FFT

Osmar Tormena Junior, Prof. Me.∗

1 Introdução FFT definido aqui também é chamado de ra-

dix-2. Essa restrição é facilmente acomodada
Como visto na aula anterior, a DFT não em aplicações práticas da FFT.
oferece um caminho viável para o processa- Uma N -DFT
mento espectral, uma vez que o custo da DFT
é um algoritmo O(N 2 ), assim como as técni- N ´1
cas temporais de implementação.
ÿ
X(k) = x(n)WNkn ,
A transformada rápida de Fourier n=0
(FFT—Fast Fourier Transform) é uma forma
alternativa de definir a DFT com custo com- representada na Figura 1, pode ser decom-
putacional reduzido, porém com resultado posta em duas N2 -DFTs, com índices par ou
equivalente. Embora suas raízes mais antigas ímpar
possam ser encontradas em trabalhos não pu-
blicados de Gauss em 1805, em sua forma ÿ ÿ
X(k) = x(n)WNkn + x(n)WNkn .
atual, a FFT foi desenvolvida em 1965, por
par ímpar
Cooley e Tukey. Em 1994, a FFT foi consi-
derada pelo IEEE como o algoritmo mais im-
portante em existência. Índices pares podem ser obtidos pela
substituição de variáveis n = 2m, enquanto
os índices ímpares podem ser obtidos através
2 A FFT de n = 2m + 1. Assim,

Conforme visto anteriormente, a obten- N

´1
ção de uma N -DFT custa 16N 2 multiplica- 2
ÿ
ções reais e 4N 2 + 2N ´ 2 somas reais. Assim, X(k) = x(2m)WN2km
m=0
pela mesma medida que o aumento de N pro- N
´1
duz custos muito mais altos, uma redução de 2
ÿ
N também traz grandes economias. + x(2m + 1)WN2km+k ,
m=0
Por exemplo, se ao invés de realizar
uma única N -DFT, forem realizadas duas N2 -
DFTs, o custo de cada N2 -DFT é de 4N 2 mul- que resulta em
tiplicações reais e N 2 + N2 ´2 somas reais, tota-
lizando 8N 2 multiplicações reais e 2N 2 +N ´2 N
´1
2
somas reais, para as duas N2 -DFTs.
ÿ
X(k) = x(2m)WN2km
Aplicando este conceito iterativamente m=0
sobre uma N -DFT, é possível obter grandes N
2
ÿ ´1
ganhos de eficiência computacional. A única + WNk
x(2m + 1)WN2km .
restrição para isto é que N seja uma potên- m=0
cia inteira de 2. Por esta razão, o algoritmo de
∗
tormena@utfpr.edu.br Sabendo que WN2 = exp(´j 2π
N
2) =
2 A FFT 2

x(0) X(0)

x(1) X(1)

x(2) X(2)

x(3) X(3)
N -DFT
x(4) X(4)

x(5) X(5)

x(6) X(6)

x(7) X(7)

Figura 1: N -DFT com N = 8.

exp(´j N2π/2 ) = WN /2 , pode-se escrever Substituindo então as N4 -DFTs da Figura

