你的浏览器版本过低,可能导致网站不能正常访问!
为了你能正常使用网站功能,请使用这些浏览器。

【安富莱——DSP教程】第30章 复数FFT的实现

[复制链接]
baiyongbin2009 发布时间:2015-4-15 10:31
特别说明:完整45期数字信号处理教程,原创高性能示波器代码全开源地址:链接
, R' j- w( I- S" j! V6 ]
第30章 复数FFT的实现

% Y5 m: x/ s3 L% e! o  K7 a4 V  U1 X% S% D( }0 x: h1 G1 O
    本章主要讲解复数FFT的浮点和定点Q31,Q15的实现。
    本章节使用的复数FFT函数来自ARM官方库的TransformFunctions部分
     30.1 复数FFT
    30.2 复数FFT-基2算法
    30.3 复数FFT-基4算法
    30.4 总结
; S, Y( {! V# `) h- G
30.1 复数FFT30.1.1 描述
    当前复数FFT函数支持三种数据类型,分别是浮点,Q31和Q15。这些FFT函数有一个共同的特点,就是用于输入信号的缓冲,在转化结束后用来存储输出结果。这样做的好处是节省了RAM空间,不需要为输入和输出结果分别设置缓存。由于是复数FFT,所以输入和输出缓存要存储实部和虚部。存储顺序如下:{real[0], imag[0], real[1], imag[1],………………} ,在使用中切记不要搞错。
30.1.2 浮点
    浮点复数FFT使用了一个混合基数算法,通过多个基8与单个基2或基4算法实现。根据需要,该算法支持的长度[16,32,64,...,4096]和每个长度使用不同的旋转因子表。
    浮点复数FFT使用了标准的FFT定义,FFT正变换的输出结果会被放大fftLen倍数,计算FFT逆变换的时候会缩小到1/fftLen。这样就与教科书中的定义一致了。
    定义好的旋转因子和位反转表已经在头文件arm_const_structs.h中定义好了,调用浮点FFT函数arm_cfft_f32时,包含相应的头文件即可。比如:
       arm_cfft_f32(arm_cfft_sR_f32_len64, pSrc, 1, 1)
    上式就是计算一个64点的FFT逆变换包括位反转。数据结构arm_cfft_sR_f32_len64可以认为是常数,计算的过程中是不能修改的。同样是这种数据结构还能用于混合基的FFT正变换和逆变换。
    早期发布的浮点复数FFT函数版本包含基2和基4两种方法实现的,但是不推荐大家再使用了。现在全部用arm_cfft_f32代替了。
30.1.3 定点Q31和Q15
    定点库提供了基2和基4两种算法,基2算法支持的数据长度[16, 32, 64, ..., 4096],基4算法支持的数据长度[16, 32, 64, ..., 4096]。一般情况下,建议使用基4算法,基4算法比基2算法执行速度要快一些。
    为了防止计算结果溢出,定点FFT每个蝶形运算的结果都要做放缩处理。对于基2算法,每次蝶形运算的结果要做0.5倍的放缩。对于基4算法,每次蝶形运算的结果要做0.25倍的放缩。FFT逆变换也要做相同的处理。相对于标准教科书式的FFT定义,定点FFT的计算结果放缩了1/fftLen(数据)倍。定点FFT的逆变也要做放缩处理,但是跟教科书式的FFT定义是相符的。
    每个FFT变换都需要一个单独的结构体,但结构体中的旋转因子和位反转表可以被重新使用。
    每个数据类型都有一个相关的初始化函数,初始化函数主要完成如下操作:
l 初始化结构体成员。
l 初始化旋转因子和位反转表指针。
    使用初始化函数是可选的。尽管如此,如果使用了初始化函数,那么结构体不能放在const data段,如果要放在const data段,应当按照如下方法进行初始化:
*arm_cfft_radix2_instance_q31 S = {fftLen, ifftFlag, bitReverseFlag, pTwiddle, pBitRevTable, twidCoefModifier, bitRevFactor};   
*arm_cfft_radix2_instance_q15 S = {fftLen, ifftFlag, bitReverseFlag, pTwiddle, pBitRevTable, twidCoefModifier, bitRevFactor};   
*arm_cfft_radix4_instance_q31 S = {fftLen, ifftFlag, bitReverseFlag, pTwiddle, pBitRevTable, twidCoefModifier, bitRevFactor};   
*arm_cfft_radix4_instance_q15 S = {fftLen, ifftFlag, bitReverseFlag, pTwiddle, pBitRevTable, twidCoefModifier, bitRevFactor};   
*arm_cfft_instance_f32 S = {fftLen, pTwiddle, pBitRevTable, bitRevLength};
    Q15和Q31 FFT使用了一个比较大的旋转因数和位反转表。这个表定义了一个最大长度的变换,表的子集可以用于短的变化。
30.1.4 arm_cfft_f32
函数定义如下:
    void arm_cfft_f32(
         const arm_cfft_instance_f32 * S,
         float32_t * p1,
         uint8_t ifftFlag,
         uint8_t bitReverseFlag)
参数定义:
     [in]   *S    points to an instance of the floating-point CFFT structure.  
     [in, out] *p1   points to the complex data buffer of size <code>2*fftLen</code>. Processing occurs in-place.  
     [in] ifftFlag         flag that selects forward (ifftFlag=0) or inverse (ifftFlag=1) transform.  
     [in] bitReverseFlag  flag that enables (bitReverseFlag=1) or disables (bitReverseFlag=0) bit reversal of output.  
注意事项:
结构const arm_cfft_instance_f32的定义如下(在文件arm_math.h文件):
      typedef struct
      {
          uint16_t fftLen;                  
          const float32_t *pTwiddle;         
          const uint16_t *pBitRevTable;      
          uint16_t bitRevLength;            
      } arm_cfft_instance_f32;

