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
7 y) u4 W7 ^0 p6 f第32章 实数FFT的实现
" A6 ]( c6 g8 ]' L* h 本章主要讲解实数的浮点和定点Q31,Q15的实现。关于这部分的知识点和函数的计算结果上,官方的文档有一些小错误,在章节中会跟大家详细讲述,还有一个要注意的问题,调用实数FFT函数一定要使用CMSIS-DSP V1.4.4及其以上版本,以前的版本有bug。 本章节使用的复数FFT函数来自ARM官方库的TransformFunctions部分 32.1 复数FFT 32.2 复数FFT-基2算法 32.3 复数FFT-基4算法 32.4 总结 ( U# W, O9 N, q( E6 e6 h' q# M
2 e( t, O4 _- r8 u: l% P32.1 实数FFT% K# Y2 `4 o, @
32.1.1 描述 CMSIS DSP库里面包含一个专门用于计算实数序列的FFT库,很多情况下,用户只需要计算实数序列即可。计算同样点数FFT的实数序列要比计算同样点数的虚数序列有速度上的优势。 快速的rfft算法是基于混合基cfft算法实现的。 一个N点的实数序列FFT正变换采用下面的步骤实现: 由上面的框图可以看出,实数序列的FFT是先计算N/2个实数的CFFT,然后再重塑数据进行处理从而获得半个FFT频谱即可(利用了FFT变换后频谱的对称性)。 一个N点的实数序列FFT逆变换采用下面的步骤实现: 实数FFT支持浮点,Q31和Q15三种数据类型。
% [$ a5 ~ X* @& N. i32.2 实数FFT
1 h4 Z$ r+ M+ ]* {1 t3 l32.2.1 arm_rfft_fast_f32函数定义如下: void arm_rfft_fast_f32( arm_rfft_fast_instance_f32 * S, float32_t * p, float32_t * pOut, uint8_t ifftFlag) 参数定义: [in] *S points to an arm_rfft_fast_instance_f32 structure. [in] *p points to the input buffer. [in] *pOut points to the output buffer. [in] ifftFlag RFFT if flag is 0, RIFFT if flag is 1 注意事项: 结构arm_rfft_fast_instance_f32的定义如下(在文件arm_math.h文件): typedef struct { arm_cfft_instance_f32 Sint; /**< Internal CFFT structure. */ uint16_t fftLenRFFT; /**< length of the real sequence */ float32_t * pTwiddleRFFT; /**< Twiddle factors real stage */ } arm_rfft_fast_instance_f32 ; + ^1 p! h1 P [* o( }3 f: V; K
下面通过在开发板上运行函数arm_rfft_fast_f32和arm_cfft_f32计算幅频响应,然后将相应的频率响应结果在Matlab上面绘制出来。 - /*
- `% _8 }: ^3 d' z4 b - *********************************************************************************************************5 W# K0 X8 c; v
- * 函 数 名: arm_rfft_fast_f32_app& G+ p3 U2 Y7 c& K2 ^( C0 y% f
- * 功能说明: 调用函数arm_rfft_fast_f32计算1024点实数序列的幅频响应并跟使用函数arm_cfft_f32计算结果做对比& a. K; E) u( J$ o$ r0 ~ Q' X
- * 形 参:无
& ]* Z$ ~: D( c: B - * 返 回 值: 无
! W3 @2 f( X2 ~3 ~2 E& B$ F - *********************************************************************************************************
3 w+ ~% N7 k0 c, o - */4 y: ~& [$ c# S V) E4 J) j3 r
- static void arm_rfft_fast_f32_app(void)
) I+ ?1 @+ ]5 ^6 e$ H- a0 ? - {5 G9 ~, |# Z, @9 K' S6 C3 |4 v; R7 o
- uint16_t i;( H# A2 |/ f9 k
- arm_rfft_fast_instance_f32 S;: k- ^- {: H4 \) M
- /* 实数序列FFT长度 *// A/ N7 K9 S* W6 S t) j+ O
- fftSize = 1024; # B3 K+ H7 W6 e4 ~ t2 h
- /* 正变换 */# C+ a) o! `& }: q) y- {' Q; w
- ifftFlag = 0; / d! \* U) a) N$ \6 n% b: D/ B9 a
- /* 初始化结构体S中的参数 */
) a9 x/ b/ X0 ^# p( W: w) s7 ~ - arm_rfft_fast_init_f32(&S, fftSize);! {9 c6 R4 u# ]3 l/ ?
