 硬件仿真器。

三、实验原理 （一）快速傅里叶变换傅里叶变换是一种将信号从时域变换到频域的变换形式，是信号处理的重要分析工具。

离散傅里叶变换（DFT ）是傅里叶变换在离散系统中的表示形式。

但是DFT 的计算量非常大， FFT 就是DFT 的一种快速算法, FFT 将DFT 的N 2步运算减少至 ( N/2 )log 2N 步。

离散信号x(n)的傅里叶变换可以表示为∑=-=10][)(N N nk N W n x k X ， Nj N e W /2π-=式中的W N 称为蝶形因子，利用它的对称性和周期性可以减少运算量。

一般而言，FFT 算法分为时间抽取（DIT ）和频率抽取（DIF ）两大类。

两者的区别是蝶形因子出现的位置不同，前者中蝶形因子出现在输入端，后者中出现在输出端。

本实验以时间抽取方法为例。

时间抽取FFT 是将N 点输入序列x(n) 按照偶数项和奇数项分解为偶序列和奇序列。

偶序列为：x(0), x(2), x(4),…, x(N-2)；奇序列为：x(1), x(3), x(5),…, x(N-1)。

这样x(n) 的N 点DFT 可写成：()()∑++∑=-=+-=12/0)12(12/02122)(N n kn NN n nkNW n x Wn x k X考虑到W N 的性质，即2/)2//(22/)2(2][N N j N j N W e e W ===--ππ因此有：()()∑++∑=-=-=12/02/12/02/122)(N n nkN k NN n nkN W n x WWn x k X或者写成：()()12()kN X k X k W X k =+由于X 1(k) 与X 2(k) 的周期为N/2，并且利用W N 的对称性和周期性，即：kNNkNWW-=+2/可得：()()12(/2)kNX k N X k W X k+=-对X1(k) 与X2(k)继续以同样的方式分解下去，就可以使一个N点的DFT最终用一组2点的DFT来计算。

快速傅立叶变换(FFT)算法实验摘要：FFT（Fast Fourier Transformation），即为快速傅里叶变换，是离散傅里叶变换的快速算法，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。

这种算法大大减少了变换中的运算量，使得其在数字信号处理中有了广泛的运用。

本实验主要要求掌握在CCS环境下用窗函数法设计FFT快速傅里叶的原理和方法；并且熟悉FFT快速傅里叶特性；以及通过本次试验了解各种窗函数对快速傅里叶特性的影响等。

引言：快速傅里叶变换FFT是离散傅里叶变换DFT的一种快速算法。

起初DFT的计算在数字信号处理中就非常有用，但由于计算量太大，即使采用计算机也很难对问题进行实时处理，所以并没有得到真正的运用。

1965年J.W.库利和T.W.图基提出快速傅里叶变换，采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少,特别是被变换的抽样点数N越多,FFT算法计算量的节省就越显著。

从此，对快速傅里叶变换（FFT）算法的研究便不断深入，数字信号处理这门新兴学科也随FFT的出现和发展而迅速发展。

根据对序列分解与选取方法的不同而产生了FFT的多种算法，基本算法是基2DIT和基2DIF。

FFT 的出现，使信号分析从时域分析向频域分析成为可能，极大地推动了信号分析在各领域的实际应用。

FFT在离散傅里叶反变换、线性卷积和线性相关等方面也有重要应用。

一、 实验原理：FFT 并不是一种新的变换，它是离散傅立叶变换（DFT ）的一种快速算法。

由于我们在计算DFT 时一次复数乘法需用四次实数乘法和二次实数加法；一次复数加法则需二次实数加法。

每运算一个X （k ）需要4N 次复数乘法及2N+2（N-1）=2（2N-1）次实数加法。

所以整个DFT 运算总共需要4N^2次实数乘法和N*2(2N-1)=2N(2N-1)次实数加法。

如此一来，计算时乘法次数和加法次数都是和N^2成正比的，当N 很大时，运算量是可观的，因而需要改进对DFT 的算法减少运算速度。

快速傅里叶变换实验报告机械34班 攀 2013010558一、 基本信号（函数）的FFT 变换1. 000()sin()sin 2cos36x t t t t πωωω=+++ 1) 采样频率08s f f =，截断长度N=16；取02ωπ=rad/s ，则0f =1Hz ，s f =8Hz ，频率分辨率f ∆=s f f N∆==0.5Hz 。

最高频率c f =30f =3Hz ，s f >2c f ，故满足采样定理，不会发生混叠现象。

截断长度02T T =，整周期截取，不会发生栅栏效应。

理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。

频谱图如下：幅值误差0A ∆=，相位误差0ϕ∆=。

2) 采样频率08s f f =，截断长度N=32；取02ωπ=rad/s ，则0f =1Hz ，s f =8Hz ，频率分辨率f ∆=s f f N∆==0.25Hz 。