# O5 O+ [  `1 @
    下面通过在开发板上运行这个函数并计算幅频相应,然后再与Matlab计算的结果做对比。
  1. #define TEST_LENGTH_SAMPLES 2048 7 F3 [2 K$ v: k+ D- o5 P# x5 d

  2. 7 k2 L6 w8 M8 N. a* y6 e
  3. /* 输入和输出缓冲 */2 g, r& C9 l; o; A/ ^
  4. static float32_t testOutput[TEST_LENGTH_SAMPLES/2]; * ?0 j( a3 p) P, B, a
  5. static float32_t testInput_f32_10khz[TEST_LENGTH_SAMPLES];
    4 _( O. [4 D; n6 r! U  q6 L
  6. 2 s* `- J" M& \5 v& j( b
  7. /* 变量 */7 ^) ^5 B1 [- x2 q, Z) _/ f. w% x
  8. uint32_t fftSize = 1024;
    2 i0 ]8 a! H+ h$ `. p9 ~
  9. uint32_t ifftFlag = 0;
    9 r# s/ ^2 q2 U. d
  10. uint32_t doBitReverse = 1;2 f5 e! A1 d, @

  11. ! c5 i! A3 S; w3 R. \
  12. /*9 q0 }# T" M* }! ?3 V) `4 l
  13. *********************************************************************************************************6 e3 i  k0 h# U4 x/ c
  14. *        函 数 名: arm_cfft_f32_app, g0 c, `9 F( @! S
  15. *        功能说明: 调用函数arm_cfft_f32_app计算幅频。2 q+ m: X, _9 D& x' A: }" d
  16. *        形    参:无
    6 v, ]! r& I" K4 F9 ^
  17. *        返 回 值: 无
    , t& T2 ?9 \2 M1 G% B" E
  18. *********************************************************************************************************( ^, D0 E3 ?3 O& f+ A( J% ?1 z
  19. */8 V, m% J! V+ L# `) U) U7 c
  20. void arm_cfft_f32_app(void)
    6 p  k) o$ f( [: p, s( M
  21. {
    $ k; Q& Q7 h, }: U
  22. uint16_t i;% `" a- m4 j1 [! ?4 f
  23. /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */  M/ w, r2 o( c9 c. [- a  d
  24. for(i=0; i<1024; i++)
    ! B4 d! p7 q' P/ J
  25. {
    & g% B/ t* \, V0 `
  26. /* 虚部全部置零 */
    , g( o: l; h. [2 ?7 a
  27. testInput_f32_10khz[i*2+1] = 0;
    0 c: E. E, M  i
  28. /* 50Hz正弦波,采样率1KHz ,作为实部 */
    - g1 \/ @( Z  u
  29. testInput_f32_10khz[i*2] = arm_sin_f32(2*3.1415926f*50*i/1000);' Q  f  i2 g' E. K
  30. }
    - S/ K) k4 K1 l1 M- C* Z$ M
  31. /* CFFT变换 */ 8 R6 o9 Y* W* m( X- {
  32. arm_cfft_f32(&arm_cfft_sR_f32_len1024, testInput_f32_10khz, ifftFlag, doBitReverse);  N* R0 _$ |* H1 j; A8 U( ?1 ?

  33. ( W5 b( ]6 J4 K$ x3 G( C
  34. /* 求解模值  */ 5 ?( x+ K8 n8 w# y  q  o  j1 w! [* Y/ Q
  35. arm_cmplx_mag_f32(testInput_f32_10khz, testOutput, fftSize);
    & a) m& k/ u$ V) A! ^* j) a
  36. /* 串口打印求解的模值 */
    ) P7 ?# K% J' i
  37. for(i=0; i<1024; i++)
    + Z! C; `7 a" l
  38. {. h! p5 S8 W$ b2 M
  39. printf("%f\r\n", testOutput[i]);
    2 w! N2 i9 ^: X7 K) f( q  @% \
  40. }: Z% p7 F' {9 B9 D# e

  41. ; Z- C1 `, a1 g6 E
  42. }
复制代码
运行如上函数可以通过串口打印出计算的模值,下面我们就通过Matlab计算的模值跟arm_cfft_f32计算的模值做对比。
    对比前需要先将串口打印出的数据加载到Matlab中,并给这个数组起名sampledata,加载方法在前面的教程中已经讲解过,这里不做赘述了。Matlab中运行的代码如下:
Fs = 1000;                % 采样率
N  = 1024;               % 采样点数
n  = 0:N-1;               % 采样序列
t  = 0:1/Fs:1-1/Fs;        % 时间序列
f = n * Fs / N;             %真实的频率

! V, C+ F3 j1 ?- f0 H: C( r4 G2 k" u# u: C& Q8 ^" R( K
x = sin(2*pi*50*t) ;  %原始信号
y = fft(x, N);        %对原始信号做FFT变换
3 S& H1 h4 y- a: \# U