- /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */
6 h" [, `, q: |3 _* @ - for(i=0; i<1024; i++)
$ |+ ^( w7 _0 v& @6 X - {# r4 b! |+ Y' A+ s, V
- /* 50Hz正弦波,采样率1KHz */
8 y: `4 o$ Z" y - testInput_f32_10khz[i] = 1.2f*arm_sin_f32(2*3.1415926f*50*i/1000)+1;
' w$ c5 Z% Y$ R* h - }
6 W0 d- b, t5 [5 F4 h- L, y - /* 1024点实序列快速FFT */ c+ j0 h3 O# w1 j
- arm_rfft_fast_f32(&S, testInput_f32_10khz, testOutput_f32_10khz, ifftFlag);' a, ~3 G0 k/ ]5 w: R7 D: M4 y- X
- /* 为了方便跟函数arm_cfft_f32计算的结果做对比,这里求解了1024组模值,实际函数arm_rfft_fast_f324 }8 V; L5 k, V, f( f0 Z
- 只求解出了512组
5 {# n7 R4 w& {& e - */ ]9 T3 j2 H M; i. w8 F2 M' l
- arm_cmplx_mag_f32(testOutput_f32_10khz, testOutput, fftSize);! L1 M4 b! M; b, c
- . v y# K" O" C
- /* 串口打印求解的模值 */
1 o' z/ |1 O: h& o- }1 v- d. N" a- P9 z - for(i=0; i<fftSize; i++)- ^$ \- D: I$ g3 c+ s! B
- {9 E0 B# m6 G- t
- printf("%f\r\n", testOutput[i]);# K0 d6 E) Q% i4 U3 d8 j+ z4 Z
- }$ M, t& C3 S$ X' `& z: l3 l! e# Y
-
* I6 a' O8 \% P u N0 |$ E - printf("****************************分割线***************************************\r\n");$ m6 A3 A1 ?$ J% R( t! t* Y) {
-
& F, `, d$ O& m7 E- ~) ]. K; E - for(i=0; i<1024; i++)! g) q2 a4 X& f! W; t; i. A
- {
7 p+ \0 @9 `4 r0 D Y6 H8 U - /* 虚部全部置零 */, N# [0 `0 \( ?7 U0 x
- testInput_f32_10khz[i*2+1] = 0;% E9 }0 h1 p5 i0 z- e2 b; p2 D( [
- /* 50Hz正弦波,采样率1KHz ,作为实部 */
/ o/ k" v# o/ w5 C - testInput_f32_10khz[i*2] = 1.2f*arm_sin_f32(2*3.1415926f*50*i/1000)+1;
9 q7 G! v9 r @ - }! o& e, @7 w1 S
- arm_cfft_f32(&arm_cfft_sR_f32_len1024, testInput_f32_10khz, ifftFlag, doBitReverse);
6 E& g" K) t$ p8 N5 v( r1 z - /* 求解模值 */ 4 L/ ~8 t1 v; F7 o
- arm_cmplx_mag_f32(testInput_f32_10khz, testOutput, fftSize);
w4 M* a3 S6 {4 Q -
4 ~# I0 z: ?! \' x- f7 L - /* 串口打印求解的模值 */
+ N F8 X7 s% t - for(i=0; i<fftSize; i++)
$ D: p' J9 k- \' e! G0 B% {; c' x, a - {, `" }- O _( D$ Q x }* U- W
- printf("%f\r\n", testOutput[i]);
$ q' v) T0 Q* G6 N* t4 n - }- h* o; \/ z+ y1 k8 s# r
- }
复制代码运行如上函数可以通过串口打印出函数arm_rfft_fast_f32和arm_cfft_f32计算的幅频模值,下面通过Matlab绘制波形来对比这两种模值。 对比前需要先将串口打印出的两组数据加载到Matlab中,arm_rfft_fast_f32的计算结果起名signal,arm_cfft_f32的计算结果起名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 ; { n2 r" i/ h/ G& g3 i7 w& x
: l. P% L: ~: {6 y" l
n = 0:N-1; % 采样序列 f = n * Fs / N; %真实的频率
' C: P7 M" G* `- i, b6 o
& P9 g1 F+ `# _6 c2 @& l/ s( k, usubplot(3,1,1); plot(f, signal); %绘制RFFT结果 title('实数FFT'); xlabel('时间'); ylabel('幅值'); 3 a. E; \; W1 s4 ^6 x