最高频率c f =30f =3Hz ，s f >2c f ，故满足采样定理，不会发生混叠现象。

截断长度04T T =，整周期截取，不会发生栅栏效应。

理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。

频谱图如下：幅值误差0A ∆=，相位误差0ϕ∆=。

2. 00()sin()sin116x t t t πωω=++ 1) 采样频率08s f f =，截断长度N=16；取02ωπ=rad/s ，则0f =1Hz ，s f =8Hz ，频率分辨率f ∆=s f f N∆==0.5Hz 。

最高频率c f =110f =11Hz ，s f <2c f ，故不满足采样定理，会发生混叠现象。

截断长度02T T =，整周期截取，不会发生栅栏效应。

理论上有一定的泄漏，但在整周期 截取的情况下，旁瓣上的采样都约为 0，泄漏现象没有体现出来。

频谱图：由上图可以看出，并未体现出110f 的成分，说明波形出现混叠失真。

实验四：DFS 、DFT 与FFT1、已知某周期序列的主值序列为x(n)=[0,1,2,3,2,1,0]，编程显示2个周期的序列波形。

要求：① 用傅里叶级数求信号的幅度谱和相位谱，并画出图形 ② 求傅里叶级数逆变换的图形，并与原序列进行比较 程序清单： N=7;xn=[0,1,2,3,2,1,0]; xn=[xn,xn]; n=0:2*N-1; k=0:2*N-1;Xk=xn*exp(-1i*2*pi/N).^(n'*k); x=(Xk*exp(1i*2*pi/N).^(n'*k))/N; subplot(2,2,1);stem(n,xn);title('x(n)');axis([-1,2*N,1.1*min(xn),1.1*max(xn)]); subplot(2,2,2);stem(n,abs(x));title('IDFS|X(k)|');axis([-1,2*N,1.1*min(x),1.1*max(x)]); subplot(2,2,3),stem(k,abs(Xk));title('|X(k)|');axis([-1,2*N,1.1*min(abs(Xk)),1.1*max(abs(Xk))]); subplot(2,2,4),stem(k,angle(Xk));title('arg|X(k)|');axis([-1,2*N,1.1*min(angle(Xk)),1.1*max(angle(Xk)]);程序运行结果如下图：课程名称：数字信号处理 实验成绩：指导教师：实 验 报 告院系： 信息工程学院 班级： 学号： 姓名：日期： 2011. 10.300510123x(n)0510510IDFS|X (k)|51051015|X (k)|510-2-1012arg|X (k)|2、已知有限长序列x(n)=[1,0.5,0,0.5,1,1,0.5,0]，要求： ① 求该序列的DFT 、IDFT 的图形； 程序清单：xn=[1,0.5,0,0.5,1,1,0.5,0]; N=length(xn); n=0:N-1;k=0:N-1;Xk=xn*exp(-1i*2*pi/N).^(n'*k); x=(Xk*exp(1i*2*pi/N).^(n'*k))/N; subplot(2,2,1);stem(n,xn);title('x(n)');axis([-1,N,1.1*min(xn),1.1*max(xn)]); subplot(2,2,2);stem(n,abs(x));title('IDFT|X(k)|');axis([-1,N,1.1*min(x),1.1*max(x)]); subplot(2,2,3),stem(k,abs(Xk));title('|X(k)|');axis([-1,N,1.1*min(abs(Xk)),1.1*max(abs(Xk))]); subplot(2,2,4),stem(k,angle(Xk));title('arg|X(k)|');axis([-1,N,1.1*min(angle(Xk)),1.1*max(angle(Xk))]);程序运行结果如下图：024680.51x(n)024680.51IDFT|X (k)|24681234|X (k)|2468-2-1012arg|X (k)|② 用FFT 算法求该序列的DFT 、IDFT 的图形； 程序清单：xn=[1,0.5,0,0.5,1,1,0.5,0]; N=length(xn);subplot(2,2,1);stem(n,xn); title('x(n)'); k=0:N-1;Xk=fft(xn,N);subplot(2,1,2);stem(k,abs(Xk)); title('Xk=DFT(xn)'); xn1=ifft(Xk,N);subplot(2,2,2);stem(n,xn1);title('x(n)=IDFT(Xk) 程序运行结果如下图：246800.20.40.60.81x(n)1234567012345X k=DFT(xn)246800.20.40.60.81x(n)=IDFT(X k)③ 假定采用频率Fs=20Hz ，序列长度N 分别取8、32和64，用FFT 计算其幅度谱和相位谱。