( b  m, D$ q, P' k; }
subplot(2,1,2);
plot(f, abs(y));       %绘制幅频相应曲线
title('Matlab计算结果');
xlabel('频率');
ylabel('幅度');

2 T/ T2 c7 V# y& Q- F6 y
4 `: I4 r1 A5 v5 _1 F
subplot(2,1,1);
plot(f,  sampledata);       %绘制幅频相应曲线
title('复数FFT计算结果');
xlabel('频率');
ylabel('幅度');
( Y$ E& L- U) T" o/ @
) @% |- w( P8 S3 U. i; j
Matlab运行结果如下:
30.1.png
从上面的对比结果中可以看出,Matlab和函数arm_cfft_f32计算的结果基本是一直的。

) I* Q9 o0 ^4 k- t
赞 收藏 评论8 发布时间:2015-4-15 10:31

举报

8个回答
baiyongbin2009 回答时间:2015-4-15 10:41:22
30.2 复数FFT—基2算法6 X% @  v, h% h9 u' R# L  r
30.2.1 arm_cfft_radix2_f32
    此函数已经不推荐使用,后面的版本会被删除,故不做介绍。
& v6 |  p) U0 Y4 J8 j/ m
30.2.2 arm_cfft_radix2_q31
函数定义如下:
    void arm_cfft_radix2_q31(
    const arm_cfft_radix2_instance_q31 * S,
    q31_t * pSrc)
参数定义:
    [in]      *S    points to an instance of the fixed-point CFFT/CIFFT structure.  
    [in, out] *pSrc  points to the complex data buffer of size <code>2*fftLen</code>. Processing occurs in-place.
注意事项:
结构const  arm_cfft_radix2_instance_q31的定义如下(在文件arm_math.h文件):
      typedef struct
      {
          uint16_t fftLen;               
          uint8_t ifftFlag;               
          uint8_t bitReverseFlag;         
          q31_t *pTwiddle;                 
          uint16_t *pBitRevTable;         
          uint16_t twidCoefModifier;      
          uint16_t bitRevFactor;         
      } arm_cfft_radix2_instance_q31;
* Y2 f6 p) M' T4 i
    下面通过在开发板上运行这个函数并计算幅频相应,然后再与Matlab计算的结果做对比。
  1. q31_t testInput_radix2_q31_50hz[TEST_LENGTH_SAMPLES];9 |# d: x4 X1 E$ p4 k* ]1 g9 @: P
  2. q31_t testOutputQ31[TEST_LENGTH_SAMPLES/2];+ T; H) S( C/ u4 q

  3. ' i% |. K, r7 W+ r* _/ ^
  4. /*
    ) @/ E7 o1 }. u, @
  5. *********************************************************************************************************' C; }) |# y, |8 i! H3 J
  6. *        函 数 名: arm_cfft_radix2_q31_app
    1 v2 W2 u  _" _+ x7 H- Q
  7. *        功能说明: 调用函数arm_cfft_radix2_q31计算幅频。& h3 A: R6 m/ V
  8. *        形    参:无% Q2 H& A" u  X6 v, _
  9. *        返 回 值: 无& W/ E! j' m. j( D2 z
  10. *********************************************************************************************************
    ; O) ?# T  @3 b
  11. */
    ' X. e( V: q% a* T
  12. void arm_cfft_radix2_q31_app(void)
    / A- ?$ X/ F0 Q
  13. {
    # @- y8 e' C& W" D) `9 g: C3 }, G) ~
  14. uint16_t i,j;  d) a7 i0 a7 r* e8 Z: E
  15. arm_cfft_radix2_instance_q31 S;
    ; z$ B( D$ i% v' [6 h5 L
  16. fftSize = 1024;
    3 \" |  @# ]& B' [4 ]- T' Z
  17.     ifftFlag = 0; - t/ K) i# J; ?
  18.     doBitReverse = 1;
    : o% |) [; l, n4 T. z2 r& t8 p2 t
  19. /* 初始化结构S */
    $ `1 t3 D& S& Q7 D7 B- I4 l
  20. arm_cfft_radix2_init_q31(&S, fftSize, ifftFlag, doBitReverse);
    6 U' h5 Z) L5 F: L. `5 q
  21. /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */
    ( f7 c( [% \$ O$ ]( r2 U
  22. for(i=0; i<1024; i++)
    ; q, ]7 ^* M5 b6 `, m3 z% X2 K
  23. {
    7 s* Q- W, B1 W3 @" R
  24. testInput_radix2_q31_50hz[i*2+1] = 0;2 [  K7 S( {; ^
  25. /* 51.2Hz正弦波,采样率1024Hz。
    . e+ k) c9 h! p) b
  26.    arm_sin_q31输入参数的范围0-2^31, 这里每20次为一个完整的正弦波,
    $ B; |- t+ D% N
  27.    2^31 / 20 = 107374182.4/ C0 ?' h9 k: t
  28. */% L2 N; e( V* S0 K5 ~3 ]
  29. j = i % 20;( e. Y6 w: b: n- j- U6 x* {" D4 ~
  30.           testInput_radix2_q31_50hz[i*2] = arm_sin_q31(107374182*j);
    ) Y6 y7 d' n- W; ?3 b1 C* i
  31.           printf("%d\r\n", testInput_radix2_q31_50hz[i*2]);/ H8 Z+ ]$ W: Y; D
  32. }/ z" b! V8 i% H7 V
  33. /* 输出结果分割线 */
    $ O0 S2 q! H- }. x5 C3 p9 Q
  34. printf("**************************************************\r\n");" W2 @- A4 L; @  e. q: g" e
  35. printf("**************************************************\r\n");3 ^: x9 |' V( Y0 L6 N
  36. /* 计算CFFT */) b* h6 {" g# a2 g- ]1 r
  37. arm_cfft_radix2_q31(&S, testInput_radix2_q31_50hz);
    9 y$ b7 k0 P- A/ k
  38. /* 计算模值 */
    ( v; N3 Y7 l/ f7 N& b
  39. arm_cmplx_mag_q31(testInput_radix2_q31_50hz, testOutputQ31, fftSize);
    " Q! t5 Z0 {6 ^/ S/ V
  40. /* 串口打印求解的模值 */5 l3 C; t' f# ?7 H' [0 F4 k( o
  41. for(i=0; i<1024; i++)
    ! q3 u5 Q7 E5 E7 k, U5 G
  42. {, g6 S  r- Q/ |/ n  S/ W6 U2 k' `
  43. printf("%d\r\n", testOutputQ31[i]);
    ' z; P9 ]* g  v8 s
  44. }
      X+ p7 V$ M( ]0 i4 ?
  45. }
复制代码
运行如上函数可以通过串口打印出原始信号和计算的模值,下面我们就通过Matlab计算的模值跟arm_cfft_radix2_q31计算的模值做对比。
    对比前需要先将串口打印出的数据加载到Matlab中,原始信号起名signal,函数arm_cmplx_mag_q31计算的模值起名sampledata,加载方法在前面的教程中已经讲解过,这里不做赘述了。Matlab中运行的代码如下:
Fs = 1024;              % 采样率
N  = 1024;             % 采样点数
n  = 0:N-1;             % 采样序列
f = n * Fs / N;           %真实的频率
" }/ E1 }! w1 h+ P! J/ b

