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。

STM32的FFT运算实例

[复制链接]
yumeii 发布时间:2019-12-19 13:28
ST公司的STM32F411discovery开发板,就如何实现浮点FFT运算做个简单应用示例,并给些应用提醒。下面用到的IDE是ARM MDK。
6 f1 ?( _" D- y4 |+ c1 ?& |4 {! d9 k! K( I  w

# Z: i6 N# ?5 j' K: x$ M+ H因为要用到ARM公司提供的DSP库,所以需先开启一些必要的宏开关并添加相关库文件。STM32F4芯片支持DSP指令且自带浮点运算单元即FPU。6 H7 m$ P' ]1 p$ M" x/ a2 ]

# W+ Y* x( h+ w8 ?5 F' J
: m/ b' ^, O- C7 V
在MDK集成开发环境的相关配置栏添加__CC_ARM,__TARGET_FPU_VFP,ARM_MATH_CM4,并启用了硬件FPU。
: y6 b5 p5 |7 j0 K3 s  @
) x3 I; A2 n+ G$ r# G/ N- ^0 c

; P0 k# [" o- ? 1.png
. V* L. |/ F/ _! S8 s
& ^( S7 e1 |4 w9 j7 c' d, p" |

! a+ F* ?6 w% K1 S6 m! s添加ARM提供的DSP库文件。如果使用STM32Cube库的话,该库文件一般在这个目录下【以STM32F4cube库为例】,有4个库文件。
6 v1 ]( r& w! `- p. ~8 j7 |8 r; ~2 P2 H" M
' _) h2 b: E8 R. L, m1 Y
2.png
  e) y9 H6 G" W9 k/ Q  o! m
$ Y$ \/ [+ S* i5 X) k

- _1 m) B7 s5 b6 m其中cortexM4b是基于大端存储模式但不支持硬件FPU时所用的DSP库文件,cortexM4l是基于小端存储模式但不支持硬件FPU时所用的DSP库文件。而cortexM4bf是基于大端存储模式且支持硬件FPU的芯片所用到的库文件,显然,cortexM4lf是基于小端模式且支持硬件FPU的芯片所用到的库文件。: s2 ^* N# G7 R

  q8 v# F, N% O! {

1 A8 z: U( A, y! J3 V这里我们添加arm_cortexM4lf_math.lib即可,STM32芯片采用小端存储模式,且STM32F4内置FPU硬件单元。
; H) q' Z  |2 q! q" p% l( C) c5 T+ r( B3 {" n5 K8 a" D: l

' B0 C+ E$ E5 O+ R这里提醒下,首先,DSP库不要选择错了。其次,在添加.lib库文件时,添加时注意选择文件类型为lib。如果以别的文件类型强行添加进去后,编译可能提示出错。有时一会半会还找不到出错原因。
  w6 U  n2 }4 y8 Y0 Q+ m
$ [( Z5 K3 ?% ]: {) v. U9 R3 W

) y8 z  \0 q. ^, t: n. g 3.png
1 E/ `" e0 Z  a6 a
5 z8 H& o6 P& w" t4 e/ p' q

6 _: e* S- H3 E! x7 Q4 l3 P3 d9 ?另外,我们还需在用户代码里添加包含文件:#include"arm_math.h"。至于其它头文件按需添加即可,比方math.h头文件。8 O* J) Z+ V) @, C; I1 j

* [: T$ q; e$ q8 M

0 U5 o4 o% K5 _8 b9 `( T8 O  c下面开始看看具体的代码实现。
! k; w, k7 W5 A0 s" e0 A2 Y3 z6 v/ g; I/ {+ C
: L) E& V! v6 q
先做基本变量的准备及定义,比如用于FFT运算的点数,用于FFT运算的输入数据数组,输出数据数组、存放各频点初始相位的数据数组等。
, H  U6 }  S6 ~; y' m  \. n# U9 h/ H" p1 X3 C; K/ E
( b/ l: x/ W8 P- C( h
4.png
/ }; t, Y; B  A* _4 n5 `/ K( X& `/ q
1 y/ _/ V  k4 Q+ @4 B9 J, r

  o9 O# ?: b8 \( _4 q7 f6 Z这里使用几个正、余弦信号函数叠加产生一组信号序列。其中,有一个幅度为3的直流分量。另外几个分别是频率为200Hz、400Hz、600Hz、800Hz、1000H,幅度值分别是1、2、4、8、16的正、余弦信号函数。各输入数据项的虚部均设置为0。
/ i' k1 w6 B6 ]
  Q. \! R2 @8 _, l3 t" e

& T7 N( T" ^5 w 5.png # E3 `% @1 t& @
  Y- U. H( g$ Q

: L6 `" Y7 z- q2 w( m这里假设采样频率Fs=5120Hz,期望的最小频率分辨率为20Hz,则最小采样点数不要少于5120/20,即这里选择256点。【如果希望频率分辨率更高,可以加多采样点数】。( @, l$ r) \9 Y4 u5 h
% E$ M! O+ U7 |: N3 k1 u% p: O2 R
8 J1 v# S7 J, }
其中,采样频率不得低于最高被采样信号频率的2倍。关于这个采样频率及采样点数的选择给几点提醒供参考:
3 B+ C0 i1 k# Y4 Y+ j# B; d
- C) n9 Z( _6 E* W
6 a( x3 g! h7 F# f* w/ b: l1 D! Y
1、采样点数它往往有个最小值需求,由采样频率和所期望的最小频率分辨率决定。1 L. W5 T7 \5 k! L, t' N
. s* [4 k# \  m7 j  @