6 ?9 |; X1 h3 Dsubplot(3,1,2); plot(f, sampledata); %CFFT结果 title('复数FFT'); xlabel('时间'); ylabel('幅值'); 0 k% B$ |. K( {" _% K
% D$ D8 `3 G1 _/ @+ I; p+ d( pMatlab运行结果如下: 从上面的前512点对比中,我们可以看出两者的计算结果是相符的。这里有一点要特别注意,官方文档中对于函数arm_rfft_fast_f32输出结果的实部,虚部排列顺序说明是错误的。函数arm_rfft_fast_f32的输出结果仍然是实部,虚部,实部,虚部….. 依次排列下去。 函数arm_rfft_fast_f32在计算直流分量(也就是频率为0的值)的虚部上是有错误的。关于这点大家可以将实际的实部和虚部输出结果打印出来做对比,但差别很小,基本可以忽略。
% [. S( J) @( z+ G5 g" c, V' i/ A9 b32.2.2 arm_rfft_q15函数定义如下: void arm_rfft_q15( const arm_rfft_instance_q15 * S, q15_t * pSrc, q15_t * pDst) 参数定义: [in] *S points to an instance of the Q15 RFFT/RIFFT structure. [in] *pSrc points to the input buffer. [out] *pDst points to the output buffer. return none. 注意事项: 结构arm_rfft_instance_q15的定义如下(在文件arm_math.h文件): typedef struct { uint32_t fftLenReal; uint8_t ifftFlagR; uint8_t bitReverseFlagR; uint32_t twidCoefRModifier; q15_t *pTwiddleAReal; q15_t *pTwiddleBReal; const arm_cfft_instance_q15 *pCfft; } arm_rfft_instance_q15; 5 } @. P/ F9 n0 j7 ~
下面通过在开发板上运行函数arm_rfft_q15和arm_cfft_f32计算幅频响应,然后将相应的频率响应结果在Matlab上面绘制出来。 - /*& v# c& M5 s2 l* X) N; Z
- *********************************************************************************************************
2 L' J" f$ g" }6 c# Y9 S - * 函 数 名: arm_rfft_q15_app
8 f4 H# U$ s# J1 D! K+ g" N - * 功能说明: 调用函数arm_rfft_q15计算1024点实数序列的幅频响应并跟使用函数arm_cfft_f32计算的结果做对比。4 J* T0 X2 m9 V6 V0 N* [3 M
- * 形 参:无; w* i: H/ D' p% A8 h7 ?0 M$ |, {
- * 返 回 值: 无
. u) v0 Z! |% y6 ~; T: i1 p" ~ - *********************************************************************************************************7 ]. g7 k0 b1 v# ]# F; G' O9 d% {5 ~
- */& a3 W$ Z+ Q! g. o8 T J
- static void arm_rfft_q15_app(void)
, }! L( s0 A @2 ~* l* ?9 U9 u" y' O2 C - {) U4 { s* a; l# W, i0 ]
- uint16_t i,j;
' J: C; k$ ^# c' U: l2 `3 I" ? - arm_rfft_instance_q15 S;
* a! m8 T6 l* f, q2 E - /* 实数序列FFT长度 */5 b( w5 O# R8 d
- fftSize = 1024; * g8 M, }" ?: v4 ~) S4 y
- /* 正变换 */2 x) {( V6 i) d- H2 K i
- ifftFlag = 0; 6 y" c C- w* J2 H
- /* 码位倒序 */
8 @, |) T. c4 Y - doBitReverse = 1; u7 _/ n3 P- _; y$ T* j/ s
- /* 初始化结构体S */ N% n2 o2 m, x, Z4 c. ^
- arm_rfft_init_q15(&S, fftSize, ifftFlag, doBitReverse);
9 u8 {6 T E" u4 G4 I5 x - /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */
9 u- f( i1 p2 k* w - for(i=0; i<1024; i++)5 Q9 n. Y4 E5 a8 B" Y
- {
7 T' l& _5 Q4 U1 l - /* 51.2Hz正弦波,采样率1024Hz。