, ]! |, V7 @+ \" P% W2 r
y = fft(signal, N);        %对原始信号做FFT变换
, d: C8 w9 z4 i( y4 f# K. h' A

3 z/ z4 g1 y4 }* Y! `; e' F
subplot(2,1,2);
plot(f, abs(y));           %绘制幅频相应曲线
title('Matlab计算结果');
xlabel('频率');
ylabel('幅度');

( g5 H# z: G/ e, ~0 ?1 Z
# o5 K4 m" h# N  Y7 w, I3 |( d# q. q
subplot(2,1,1);
plot(f,  sampledata);      %绘制幅频相应曲线
title('复数FFT计算结果');
xlabel('频率');
ylabel('幅度');
% O: |" H8 x2 p- K
1 o% Z8 H4 p, M( O3 f
Matlab运行结果如下:
30.2.png
从上面的对比结果中可以看出,Matlab和函数arm_cfft_radix2_q31计算的频率点基本是一致的,而幅值大小不一样是因为调用函数arm_cmplx_mag_q31对数据结果做了移位处理。
- o/ I+ A' e. @: |
30.2.3 arm_cfft_radix2_q15
函数定义:
    void arm_cfft_radix2_q15(
        const  arm_cfft_radix2_instance_q15 * S,
        q15_t  * pSrc)
参数定义:
    [in]      *S    points to an instance of the fixed-point CFFT/CIFFT structure.  
    [in, out] *pSrc  points to the complex data buffer of size <code>2*fftLen</code>. Processing occurs in-place.  
注意事项:
结构const  arm_cfft_radix2_instance_q15的定义如下(在文件arm_math.h文件):
      typedef struct
      {
         uint16_t fftLen;               
          uint8_t ifftFlag;               
          uint8_t bitReverseFlag;         
          q15_t *pTwiddle;                    
      uint16_t *pBitRevTable;         
      uint16_t twidCoefModifier;      
          uint16_t bitRevFactor;         
      } arm_cfft_radix2_instance_q15;
3 }/ |* r4 n6 o
    下面通过在开发板上运行这个函数并计算幅频相应,然后再与Matlab计算的结果做对比。
  1. q15_t testInput_radix2_q15_50hz[TEST_LENGTH_SAMPLES];! \2 l1 N" L0 ?8 k
  2. q15_t testOutputQ15[TEST_LENGTH_SAMPLES/2];+ s4 M4 a: i6 Y3 J! o