5 V3 |* g. B" t. R8 f) Y2、整体上讲,增加采样点数有利于提高频率分辨率或改善运算结果。不过,增大样点数时既要考虑它对计算速度影响,同时还得考虑对微处理器内存的开销。比方128点和1024点的内存开销差别就较大了。7 D2 N4 {2 `" K
% X3 Z6 G( X2 F% d6 U

) a) Y* X0 p( ~6 Y3、在选择采样点数时,除了考虑满足最小值要求外,还得结合具体选用的FFT相关函数类型,比方说是基4还是基2的。如果使用基4的FFT运算函数,则样点数须满足4的整数幂。如果使用基2的FFT运算函数,则样点数须满足2的整数幂。
  U0 h  X" ]( O' Y) i+ I8 ]( e9 S4 w+ ]- c3 Z1 R

9 s6 L7 Y4 H" n5 [$ b4、具体到使用ARM的DSP库函数进行FFT运算时,还得遵循函数本身所支持的样点数约定,并不是你想多少就多少。比如,以下面函数为例:
: d, z, p6 V9 l
- D0 c* V3 K8 `* C  t# y0 X

0 t6 ~# {$ q: W# A  h) R% P( e 6.png $ ^: O5 J# O5 H4 }5 P, C9 H1 b$ O
6 U$ j2 M0 `( L9 O2 K
5 f) J8 _: M/ r
基于上面FFT函数,如果你使用128点、512点、甚至高于1024点都不支持,或者说计算结果误差很大。【当你点数选择不当时,编译时目前是没有任何提示的。】
$ O% N0 I! ^4 g6 L
) r0 ^! @+ {1 S) H) s% k& |+ P! _

) H4 s+ K) ~8 e' T' {5、有些场合为了满足FFT运算要求,计算所需样点数可能多于实际数据量,这时我们在数据序列尾部补零凑齐。比方经过评估希望512点,结果实际数据才500个点,我们可以考虑补零以便于计算。这样做可以减小栅栏效应,但不会提高实际频率分辨率。
$ T! N- D; ^# P" R) W4 f0 P! Q  G4 s& E, W
% a5 e7 x5 x+ ?( M5 ?
6、采样频率要满足不低于最高被采样信号频率的2倍的要求,但并非单纯的越高越好。一般取其3~6倍,具体应用时合理选择。0 s+ O- ^" D) Z: V3 @! l6 M

' M2 B9 {. l$ P' l8 t

: [' |3 X3 e- p* B* l关于采样点数的拟定就提醒这些,尤其上面的第3点、第4点,在使用相关函数时,最好看看函数原型说明。【注:我们在PC端使用诸如Matlab、Octave等数学工具时样点数往往可以做到比较随意、自由。】% f" _( [& }3 C3 z1 {
* q  O! c- f0 f" ^0 Z2 a
; b. Q' G6 k+ I6 M. _$ _6 j
好,基本数据准备工作做完了,下面就是调用几个函数来完成FFT运算工作。  I4 i8 o/ @4 X8 Y" ?( L
6 w* J1 g* s/ o
" @& N- z, k3 j' d0 m
7.png
% P( W) p4 ?1 Y7 Y7 k& ^1 M! Z- L1 Q. K) _8 ]( x; u
7 A% T$ i/ [. x2 n7 [
运行相关代码后,我们可以看到不同频点所对应的模值。
* B. m% v2 O  \3 w* Y$ ]3 m
, j8 ]4 J- D5 {- _% Z
) b& O/ k  u* h; }/ d
对于直流信号,其对应的频点位为0,计算出来的模值是其实际幅度的N倍,【N即FFT运算用到的样点数,这里就是256】,其它非直流频点的模值经FFT计算后的结果为实际幅度值的N/2倍。2 k# u9 e* m7 G
3 r" z5 a* Y, T& c/ L
! w5 k$ A. W3 c$ F
我们可以先使用Matlab或Octave模拟一下输出结果。下面是用Octave模拟出来的结果。
4 r; e  l9 e* Q9 j0 N: j5 S* d; U
& F( _! A4 {! D  X) |  g$ y: ?; r
0 u" c; @+ p# k/ [7 Y
8.png
" t  ], Y! @# I/ F+ b+ h6 c9 P6 n

% o; i$ N- ~( {7 D/ q0 a因为经过FFT运算后的输出结果由对称的两部分组成,我们只需查看前面半部分即可。9 V4 X7 x, v, v* v) e

