|
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。 4 |+ c1 ?& |4 {! d9 k! K( I w 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 ] : 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。
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。 - p. ~8 j7 |8 r; ~2 P2 H" M ' _) h2 b: E8 R. L, m1 Y
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 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。 + r( B3 {" n5 K8 a" D: l 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。
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 下面开始看看具体的代码实现。 " 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。 . n# U9 h/ H" p1 X3 C; K/ E ( b/ l: x/ W8 P- C( h
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。
Y- U. H( g$ Q 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: 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 @ 2、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 3、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。 + I8 ]( e9 S4 w+ ]- c3 Z1 R 4、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:
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。】 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。 ) 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 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
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& 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。 0 u" c; @+ p# k/ [7 Y
/ F+ b+ h6 c9 P6 n 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 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
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 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。 3 Z: x8 B6 W9 v9 ~8 E5 ]' t
2 U. `9 y8 d0 Q4 U h5 Y 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
) 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。 4 U1 j+ O) d4 {6 C4 u& c: u 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 . V3 k6 o3 }, E: x2 ^3 z& ^
' 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: , l& l/ s, Z+ E* n) J
2 B% @3 r* l, f+ B$ [ 我们再看看基于STM32F4芯片的FFT计算结果: . i" s) w" F9 W6 |3 }5 n2 }5 k) d- q
) 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 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 |
| 感恩,收藏 |
|
很专业,感谢分享!9 ]6 A- S4 s; l S; A4 c9 H |
微信公众号
手机版