  3. ! Y4 b: N/ g5 k3 T
  4. /*0 }% ]" o9 N5 z) D
  5. *********************************************************************************************************
    % q7 i$ X2 I8 R  Q
  6. *        函 数 名: arm_cfft_radix2_q15_app
    % _- k4 L0 W1 i) e5 H3 [1 }
  7. *        功能说明: 调用函数arm_cfft_radix2_q15计算幅频。. u: H5 ]- C& o! J/ d0 D
  8. *        形    参:无
    2 a8 a5 X1 [/ J. [+ s) ^
  9. *        返 回 值: 无
    + U2 m1 W- `& w/ o6 A
  10. *********************************************************************************************************3 L9 W9 E& ^: d2 A' W$ e! H4 |
  11. */
    / o  [# F% ]% D; ^0 V* ^
  12. void arm_cfft_radix2_q15_app(void)
    + \: z5 L! n5 x: O0 \
  13. {; F5 ]; U) o0 v2 w! x. Q' [
  14. uint16_t i,j;/ O: n" S# G; Z8 v% }9 Z7 m
  15. arm_cfft_radix2_instance_q15 S;5 F7 Y+ `: Y/ T2 O1 [) k
  16. fftSize = 1024;
    4 |' `9 M. G0 e- s1 Z
  17.     ifftFlag = 0;
    ) Q; F! Q) w* A2 u) L) J
  18.     doBitReverse = 1; 0 N2 V+ L' P- n
  19. /* 初始化结构S */1 T6 ]* G# V1 m: E& e
  20. arm_cfft_radix2_init_q15(&S, fftSize, ifftFlag, doBitReverse);
    % ?, I5 ^7 s7 ]4 Y+ E. t" N! ^
  21. /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 *// Q$ W+ O& e" E3 F) X
  22. for(i=0; i<1024; i++)
    1 C; F, F" R' A, a" O2 W
  23. {7 f2 W; m5 R8 o1 q
  24. /* 虚部全部置0 */
    5 b6 J( d. w' M  m9 |9 l
  25. testInput_radix2_q15_50hz[i*2+1] = 0;6 ~" p9 v8 X3 I
  26. /* 51.2Hz正弦波,采样率1024Hz。 ( ]8 [2 y* I. T/ c
  27.    arm_sin_q15输入参数的范围[0, 32768), 这里每20次为一个完整的正弦波,: O0 u: N. q( e
  28.    32768 / 20 = 1638.4  g  ~' p/ q, p7 i9 [: p
  29. */
    ! V% ^$ ~1 G, K. D9 I$ I/ }
  30. j = i % 20;7 d$ R" Q7 K  F. c- }
  31.           testInput_radix2_q15_50hz[i*2] = arm_sin_q15(1638*j);6 u: A, w. R3 ~3 ?: c
  32.           printf("%d\r\n", testInput_radix2_q15_50hz[i*2]);
    4 i6 {  I# t+ {3 S
  33. }) {- C0 z- L2 P& F+ O. @9 t
  34. /* 输出结果分割线 */7 m9 w  ?. d& [! O: i
  35. printf("**************************************************\r\n");
    9 ]; I6 a; k* E$ y# d
  36. printf("**************************************************\r\n");
    . n; V& K7 L& e6 ~
  37. /* 计算CFFT */
    5 f( N& l7 g1 W& B
  38. arm_cfft_radix2_q15(&S, testInput_radix2_q15_50hz);
    / r7 E) X. m; Z  A8 q8 `$ c
  39. /* 计算模值 */
    ; p- h+ b- R. L0 V4 a
  40. arm_cmplx_mag_q15(testInput_radix2_q15_50hz, testOutputQ15, fftSize);7 a9 I8 ]0 c  F4 o9 w6 S
  41. /* 串口打印求解的模值 */
    - |9 Y$ L- T4 y7 ~! e" D% O& T" R+ x
  42. for(i=0; i<1024; i++)
    * ?. s' p6 i& ~* S+ Z4 J1 _& b
  43. {: E/ j5 B- X1 K  S# `
  44. printf("%d\r\n", testOutputQ15[i]);
    0 y7 M2 f* U0 Y  X8 d0 m+ `
  45. }3 V* J  V; ?4 I* f. h
  46. }
复制代码
运行如上函数可以通过串口打印出原始信号和计算的模值,下面我们就通过Matlab计算的模值跟arm_cfft_radix2_q15计算的模值做对比。
    对比前需要先将串口打印出的数据加载到Matlab中,原始信号起名signal,函数arm_cmplx_mag_q15计算的模值起名sampledata,加载方法在前面的教程中已经讲解过,这里不做赘述了。Matlab中运行的代码如下:
Fs = 1024;                     % 采样率
N  = 1024;                     % 采样点数
n  = 0:N-1;                     % 采样序列
f = n * Fs / N;                %真实的频率
0 `7 p3 X1 O1 a/ [% C1 d' @5 {8 U

2 p, t/ s4 G! A+ Q$ V) T
y = fft(signal, N);           %对原始信号做FFT变换

8 y8 z7 j& p6 {/ P$ O# ^4 N; I9 i; J) R$ f- C% U
subplot(2,1,2);
plot(f, abs(y));           %绘制幅频相应曲线
title('Matlab计算结果');
xlabel('频率');
ylabel('幅度');

+ h9 L/ G/ n! b7 b2 i$ `" P- l
subplot(2,1,1);
plot(f,  sampledata);      %绘制幅频相应曲线
title('复数FFT计算结果');
xlabel('频率');
ylabel('幅度');

' ^0 e9 k! C" c4 @  `* r* O9 d( d& d
Matlab运行结果如下:
30.3.png
从上面的对比结果中可以看出,Matlab和函数arm_cfft_radix2_q15计算的频率点基本是一致的,而幅值大小不一样是因为调用函数arm_cmplx_mag_q15对数据结果做了移位处理。