% i6 v) N$ D) l( x3 t - 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,9 l% h: ?- s+ K/ @7 x
- 32768 / 20 = 1638.4; { u6 L: C/ r. u3 q
- */ s/ H4 {# t4 `
- j = i % 20;
! s8 i1 b& V( t6 _/ O* i; Q - testInput_q15_50hz[i] = arm_sin_q15(1638*j);; N. R! E9 W1 b5 @9 z
- }
9 ?# n2 s3 W7 Z/ i I - /* 1024点实序列快速FFT */ . o; m" F* F3 T2 t1 v) I" u. l
- arm_rfft_q15(&S, testInput_q15_50hz, testOutput_q15_50hz);# J6 T, U9 g3 K. x" M
- /* 由于输出结果的格式是Q5,所以这里将定点数转换为浮点数 */
6 |) j2 ?2 c5 q4 X! @5 O - for(i = 0; i < fftSize; i++)9 ^& n$ C2 {! ?9 i8 D& b
- {& h# {2 o' [+ m+ u8 B2 r- n! N
- testOutput_f32_10khz[i] = (float32_t)testOutput_q15_50hz[i]/32;
0 P# N7 G) k" Q0 ?6 D - }
; H3 z" j6 S/ D9 o6 f0 p4 _ - /* 为了方便对比,这里求解了1024组复数,实际上面的变化只有512组
1 d0 G* r6 {: Z' v/ O4 ], s - 实际函数arm_rfft_q15只求解出了512组 */ & U: S) A* c* A9 v
- arm_cmplx_mag_f32(testOutput_f32_10khz, testOutput, fftSize);
6 e, j% Z0 v* _. a m) B5 E. R -
( ~# [) z: h. v$ S0 L6 Z - /* 串口打印求解的模值 */7 A. e9 L; q" w& x$ }& `: r
- for(i=0; i<fftSize; i++)8 J# i6 ]% B3 N# C6 `/ K
- {+ M" ]9 B2 g- U& D8 G* C( I/ |
- printf("%f\r\n", testOutput[i]);
% y7 z& u9 ?& \) e, g' w& g2 x - }
+ g- Z: I1 _ f9 l5 D/ B( Y) E, B, x - printf("****************************分割线***************************************\r\n");# s2 v2 n* k. x
- for(i=0; i<1024; i++)
- `* J* a4 E. W, v" n - {
% e P, n3 K4 I" l9 @- L - /* 51.2Hz正弦波,采样率1024Hz。 - J- }( F2 W3 e, H/ r& j. T
- 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,
6 k3 v; [9 K* ~8 O. Z$ ~; X - 32768 / 20 = 1638.40 Y- O- P$ \$ y& U! B ]1 R H; D
- */8 b$ ]3 x1 L- Q, |$ X
- j = i % 20;( Y) N% L% S, Y4 w! b5 |$ s
- testInput_f32_10khz[i*2] = (float32_t) arm_sin_q15(1638*j)/32768;
1 v0 V8 U7 S, N5 i5 j6 Q# {3 v - /* 虚部全部置零 */- W3 }# l U% g9 x8 O$ E
- testInput_f32_10khz[i*2+1] = 0;
( v9 q0 A* S5 r' m$ N9 _; Q$ k - }
9 i3 p- x/ }/ Z4 X0 S$ ~ - arm_cfft_f32(&arm_cfft_sR_f32_len1024, testInput_f32_10khz, ifftFlag, doBitReverse);
1 M. v- k3 R: M9 L - /* 求解模值 */ 3 h3 U( z# {$ N) v( d
- arm_cmplx_mag_f32(testInput_f32_10khz, testOutput, fftSize);3 C% Y: d1 Z9 ^$ u3 w! e# R0 n
- /* 串口打印求解的模值 */3 s. ^. U& `+ C) Z/ s7 N7 Z0 E
- for(i=0; i<fftSize; i++)6 [ u2 S l/ \" T. b" S
- {! w: }1 O* n8 z% K" t8 Y9 R4 T
- printf("%f\r\n", testOutput[i]);. R q4 w# e* Q$ X6 _ {% m
- }
) ?3 k0 h7 \0 c$ e9 t- I* p4 O - }