3 por sua representação na Figura 4, obtém-
N
´1
2
se a Figura 5.
ÿ
X(k) = x(2m)WNkm /2
É possível representar todas as multipli-
m=0 cações complexas na base W N = WNr . Pode-
r
loooooooomoooooooon
N
-DFT se verificar na estrutura da FFT que sempre
2
N
´1
há a repetição de uma treliça bastante sim-
2 N /2
ÿ ples, dada na Figura 6. Como WN = ´1, é
+ WNk x(2m + 1)WNkm /2 ,
m=0
possível reduzir à metade o número de multi-
plicações complexas.
looooooooooomooooooooooon
N
-DFT
2
Assim, é possível obter a estrutura otimi-
ou, alternativamente, zada da N -FFT, representada na Figura 7.
Analisando o custo computacional de
X(k) = Xe (k) + WNk Xo (k). uma N -FFT, com N = 8, representada na
Figura 7, é possível separar o grafo de fluxo
Graficamente, a decomposição em índi- de sinal entre as treliças sobrepostas, identi-
ces pares e ímpares fica como dada na Figura ficando assim log2 N = 3 estágios. Verifica-
2. se que cada estágio contém N /2 multiplica-
Analisando graficamente, o processo de ções complexas (as trocas de sinal não contam
decimação no tempo e combinação das DFTs como multiplicações) e N somas complexas.
fracionárias, entre as Figuras 1 e 2, é possí- Assim, o custo, por estágio, das multi-
vel inferir a representação gráfica da decom- plicações complexas é de: 2N multiplicações
posição de uma N -DFT em quatro N4 -DFTs, reais e N somas reais; enquanto o custo das
como na Figura 3. somas complexas é de: 2N somas reais.
No exemplo proposto, a N4 -DFT, com Desta forma, o custo total de uma N -
N = 8, é a menor subdivisão possível da DFT FFT é de
(uma 2-DFT). A 2-DFT pode ser definida 2N log2 N
diretamente
ř1 a partir da definição X(k) = multiplicações reais e
kn
n=0 x(n)W 2 = x(0) + x(1)W2k , represen-
tada graficamente na Figura 4. 3N log2 N
2 A FFT 3

Xe (0)
x(0) X(0)
WN0
Xe (1)
x(2) X(1)
N
-DFT WN1
2 Xe (2)
x(4) X(2)
WN2
Xe (3)
x(6) X(3)
WN3
Xo (0)
x(1) X(4)
WN4
Xo (1)
x(3) X(5)
N
-DFT WN5
2 Xo (2)
x(5) X(6)
WN6
Xo (3)
x(7) X(7)
WN7

N
Figura 2: Decomposição em duas 2
-DFTs, para N = 8.

x(0) X(0)
N
-DFT WN0 /2 WN0
4
x(4) X(1)
WN1 /2 WN1
x(2) X(2)
N
-DFT WN2 /2 WN2
4
x(6) X(3)
WN3 /2 WN3
x(1) X(4)
N
-DFT WN0 /2 WN4
4
x(5) X(5)
WN1 /2 WN5
x(3) X(6)
N
-DFT WN2 /2 WN6
4
x(7) X(7)
WN3 /2 WN7

N
Figura 3: Decomposição em quatro 4
-DFTs, para N = 8.

x(0) X(0)
W20
x(1) X(1)
W21

Figura 4: 2-DFT.
2 A FFT 4

x(0) X(0)
W N0 W N0 WN0
4 2
x(4) X(1)
1
WN W N1 WN1
4 2
x(2) X(2)
2
W N0 WN WN2
4 2
x(6) X(3)
W N1 W N3 WN3
4 2
x(1) X(4)
W N0 W N0 WN4
4 2
x(5) X(5)
W N1 W N1 WN5
4 2
x(3) X(6)
W N0 W N2 WN6
4 2
x(7) X(7)
W N1 W N3 WN7
4 2

Figura 5: Estrutura da FFT para N = 8.

WNk ”

WN
k+N /2 WNk ´1

Figura 6: Treliça da FFT.

x(0) X(0)

x(4) X(1)
WN0 ´1
x(2) X(2)
WN0 ´1
x(6) X(3)
WN0 ´1 WN2 ´1
x(1) X(4)
WN0 ´1
x(5) X(5)
WN0 ´1 WN1 ´1
x(3) X(6)
WN0 ´1 WN2 ´1
x(7) X(7)
WN0 ´1 WN2 ´1 WN3 ´1

Figura 7: Estrutura otimizada da FFT para N = 8.

2 A FFT 5

somas reais. Assim, verifica-se que houve uma

redução na ordem de complexidade na obten-
ção da representação espectral, que agora é
de O(N log N ) (muito melhor de que O(N 2 )).
Isto torna o processamento espectral não ape-
nas uma técnica viável de implementação de
sistemas digitais, mas também a mais efici-
ente.