+ U  p3 A! z) B4 F" [
baiyongbin2009 回答时间:2015-4-15 10:53:06
30.3 复数FFT—基4算法
    如果希望直接调用FFT程序计算IFFT,可以用下面的方法:
30.3.1 arm_cfft_radix4_f32
    此函数已经不推荐使用,后面的版本会被删除,故不做介绍。
) M8 \. a& f6 i! M5 }
30.3.2 arm_cfft_radix4_q31
函数定义如下:
    void arm_cfft_radix4_q31(
    const arm_cfft_radix4_instance_q31 * S,
    q31_t * pSrc)
参数定义:
    [in]      *S    points to an instance of the fixed-point CFFT/CIFFT structure.  
    [in, out] *pSrc  points to the complex data buffer of size <code>2*fftLen</code>. Processing occurs in-place.
注意事项:
1. 结构const  arm_cfft_radix4_instance_q31的定义如下(在文件arm_math.h文件):
      typedef struct
      {
          uint16_t fftLen;               
          uint8_t ifftFlag;               
          uint8_t bitReverseFlag;         
          q31_t *pTwiddle;                 
          uint16_t *pBitRevTable;         
          uint16_t twidCoefModifier;      
          uint16_t bitRevFactor;         
       } arm_cfft_radix4_instance_q31;
2. 为了防止数据饱和,每次蝶形运行的结果都要除以2,故不同的长度的FFT运算的最终结果输出格式不同。具体信息如下:
    Q31 CFFT
30.4.png
    Q31 CIFFT
30.5.png
    下面通过在开发板上运行这个函数并计算幅频相应,然后再与Matlab计算的结果做对比。
  1. q31_t testInput_radix4_q31_50hz[TEST_LENGTH_SAMPLES];, v" y9 O3 j) F, \, R' N
  2. /*
    . U; ~- Y  g9 q7 q8 M$ z
  3. *********************************************************************************************************  G, A: l8 l# S3 t$ }) k
  4. *        函 数 名: arm_cfft_radix4_q31_app
    7 r% k; e, _7 |
  5. *        功能说明: 调用函数arm_cfft_radix4_q31_app计算幅频。
    - v8 D! c) S6 e+ S" V
  6. *        形    参:无
    ' N* J/ |3 L2 N6 E3 U
  7. *        返 回 值: 无$ V/ b2 d6 m$ j. y) c7 k
  8. *********************************************************************************************************" J3 G8 _2 Q5 U$ @
  9. */
    3 a- l/ ~( l. I% i# V$ z! y. j
  10. void arm_cfft_radix4_q31_app(void)- ?6 j9 Z2 B" G2 O2 ?- |7 D
  11. {
    . Z8 R5 K+ s; \& d) S+ R8 q3 ]3 V
  12. uint16_t i,j;, P) k7 \  t& i
  13. arm_cfft_radix4_instance_q31 S;) f1 W" h* Z( ~0 c3 Z: V  B
  14. fftSize = 1024;
    - T- y6 f2 m; O% X3 T. S6 Y( \
  15.     ifftFlag = 0; 0 Y; L; q; d# L: {3 S
  16.     doBitReverse = 1; ( q/ w' R# Z/ m8 [1 K! P
  17. /* 初始化结构S */! c% t# i8 u6 v% C' p
  18. arm_cfft_radix4_init_q31(&S, fftSize, ifftFlag, doBitReverse);4 M' G, A& Y9 F" f- Y. i9 F2 M
  19. /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */& C* ?$ g5 H) e5 o5 ^
  20. for(i=0; i<1024; i++)
    * Z" `9 T5 v# z
  21. {5 r9 r) n8 @& u
  22. testInput_radix4_q31_50hz[i*2+1] = 0;
    0 n$ c, p% q+ U" F
  23. /* 51.2Hz正弦波,采样率1024Hz。 & _: s4 N: ]4 ~6 F2 }$ F
  24.    arm_sin_q31输入参数的范围0-2^31, 这里每20次为一个完整的正弦波,2 f# z0 C# I* d, x; r% l
  25.    2^31 / 20 = 107374182.4# R9 l4 W; i) Q" y
  26. */% r& v; ]6 U0 }: G& E
  27. j = i % 20;
    + H0 @4 L1 _/ E
  28.           testInput_radix4_q31_50hz[i*2] = arm_sin_q31(107374182*j);+ c; Z: p2 R" Q1 b6 r; v
  29.           printf("%d\r\n", testInput_radix4_q31_50hz[i*2]);: x# @8 v/ ^4 W- F9 E
  30. }
    3 d4 K/ ]# V+ u
  31. /* 输出结果分割线 */: Q0 U& q+ a, l; b( e( J2 O
  32. printf("**************************************************\r\n");
    * ]3 o1 Q4 Y( W; f- S
  33. printf("**************************************************\r\n");2 v- C, C# E2 s9 I
  34. /* 计算CFFT */
    6 ?2 x, q# p) o& ]1 k; M3 t
  35. arm_cfft_radix4_q31(&S, testInput_radix4_q31_50hz);
    6 L2 ]& X3 f$ E7 a! Q
  36. /* 计算模值 */* S6 C! r2 V$ f: o2 k1 b/ i) A
  37. arm_cmplx_mag_q31(testInput_radix4_q31_50hz, testOutputQ31, fftSize);
    ) m6 v' @. s. w# ~# `
  38. /* 串口打印求解的模值 */
    . Y+ }  o  P5 D  T1 w2 D. K
  39. for(i=0; i<1024; i++)
    1 H- u4 z% U& t) z* ?( f
  40. {1 t0 ]4 [  t; x$ `, ?( G; l
  41. printf("%d\r\n", testOutputQ31[i]);
    " t8 }* j1 i; q0 D
  42. }& g% m4 M% ^% _4 q& \9 N8 _
  43. }
复制代码
运行如上函数可以通过串口打印出原始信号和计算的模值,下面我们就通过Matlab计算的模值跟arm_cfft_radix4_q31计算的模值做对比。
    对比前需要先将串口打印出的数据加载到Matlab中,原始信号起名signal,函数arm_cmplx_mag_q31计算的模值起名sampledata,加载方法在前面的教程中已经讲解过,这里不做赘述了。Matlab中运行的代码如下:
Fs = 1024;              % 采样率
N  = 1024;             % 采样点数
n  = 0:N-1;             % 采样序列
f = n * Fs / N;           %真实的频率
2 b8 _2 Q4 t+ ?3 ]1 k