复制代码运行如上函数可以通过串口打印出函数arm_rfft_q15和arm_cfft_f32计算的幅频模值,下面通过Matlab绘制波形来对比这两种模值。 对比前需要先将串口打印出的两组数据加载到Matlab中,arm_rfft_q15的计算结果起名signal,arm_cfft_f32的计算结果起名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 ; a+ w& V3 v5 A4 p7 _+ \# P: h
5 n$ {. w2 A Y% z' C F! e% y( ~% E
n = 0:N-1; % 采样序列 f = n * Fs / N; %真实的频率 ! z8 \8 ~( I U! g: A, K1 B8 i
: M" g. Q8 F2 \( ? o& z
subplot(3,1,1); plot(f, signal); %绘制RFFT结果 title('实数FFT'); xlabel('时间'); ylabel('幅值');
G2 M4 U) }3 i3 d$ }
( }+ r$ C8 i; e- {+ O/ Jsubplot(3,1,2); plot(f, sampledata); %CFFT结果 title('复数FFT'); xlabel('时间'); ylabel('幅值');
7 _% D7 F# c6 k; `. k$ h8 L- g5 w5 t0 A& q
" b4 Z" p; |$ u6 @& h5 c2 O/ FMatlab运行结果如下: 从上面的前512点对比中,我们可以看出两者的计算结果是相符的。这里有一点要特别注意,官方文档中对于函数arm_rfft_q31输出结果的实部,虚部排列顺序说明是错误的。函数arm_rfft_q31的输出结果仍然是实部,虚部,实部,虚部….. 依次排列下去。
# \+ z g* E' J" v5 ^32.2.3 arm_rfft_q31函数定义如下: void arm_rfft_q31( const arm_rfft_instance_q31 * S, q31_t * pSrc, q31_t * pDst) 参数定义: [in] *S points to an instance of the Q31 RFFT/RIFFT structure. [in] *pSrc points to the input buffer. [out] *pDst points to the output buffer. return none. 注意事项: 结构arm_rfft_instance_q31的定义如下(在文件arm_math.h文件): typedef struct { uint32_t fftLenReal; uint8_t ifftFlagR; uint8_t bitReverseFlagR; uint32_t twidCoefRModifier; q31_t *pTwiddleAReal; q31_t *pTwiddleBReal; const arm_cfft_instance_q31 *pCfft; } arm_rfft_instance_q31;
2 ^! k% j1 X# }* k 下面通过在开发板上运行函数arm_rfft_q31和arm_cfft_f32计算幅频响应,然后将相应的频率响应结果在Matlab上面绘制出来。 - /*
" k0 b! R! L: Y4 d' H) h - *********************************************************************************************************) j/ F f, O4 G( h0 w- Q$ [# \1 z
- * 函 数 名: arm_rfft_q31_app
: w) E' ]3 @1 H2 u - * 功能说明: 调用函数arm_rfft_q31计算1024点实数序列的幅频响应并跟使用函数arm_cfft_f32计算的结果做对比。
7 A' S! y( v" a# Y$ E9 O2 `2 D3 D - * 形 参:无
, `+ b* {' C2 m$ U3 C - * 返 回 值: 无# E a1 _% d+ x) j/ V
- *********************************************************************************************************3 s, c( ^- h; o% `+ Y) {) o
- */$ A( W( N+ q f/ [2 z& e( k
- static void arm_rfft_q31_app(void)3 X7 l ^- {4 `# z1 D6 D' ^
- {
3 |' C) O7 ]; ~. k - uint16_t i,j;; {4 t9 a/ \% h. O$ G8 V; |% m
- arm_rfft_instance_q31 S;
; M4 o& |8 y7 { - /* 实数序列FFT长度 */
# W, F. S1 _# f1 y - fftSize = 1024;
$ |+ }- ^: ?9 ?% \ - /* 正变换 */
- d' z, D; ], k5 a: ?, f, F# A - ifftFlag = 0;
; u; o$ @$ ]( ~4 b1 g# i - /* 码位倒序 */, M: B7 Y) v G2 U K \
- doBitReverse = 1; " V d) t L7 x$ o* a
- /* 初始化结构体S */
. w; h# C3 h8 C* [ Z! a3 A. J - arm_rfft_init_q31(&S, fftSize, ifftFlag, doBitReverse);( K; _! o4 o9 s: K% L8 @
