www.radartutorial.eu www.radartutorial.eu 雷达技术基础

快速傅里叶变换(FFT)

图 1:基波(黄色)与三次谐波(青色)叠加后, 已经形成近似方波的信号(红色)。

图 2:加入五次谐波后,合成信号进一步接近方波。

图 3:由基波和谐波合成的方波信号的频谱

图 1:基波(黄色)与三次谐波(青色)叠加后, 已经形成近似方波的信号(红色)。

图 2:加入五次谐波后,合成信号进一步接近方波。

图 3:由基波和谐波合成的方波信号的频谱

图 1:基波(黄色)与三次谐波(青色)叠加后, 已经形成近似方波的信号(红色)。


 

图 2:加入五次谐波后,合成信号进一步接近方波。


 

图 3:由基波和谐波合成的方波信号的频谱

快速傅里叶变换(FFT)

傅里叶分析的基础由法国数学家让-巴蒂斯特·约瑟夫·傅里叶建立, 并于1822年在其著作 Théorie analytique de la chaleur(《热的解析理论》)中发表。 在雷达信号处理中,需要分析接收到的回波信号的幅度和相位等信息。 例如,可以根据连续回波信号的相位变化确定 多普勒频率。 为此,可以利用傅里叶变换将按时间采集的信号值转换到频域。

傅里叶变换已成为信号处理中的一种基本方法, 因为雷达回波的信号波形包含大量信息。 通过傅里叶变换,可以将这些信息转换为频域表示, 以便进行后续的计算机处理。

傅里叶变换是一种数学方法,可以将信号分解为不同的频率分量。 这些频率分量可以用具有不同频率、相位和幅度的正弦函数与余弦函数来描述。 对于数字采样信号,通常采用离散傅里叶变换(DFT)。 快速傅里叶变换(FFT)是一种高效计算DFT的算法。

旁边的一组图通过傅里叶级数说明,周期性方波信号可以由基波及其奇次谐波叠加来近似表示。 随着更多适当的谐波加入,合成信号的波形将越来越接近方波。 信号的频谱可以整理成包含频率和幅度信息的表格。 这种数据形式非常适合后续的计算机处理。

为了高效计算DFT,人们开发了多种FFT算法, 例如Cooley–Tukey算法 和Sande–Tukey算法。 在某些实现方式中,还需要使用所谓的位反转(Bit-Reversing)方法重新排列数据。 另一个应用实例是快速卷积。 在这种方法中,不直接在 时域 对两个信号进行卷积,而是先将它们变换到 频域, 在频域中相乘,然后再变换回时域。 这种方法可以显著减少计算量。

当采样点数较多时,直接计算DFT需要大量的计算操作。 快速傅里叶变换是一种能够更快、更高效地计算离散傅里叶变换的算法。 这种效率的提高主要通过以下措施实现:

对于N个采样点,直接计算DFT所需的运算量大致与采样点数的平方成正比, 而常见FFT算法的运算量仅约与N · log2(N)成正比。 因此,当数据量足够大时,FFT所需的计算时间可能不到直接计算DFT的百分之一。 利用快速傅里叶变换,可以提取雷达回波中具有代表性的频率特征。 这些特征可以用相对较少的数据进行存储, 并可用于自动目标识别,帮助区分不同类型的目标。

数学基础:www.mathepower.com
延伸阅读:www.iti.fh-flensburg.de
Matteo Frigo and Steven G. Johnson: FFTW, http://www.fftw.org/; The Design and Implementation of FFTW3, Proceedings of the IEEE 93 (2), 216–231 (2005).