0 z' G) R, |5 m! y+ w) G' i
y = fft(signal, N);        %对原始信号做FFT变换

/ `8 H# y& _5 _
0 D  V$ b  s% }6 R) V
subplot(2,1,2);
plot(f, abs(y));           %绘制幅频相应曲线
title('Matlab计算结果');
xlabel('频率');
ylabel('幅度');

4 `3 n4 H( a  B. O6 n8 A( q8 c4 u+ t; h. n
subplot(2,1,1);
plot(f,  sampledata);      %绘制幅频相应曲线
title('复数FFT计算结果');
xlabel('频率');
ylabel('幅度');
( P+ G# M% P& F+ e. ^+ [

+ A0 N1 u( r5 i. t6 m
Matlab运行结果如下:
30.6.png
从上面的对比结果中可以看出,Matlb和函数arm_cfft_radix4_q31计算的频率点基本是一致的,而幅值大小不一样是因为调用函数arm_cmplx_mag_q31和arm_cfft_radix4_q31对数据结果做了移位处理。

" k3 A8 u/ X/ d9 `8 Q. k9 Z
30.3.3 arm_cfft_radix4_q15
函数定义:
    void arm_cfft_radix4_q15(
        const  arm_cfft_radix4_instance_q15 * S,
        q15_t  * pSrc)
参数定义:
    [in]      *S    points to an instance of the fixed-point CFFT/CIFFT structure.  
    [in, out] *pSrc  points to the complex data buffer of size <code>2*fftLen</code>. Processing occurs in-place.  
注意事项:
1. 结构const  arm_cfft_radix4_instance_q15的定义如下(在文件arm_math.h文件):
      typedef struct
      {
          uint16_t fftLen;               
          uint8_t ifftFlag;               
          uint8_t bitReverseFlag;         
          q15_t *pTwiddle;                    
      uint16_t *pBitRevTable;         
      uint16_t twidCoefModifier;      
          uint16_t bitRevFactor;         
      } arm_cfft_radix4_instance_q15;
2. 为了防止数据饱和,每次蝶形运行的结果都要除以2,故不同的长度的FFT运算的最终结果输出格式不同。具体信息如下:
    Q15 CFFT
30.7.png
    Q15 CIFFT
30.8.png
    下面通过在开发板上运行这个函数并计算幅频相应,然后再与Matlab计算的结果做对比。
  1. q15_t testInput_radix4_q15_50hz[TEST_LENGTH_SAMPLES];4 c( A  ^4 z5 m3 n5 d
  2. /*1 o, S/ m6 b, v+ l% g$ W! Z5 k* B9 n
  3. *********************************************************************************************************
    : e" d: Q1 p% }2 V* d
  4. *        函 数 名: arm_cfft_radix4_q15_app
    " i: `# f% b% [& s) Y* t5 D; Z- i/ I
  5. *        功能说明: 调用函数arm_cfft_radix4_q15计算幅频。
    9 T/ k! e' G7 j
  6. *        形    参:无6 F) `9 X& r- v7 E, B! ^
  7. *        返 回 值: 无' R  G& D( w+ O
  8. *********************************************************************************************************
    3 R5 U; Y& ?) Y: ^" W2 B
  9. */
    1 |  h' w9 Q. i! A8 c
  10. void arm_cfft_radix4_q15_app(void)
    - q2 N# Z, ?4 }. ~( H0 t
  11. {5 ^& ?& l0 m, K0 A2 X4 a7 r' m
  12. uint16_t i,j;
      m- M; _/ r* K" o3 E8 K+ ^
  13. arm_cfft_radix4_instance_q15 S;
    $ V7 d% N  `; P- C% F, k
  14. fftSize = 1024;
    * g7 y' I% E1 P  ?/ ~6 ]
  15.     ifftFlag = 0; , m' f$ }, E! }
  16.     doBitReverse = 1;
    7 ~2 N2 _7 ^6 W- y
  17. /* 初始化结构S *// F2 o5 ~2 x, S& p+ L
  18. arm_cfft_radix4_init_q15(&S, fftSize, ifftFlag, doBitReverse);
    ) ]' \; f6 l9 h
  19. /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */+ |" P1 q: K# ^$ c1 T9 t% _
  20. for(i=0; i<1024; i++)' I/ f% v2 j) M2 l* |
  21. {
    & V2 x( {3 M# E" S
  22. /* 虚部全部置0 */
    : g: Z% f7 Q+ G7 G; Z
  23. testInput_radix4_q15_50hz[i*2+1] = 0;  o8 B( {9 I3 ]4 A
  24. /* 51.2Hz正弦波,采样率1024Hz。 3 I8 ^2 `) J) _: ?, J
  25.    arm_sin_q15输入参数的范围[0, 32768), 这里每20次为一个完整的正弦波," H1 ^5 D  z% V) ^0 O5 s5 B% W
  26.    32768 / 20 = 1638.4
    4 M! n0 A* G9 L
  27. */
    % Z% ~/ L% G5 ?( b
  28. j = i % 20;
    . A, j/ L, K/ |8 h, X1 ?
  29.           testInput_radix4_q15_50hz[i*2] = arm_sin_q15(1638*j);2 v9 M4 J8 o- k  \; ]
  30.           printf("%d\r\n", testInput_radix4_q15_50hz[i*2]);( @* v: `$ e$ t% m  E
  31. }
    ! d9 |) c0 }& _" v: b
  32. /* 输出结果分割线 */
    - y3 ]* b9 e2 t: G. |" w% D: P4 N
  33. printf("**************************************************\r\n");+ I! ~/ N* _' y5 ]7 G4 _. ]
  34. printf("**************************************************\r\n");8 G* n1 N, K: D
  35. /* 计算CFFT */0 u, |8 A, Z3 U) o4 V, L% }
  36. arm_cfft_radix4_q15(&S, testInput_radix4_q15_50hz);
    , l! [7 P' A0 r: W5 V
  37. /* 计算模值 */# i8 e0 q( n) A: f
  38. arm_cmplx_mag_q15(testInput_radix4_q15_50hz, testOutputQ15, fftSize);
    ) J1 _# v$ h. q/ s" A+ t
  39. /* 串口打印求解的模值 */
    1 }) m' k+ f+ e9 x+ e4 E# E
  40. for(i=0; i<1024; i++)- `' _% U6 v8 G  v3 U
  41. {
    & w- K% `5 k  s
  42. printf("%d\r\n", testOutputQ15[i]);
    # x2 ~* p' B6 T; |! b0 e
  43. }2 A# A* v' V- S4 I' l" ^1 w
  44. }
复制代码
运行如上函数可以通过串口打印出原始信号和计算的模值,下面我们就通过Matlab计算的模值跟arm_cfft_radix4_q15计算的模值做对比。
    对比前需要先将串口打印出的数据加载到Matlab中,原始信号起名signal,函数arm_cmplx_mag_q15计算的模值起名sampledata,加载方法在前面的教程中已经讲解过,这里不做赘述了。Matlab中运行的代码如下:
Fs = 1024;                     % 采样率
N  = 1024;                     % 采样点数
n  = 0:N-1;                     % 采样序列
f = n * Fs / N;                %真实的频率