- /* 按照实部,虚部,实部,虚部..... 的顺序存储数据 */
0 h9 U0 ?8 u4 n - for(i=0; i<1024; i++)
. W9 C& ]( b5 R: [ - {
) c: K( T9 c+ ?+ X8 q$ ^ - /* 51.2Hz正弦波,采样率1024Hz。
2 E; [$ k- i: s. f$ d - 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,
`- c8 [# u; F- C& A) Q$ D, ~6 u9 U' ]: i - 2^31 / 20 = 107374182.4
i1 O& S6 r% }( x% F( u8 w - */
2 p( L( V l- v - j = i % 20;
0 M, X/ a( M- I6 R1 r+ q* K - testInput_q31_50hz[i] = arm_sin_q31(107374182*j);3 H6 J2 N- w) S M% S
- }
3 m3 k% i" p( X" D! W - /* 1024点实序列快速FFT */
7 T/ N; S: o/ B+ w { - arm_rfft_q31(&S, testInput_q31_50hz, testOutput_q31_50hz);
2 i. w( R& Y c2 m( N- J+ j - /* 由于输出结果的格式是Q21,所以这里将定点数转换为浮点数 */9 L7 g2 y3 i8 F' P: t- ~
- for(i = 0; i < fftSize; i++)
6 @1 u' h, ]4 I1 l {0 r4 ? - {; T) j% A6 X- _8 j5 W
- /* 输出的数据是11.21格式,2^21 = 4194304*/1 X, D; q3 {% t3 M/ e
- testOutput_f32_10khz[i] = (float32_t)testOutput_q31_50hz[i]/2097152;
, I, _ A0 y+ |0 I - }
9 l$ n$ P# U6 k& h) x# Y - /* 为了方便对比,这里求解了1024组复数,实际上面的变化只有512组 9 q7 ^' J% S; T) m. d8 X
- 实际函数arm_rfft_q31只求解出了512组 */
8 ]( `4 Q0 Q, B8 M, y3 p - arm_cmplx_mag_f32(testOutput_f32_10khz, testOutput, fftSize);
/ t; x# X1 |" M) H7 C - /* 串口打印求解的模值 */
; {9 B) l% d: G( f+ c5 b - for(i=0; i<fftSize; i++)
: \7 c! {3 [' f6 I- s! ^$ ~" R, E9 B - {
8 L3 `' Y( ?2 t% E# d8 l - printf("%f\r\n", testOutput[i]);
$ j8 j Z( [: l* F& B- N A( C - }
' q) k- f) W0 E; n: x3 S - printf("****************************分割线***************************************\r\n");
8 n( `* Y8 m3 O- J - for(i=0; i<1024; i++)8 {3 \; n$ Z7 |2 T
- {& ?; F9 y( U9 A4 k
- /* 51.2Hz正弦波,采样率1024Hz。
! Z7 G4 E3 ^ B4 C - 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, [$ Z, _% K4 `* Y' D# N9 `& s9 t% t
- 2^31 / 20 = 107374182.4- P- s. o8 d8 b$ X" N
- */ V; `& N8 @; G0 I' n! y- n
- j = i % 20;4 ^6 J1 q! D0 Z1 ]
- testInput_f32_10khz[i*2] = (float32_t)arm_sin_q31(107374182*j)/2147483648;
6 c4 A3 r5 u. Q/ U, I f- M& { - /* 虚部全部置零 */4 t% p8 y$ {( o4 C
- testInput_f32_10khz[i*2+1] = 0;, C) N6 R' f G$ V: r7 \+ h4 ]
- }
: O$ L5 ~+ ]) k/ \1 v& W- Q - arm_cfft_f32(&arm_cfft_sR_f32_len1024, testInput_f32_10khz, ifftFlag, doBitReverse);" F) h, S8 w7 B1 c# a0 B
- /* 求解模值 */
% i" K% h- Y6 { - arm_cmplx_mag_f32(testInput_f32_10khz, testOutput, fftSize);- ^; I% p2 s! q; O
- /* 串口打印求解的模值 */
% U7 I; A C& ?$ q - for(i=0; i<fftSize; i++)2 Q/ E* O# ~+ Q7 x/ A# d) g
- {' n8 `1 K3 _$ i: f ~