实验四 快速傅里叶变换（FFT ）4.1实验目的1）加深对快速傅里叶变换（FFT ）基本理论的理解；2）了解使用快速傅里叶变换（FFT ）计算有限长序列和无限长序列信号频谱的方法；3）掌握用MATLAB 语言进行快速傅里叶变换时常用的子函数。

4.2实验原理1）用MATLAB 提供的子函数进行快速傅里叶变换从理论学习可知，DFT 是唯一在时域和频域均为离散序列的变换方法，它适用于有限长序列。

尽管这种变换方法是可以用于数值计算的，但如果只是简单的按照定义进行数据处理，当序列长度很大时，则将占用很大的内存空间，运算时间将很长。

快速傅里叶变换是用于DFT 运算的高效运算方法的统称，FFT 只是其中的一种。

FFT 主要有时域抽取算法和频域抽取算法，基本思想是将一个长度为N 的序列分解成多个短序列，如基2算法、基4算法等，大大缩短了运算的时间。

MATLAB 中提供了进行快速傅里叶变换（FFT ）的子函数，用fft 计算DFT ，用ifft 计算IDFT 。

2）用FFT 计算有限长序列的频谱基本概念：一个序号从1n 到2n 的时域有限长序列()x n ，它的频谱()j X e ω定义为它的离散时间傅里叶变换，且在奈奎斯特（Nyquist ）频率范围内有界并连续。

序列的长度为N ，则211N n n =−+。

计算()x n 的离散傅里叶变换（DFT ）得到的是()j X e ω的N 个样本点()k j X e ω。

其中数字频率为k 2πω()d ωk k N== 式中：d ω为数字频率的分辨率；k 取对应－(N －1)/2到(N －1)/2区间的整数。

在实际使用中，往往要求计算出信号以模拟频率为横坐标的频谱，此时对应的模拟频率为s s 2π2πΩω/T ()()T k k k k kD N L==== 式中：D 为模拟频率的分辨率或频率间隔；T s 为采样信号的周期，Ts ＝1/Fs ；定义信号时域长度L ＝N T s 。

快速傅里叶变换实验报告一、实验目的（一）加深对几个特殊概念的理解：“采样”——“混叠”；“窗函数”（截断）——“泄漏”；非整周期截取”——“栅栏”。

（二）加深理解如何才能避免“混叠”，减少“泄漏”，防止“栅栏”的方法和措施以及估计这些因素对频谱的影响。

（三）对利用通用微型计算机及相应的FFT 软件，实现频谱分析有一个初步的了解。

二、实验原理为了实现信号的数字化处理，利用计算机进行频谱分析——计算信号的频谱。

由于计算机只能进行有限的离散计算（即DFT ），因此就要对连续的模拟信号进行采样和截断。

而这两个处理过程可能引起信号频谱的畸变，从而使DFT 的计算机过于信号的实际频谱有误差。

有时由于采样和截断的处理不当，使计算出来的频谱完全失真。

因此在时域处理信号时要格外小心。

在信号数字化处理中应十分注意以下几点：（一）为了避免“混叠”，要求在采样时必须满足采样定理。

（二）为了减少“泄漏”，应适当增加截断长度和选择合适的窗。

（三）对信号进行整周期截取，则能消除“栅栏效应”。

（四）增加截断长度，则可提高频率分辨率。

三、实验内容及步骤（一）基本信号的FFT 变换1、()000sin(sin 2cos36x t w t w t w t π=+++第1组：采样频率,截断长度N=1608s f f =程序清单：n=16;%截取长度multi=8;%采样频率倍数x=0;%初始化向量，维数待定w0=2*pi;%设定基准频率for var=1:1:nx(var)=sin(w0/multi*(var-1)+pi/6)+sin(2*w0/multi*(var-1))+cos(3*w0/multi*(var-1));endy=fft(x);y=fftshift(y);ang=angle(y)/pi*180;altitude=abs(y)/n;var=1:1:n;subplot(1,2,1);bar(var,altitude,0.3);title('幅频图');xlabel('w');ylabel('幅值');subplot(1,2,2);bar(var,ang,0.3);colormap ([0 1 1]);title('相频图');xlabel('w');ylabel('相位');ang =Columns 1 through 80 -24.1998 0.0000 -155.8595 90.0000 81.2485 60.0000 157.9674 Columns 9 through 16180.0000 -157.9674 -60.0000 -81.2485 -90.0000 155.8595 -0.0000 24.1998altitude=Columns 1 through 80.0000 0.0000 0.5000 0.0000 0.5000 0.0000 0.5000 0.0000 Columns 9 through 160.0000 0.0000 0.5000 0.0000 0.5000 0.0000 0.5000 0.0000分析：1、频率分辨率是00.5sf f Nδ==2、x(t)的信号频率成分中的最高频率，满足采样定理，所以DFT 结果没有频率032sf f <混叠现象。