  a; L( P- a, P& h# n; }- `* w
" [. \* A+ t1 |0 @/ O0 L9 O0 G
y = fft(signal, N);           %对原始信号做FFT变换

: R9 C  U6 _7 P
9 B- o" c, l/ [1 D  q; X6 y8 q
subplot(2,1,2);
plot(f, abs(y));           %绘制幅频相应曲线
title('Matlab计算结果');
xlabel('频率');
ylabel('幅度');

. g6 c8 n; C1 I) h: J
2 [8 q+ h. X5 G2 }* M) v8 E: a
subplot(2,1,1);
plot(f,  sampledata);      %绘制幅频相应曲线
title('复数FFT计算结果');
xlabel('频率');
ylabel('幅度');
1 @7 A; p& }! s0 v2 y& C9 c! l7 q
7 X7 w. Z; Y1 j! f; |  \3 ], v
Matlab运行结果如下:
30.9.png
从上面的对比结果中可以看出,Matlab和函数arm_cfft_radix4_q15计算的频率点基本是一致的,而幅值大小不一样是因为调用函数arm_cmplx_mag_q15和arm_cfft_radix4_q15对数据结果做了移位处理。
- F8 U. O, j  p' R
baiyongbin2009 回答时间:2015-4-15 10:54:02
30.4 总结
    本章节内容比较多,有兴趣的可以深入了解源码的实现。
3 u+ z1 C5 N& x+ ?: r
wamcncn 回答时间:2015-4-15 12:32:03
标记下学习
拼命三郎 回答时间:2015-4-15 13:22:16
ddddd.png
拼命三郎 回答时间:2015-4-15 13:22:32
stm.jpg
拼命三郎 回答时间:2015-4-15 13:22:51
stm (1).jpg
木木鱼 回答时间:2015-4-15 23:39:53
mark一下!
关于
我们是谁
投资者关系
意法半导体可持续发展举措
创新与技术
意法半导体官网
联系我们
联系ST分支机构
寻找销售人员和分销渠道
社区
媒体中心
活动与培训
隐私策略
隐私策略
Cookies管理
行使您的权利
官方最新发布
人形机器人运动控制、感知与智能配电
半导体创新技术与应用方向
EE架构与软件定义汽车
12V/48V 汽车智能配电(SPD)
区域控制单元(ZCU)与分区架构
关注我们
st-img 微信公众号
st-img 手机版