. l% X/ H% b. D' K+ S" b7 f

+ d! N% U( h  C' ]7 a如下图所示:* J, z. m. k; ?' M. o) d" K
% N( s+ _. X' Q& S* [2 U
# X: I9 O) W+ k! V; m" W
9.png " _) O; k" C; V1 Q6 [

; n) s7 P6 _5 {* q" ^# S' x, \

! T$ o  l% G' B2 }1 `$ b因为采样频率是5120,采样点数为256,即每两个采样点的频率间隔为20Hz.我们不难从上图看出直流分量0Hz以及200Hz、400Hz、600Hz、800Hz、1000Hz几个频点信号的位置及模值。图中0点位处所对应的模值就是直流分量的模值。因为各点位的频率间隔为20Hz,所以图中点位50处所对应的模值就是原信号中1000Hz余弦信号的模值。【前面提过了,FFT计算所得模值跟各频点信号实际幅度值还有个对应关系】# e  Z4 x9 ?2 ]0 Z6 u

) D4 X$ s' C3 T# z2 w

- R$ C( n+ l) W8 {+ ^$ u$ Z/ i' T我们再来看看经过STM32F4芯片进行FFT运算后的实际结果。计算后各频点的模值存放在数组fft_output[256]里,我们可以进行查看、比较。不难理解,如果点数越多,数组数据量也就越多,看起来并不太直观方便。我这里将FFT输出结果按照频点顺序在调试界面周期性地显示出来,如下图所示。其中,红色波形是信号频谱及模值,绿色斜线是频点递增变化曲线。
# u# i9 C8 V! J3 Z: x8 B6 W9 v9 ~8 E5 ]' t

6 M. M8 ]- {) C  n 10.png / F# K. \. }- {9 Z3 A
2 U. `9 y8 d0 Q4 U  h5 Y

* i6 e. I4 H" u# e( M* T. h同样,我们只需查看FFT完整输出的前半部分结果。$ y$ o5 b) I; d* M
% J9 ~8 k4 |9 Y3 D" N

5 h, {  f8 f- i/ x 11.png 3 k3 E6 }; f2 d* M9 s1 B

' t" D, n; X) K
) y, ~) i  }# v% s% o' W* L
这里的零点处所对应的模值就是直流分量的模值,理论值应该为3*N,即3*256=768,实际计算结果也是768;其它5根线分别对应200Hz、400Hz、600Hz、800Hz、1000Hz这几个频点信号的模值。在显示界面轻点鼠标即可看到各处的频点位置及对应的模值。
: m6 i; D1 X4 M6 J4 U1 j+ O) d4 {6 C4 u& c: u

" n4 s5 a$ v5 z: g, B当然,我们也可以到经FFT运算后的输出数组里去查看数据,相比之下,只是没有这么直观快捷。【下图是部分数据截图】8 M$ ?* y! d/ ]2 x4 q" y- I8 Q9 Z

! k2 {* Q1 |) s1 w5 u  t
. V3 k6 o3 }, E: x2 ^3 z& ^
12.png
" M8 H# `* O6 d
# T% A- E' a9 b
' l9 r0 P# p0 F! F& m! B
另外,我们还可以看看各个频点信号的初始相位值。同样,我们也可以先用Octave模拟运算结果。基于数学工具的运算结果如下:
  s0 K2 q! F5 O5 R. H, l& l/ s, Z+ E* n) J

/ [8 Z2 j6 j' M/ V/ ~  X 13.png
9 e" F8 Z/ y3 [1 F; M& I
- N% h! l+ |# j  \! u* t
2 B% @3 r* l, f+ B$ [
我们再看看基于STM32F4芯片的FFT计算结果:
+ ^* c# f/ I: l' v' ~/ e: _0 }8 ~1 ?. i" s) w" F9 W6 |3 }5 n2 }5 k) d- q

( v5 i2 P! F# v% L- j* | 14.png
. v" ~0 f+ `1 c) S# L7 k9 H' n0 L" j9 `, n5 t
0 n7 V' U6 D- y9 ~5 c
这里提醒下,初始相位的计算结果是按照余弦函数计算的,所以如果使用正弦函数产生的信号的话,就涉及到一个三角函数的转换关系sinx=cos(pi/2-x),经过转换后所得的余弦函数的初始相位值跟计算结果就一致了。% A. @9 S6 i) O$ F8 U1 G# j1 l8 `
0 i& t0 A3 P5 s! V

* ^$ n' f. C. e. M3 e" u整体上,基于上面的参数所得FFT计算结果,跟理论值还是非常一致的。不过,要提醒的是,即使对于同一个被采样信号,因选取了不同的采样频率和采样点数做频谱分析时,可能会出现不同程度的误差。所以,为了减小误差,我们要选择合适的采样频率与采样点数,更多细节可以查看相关资料。1 |4 K  n: X% y" ]4 E/ n$ C

# B- h8 n! P5 o! `
赞 收藏 2 评论2 发布时间:2019-12-19 13:28

举报

2个回答
慎微 回答时间:2019-12-19 17:50:21
感恩,收藏
Glenxu 回答时间:2021-8-21 23:05:57
很专业,感谢分享!9 ]6 A- S4 s; l  S; A4 c9 H
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