- printf("%f\r\n", testOutput[i]);. r4 N& k2 O5 y7 o
- }
% _+ C4 H8 B* P - }
复制代码运行如上函数可以通过串口打印出函数arm_rfft_q15和arm_cfft_f32计算的幅频模值,下面通过Matlab绘制波形来对比这两种模值。 对比前需要先将串口打印出的两组数据加载到Matlab中,arm_rfft_q15的计算结果起名signal,arm_cfft_f32的计算结果起名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 & ~. w% G4 @0 G
6 m0 u2 w$ m. ?9 R/ b! Wn = 0:N-1; % 采样序列 f = n * Fs / N; %真实的频率 ) R) Y% e" `+ e/ u- F7 c: i
' G1 W3 a- r) {2 g/ Nsubplot(3,1,1); plot(f, signal); %绘制RFFT结果 title('实数FFT'); xlabel('时间'); ylabel('幅值'); 5 H- _/ N: p5 m! Z, \+ q! b
; _2 h3 t0 K9 n! _+ i
subplot(3,1,2); plot(f, sampledata); %CFFT结果 title('复数FFT'); xlabel('时间'); ylabel('幅值');
0 d" @2 j" n+ T/ L ]) z) K# u
" D& V7 t. @3 a' O" _7 d* mMatlab运行结果如下: 从上面的前512点对比中,我们可以看出两者的计算结果是相符的。这里有一点要特别注意,官方文档中对于函数arm_rfft_q31输出结果的实部,虚部排列顺序说明是错误的。函数arm_rfft_q31的输出结果仍然是实部,虚部,实部,虚部….. 依次排列下去。 ) c. t; X# a1 `+ r2 B4 O0 W2 k/ x
32.3 总结 使用实数FFT计算的时候要特别的注意本章节提到的几个错误点。 / | k$ }0 d6 I
|
谢谢!希望继续支持啊~~
程序是这样子:6 ^: e0 {: t" M. R4 Z
用ADC采集值填入fft输入buff( Y( N) P5 M, U* J
void ADC_proc(void)
{ 3 K* G! O+ z7 {' A& L
uint16_t ai,cnt; 7 G% K: O* C1 f
if(adc_conv_done)
{
adc_conv_done = 0;- T) r* ]0 Q0 N! q3 ]( s9 V
. ]/ [1 V V0 k2 z$ ]# U7 L
for(ai=0;ai<NPT;ai++)6 ~) d/ Z3 D1 N& w* O! b
{* N$ Z! x" H: P! q
lbufin[ai*2] = (float)(adc_buf[ai*2]-2048);# g" K& _' w% E9 R& u: m
lbufin[ai*2+1] = (float)0;: W& K" h" z) u' C
}
FFT_proc();
HAL_ADC_Start_DMA(&hadc,(uint32_t*)adc_buf,sizeof(adc_buf)/2);
}
}4 b5 u6 ^& a" I3 |/ E
5 l8 Q3 @' M0 f' \ v$ ]1 X
/ q; H; T/ C( D5 Y: I7 o
3 x6 X. y: J; O% Z" w
FFT处理
% ]+ V5 ~3 c" H6 w8 Q/ Z h
float lbufin[NPT*2]; /* Complex input vector */
float lbufout[NPT]; /* Complex output vector */
float lbufmag; /* Magnitude vector */
uint16_t fftSize = 64;4 I. A6 ~0 T9 u; O/ j
0 Y+ m, K- H V
5 z5 g) o# n! B% S
uint8_t ifftFlag = 0;/ a; {4 M3 d+ h, ?4 K
uint8_t doBitReverse = 1;# s8 l' m5 ~! k( h( T! h4 P
uint16_t audio_mag;
extern uint8_t audio_intf_flag;
//uint32_t refIndex = 213,
uint32_t testIndex = 0;% D* Y4 h8 D5 h, Y' _* z
__IO uint8_t new_mag_flag;! A9 \# W. E l% A. l
~; _2 c: N1 N3 q" j& A) `' b1 U
. u6 a2 B9 w7 z9 J5 @: b6 W
void FFT_proc()# |9 r# Q7 c3 k
{ % [* g! B D/ \6 F8 f, F
arm_cfft_f32(&arm_cfft_sR_f32_len64, lbufin, ifftFlag, doBitReverse);. I' I$ j G5 G& q: B
arm_cmplx_mag_f32(lbufin,lbufout,fftSize);
arm_max_f32(lbufout, NPT, &lbufmag, &testIndex);( `* a$ i% j/ ]+ S u+ g
} * `% T1 X3 E' V, K1 E
0 f7 w, F8 ]7 ?2 A