用rader算法[132，133]计算dft：

　　计算dc组成部分。由于n＝p是质数，需要一个本原元素和一个生成器，就可以产生z_p域内除0之外的所有元素，也就是g^k∈z_p/{0}。这里用gⁿ模n通过g^k模n代替n，就得到下面的索引变换：

　　例 n＝7的rader算法

　　对于n＝7，有g＝3是一个本原元素，其索引变换如下：

　　或者以矩阵表示：

　　图1给出了相应的采用fir滤波器的图形化解释

　　图1长度p＝7的rader质数因子dft实现

　　现在可以用一个三角形信号x［n］＝10λ［n］（也就是步长为10的三角形）来检验p＝7的raderdft公式。直接解释（6．14），就得到：

　　x［0］的值就是时间级数的和，即10＋20＋，…＋70=280。

　　此外，在rader算法中，我们还可以使用复数对e^±j2kπ／n，k∈［0，n／2］的对称性来构造更为有效的fir实现。实现rader质数因子dft与实现fir滤波器是等价的。为了实现快速fir滤波器，有必要使用完全流水线da或转置滤波器结构。下面就给出了一个rag fpga实现的示例。

　　例 rader算法的fpga实现

　　长度为7的rader算法的rag实现过程如下。首先是对系数进行量化。假定输入值和系数都被表示成8位有符号数，量化后的系数是：

　　所有独立系数直接形式的实现都需要为常系数乘法器提供24个加法器。运用转置结构，利用几个系数仅仅是符号不同这一事实，独立系数实现的工作量就可以降低到1 1个加法器。进一步优化加法器的数量，就可以达到最小值7。这对直接fir结构有3倍以上的提高。接下来的vhdl代码¹给出了运用转置fir滤波器、长度为7的rader dft的一个可行实现。

　　本设计包括4个processs声明内的4个声明模块。第一个——“stages：process”——是一个区分3个处理阶段：start、load和run的状态机。第二个——“structure：process”——定义了两个πr滤波器通路，分别是实和虚。第三项用rag实现乘法器模块。第四个模块—“factor：process”——实现rag算法的未注册因子。可以看到，所有的系数都是由6个加法器和1个减法器实现的。本设计消耗了486个lo，且以23．04mhz的registeredperformance运行。图6－10给出了maxplussll对三角波输入信号序列x[n]＝{10，20，30，40，50，60，70}的仿真结果。注意，输入和输出序列的起始点是950ns，按交换的顺序作为无符号正数出现。最后，在1．55μs处x[0]被发送到输出端，rader7准备处理下一个输入帧。

　　图4 7点rader算法的vhdl仿真

　　由于rader算法受限于质数长度，与czt相比，在系数中就比较缺乏对称性。下面的表给出了质数长度为2n±1时，转置形式的循环滤波器的实现工作量。

　　第1行给出了循环卷积长度n，也就是复数系数的数量。将第2行与2n个实sin／cos系数的最差情况相比较，就会看到，对称性和无关紧要的系数己经将不可或缺的系数降低了一半。最后3行分别给出了一个使用csd、mag或rag算法的16位系数精度的实现工作量。注意rag对较长滤波器的优势。从上面的表可以看到，csd类型的滤波器可以减少bn/4的工作量，其中b是系数位宽（本表中是16位），n是滤波器长度。对于rag，工作量（也就是加法器的数量）仅是n，也就是对长滤波器而言，比csd提高了b／4（b＝16，提高了16／4＝4）。对于长滤波器，rag只需要为额外的系数提供一个额外的加法器即可，因为已经合成的系数生成了一个“密集的”小系数栅格。

　　欢迎转载，信息来源维库电子市场网（www.dzsc.com）