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。

基于STM32利用傅里叶反变换进行数字滤波经验分享

[复制链接]
攻城狮Melo 发布时间:2024-5-29 16:51
前面介绍过一期在STM32中进行傅里叶变换的教程,我们成功的对一段信号进行了傅里叶变换,获得其频率谱。' h. T8 U5 ?; E
3B_8}BWR[]ZBFD2U~56EA@W.png   {: Q% l3 J. t; s. C
: _$ L/ L2 i( Y3 L( }: E
同样的,我们也同样介绍了双边频谱:FFT的结果是一个双边频谱,他不仅仅包含了实数的频谱也包含了负频率的频谱。; H  @; F- D. @6 |; O; S' ^

+ r1 b7 Z- i# c" k我们的采样长度为FFT_Lenth,同样的傅里叶变换的长度也是FFT_Lenth,而由于双边频谱的存在,我们的FFT结果数组长度是2*FFT_Lenth,并且通常直流信号会被统计两次。' Z! s% F/ C7 x
/ A$ Q4 Y* n0 }7 C( f
事实上对于我们的时域信号而言,我们采集到的数据仅仅只是实部信号(虚部信号之所以叫做虚部信号也正是因为在复平面上)。
% y: z( _6 f2 k5 q: }$ w) s$ z% A
4 y* X3 `$ _2 Q' @
微信图片_20240529165125.png
5 J0 z! u" |, X( M% p, H

; w( b7 t7 N: p: Q- o在大名鼎鼎的火柴人数学中也体现了这一点。
5 t4 C  p4 ]: H3 w
7 C! K9 M+ s* m& X4 N- K
微信图片_20240529165122.png
' J& W/ Z0 V% d2 x8 `1 h) C. U  z  g: g
而真正的信号应该是一个在复平面上的合信号,但是对于我们而言虚数轴上并没有什么意义。
, s' m: A0 M0 H/ p! k; M) o/ n$ ?7 f: I) M* s1 g5 W3 M: k% s# S# ?6 ~( |
因此我们在计算FFT的时候也会主动的不向原始信号虚数轴上填充数据。  v: V1 M$ b5 k- l
$ k+ v+ k2 u9 d2 x2 N, _
  1.     for(int i=0; i < FFT_LENGTH; i++)
    " ], V& H; y  R+ K7 s
  2.     {" @  [0 N" v+ r
  3.       FFT_InputBuf[2*i]=(ADC_1_Value_DMA )*3.3/4096; //实部
    5 i6 a7 O& |( q: i
  4.       FFT_InputBuf[2*i+1]=0;          //虚部6 a- m2 m9 k! i% m
  5.     }
复制代码

# O) Z4 {# Q! G2 E但是,即便是我们主动的忽略了时域信号中的虚部,但是FFT的结果中依旧包含了负频率的双边频谱8 G2 m' \8 Q8 R8 j, ]

4 }' _+ s' }  U  R; w6 k
微信图片_20240529165119.png 5 i; g0 S! E0 c6 E, F9 ~

- a. b5 I% r1 b因此,当我们利用得到频谱的时候,通常情况下只考虑他的单边频谱,而负频率通常是不考虑的。" S1 d  D0 D6 w% ^. o
# z' H* l# U0 M2 }) ^, W& e
好了,说了那么多我们还是聊聊我们接下去要干什么,FFT在STM32中的应用有许多文章都在对其进行介绍,但是几乎没有文章有介绍IFFT也就是傅里叶反变换。& e9 @8 p' Z  b9 D' L" g* C
: [" C  x" |6 D, B! i
也对,通常我们知道的时域信号,我们通过傅里叶变换之后将其转换为频域信号,但是很少有知道频域的情况下对其进行傅里叶反变换,因为首先是应用场合比较少,其次是好像没什么必要。
! I2 ^; X3 S+ u) f6 K* M% P( W$ ]0 s" w
但是如果我们可以实现傅里叶反变换,那能不能通过对其频率信息的修改,即修改频域的值,实现一种滤波效果。
1 y) \: v! N8 W' S: d% k( `7 A
1 M' {8 O4 [# r& r9 |假如我们的信号采样率为10KHZ即10240,而我们的FFT长度是1024,那么我们的输出数组结果所对应的频率差,即相邻两个数据对应的频率差为10240/1024 = 10HZ/ F+ T5 J1 A4 S7 C6 `* o7 c
2 M9 \+ n% o  e2 K9 Z  y
微信图片_20240529165115.png " s" t5 [) q. d4 I, ?
" P' B) ?' {0 M# J
那么例如我们将FFT的结果中前2*X项赋值为0(因为输出的结果中包含了一个实部数据和一个虚部数据)并且FFT_Lenth~FFT_Lenth*2的值均为负频率。: |: W$ \% n% V' T- P0 a

# m3 o. [" Q4 C, v9 k6 P这样子我们就可以实现一个X*10(频率差)的一个高通滤波器(低频段被删除了),之后我们通过傅里叶反变换实现还原原始信号。
- F4 C8 {! A6 T9 o! D7 x) c% |# u) c9 G
这里需要注意的是,DSP库中没有给出IFFT的算法,因此我们选用最常见到的累加法求其IFFT的结果。9 k, E( I* ?4 r$ A! ^# L8 x( x

5 [: C7 m6 ?( R8 Y
  1.     for (int i = 0; i < FFT_LENGTH; i++) {  
    / N% a5 K* E5 R
  2.     FFT_OutputBuf = 0.0f;   
    . @8 M( R4 V& W4 I1 }, L. ~
  3.     for (int k = 0; k < FFT_LENGTH; k++) {  
    % Q8 S  i; O: k  h% l: r( q
  4.         // 累加复数乘法结果到原始信号  
    : p  i0 E) k3 `' }; e
  5.         float32_t phase = -2.0f * 3.1415926 * i * k / FFT_LENGTH; // 计算相位  ! R9 x7 Q& ~* ?6 h7 O( t
  6.         float32_t real_part = cosf(phase) * FFT_InputBuf[2*k] + sinf(phase) * FFT_InputBuf[k*2+1];  1 a8 ~+ y+ a. T
  7.         //float32_t imag_part = -sinf(phase) * FFT_InputBuf[k*2+0] + cosf(phase) * FFT_InputBuf[k*2+1];虚部信号  6 [4 R3 Y: |3 b' `
  8.         FFT_OutputBuf += real_part; // 只取实部累加,因为原始信号是实数  
    # a* @  h7 V8 Q, I/ x
  9.     }  ! k) t# u/ o, @. H" b5 T/ s5 n: b
  10.   
    % j$ T& N" \1 N) n; s( w& r' H
  11. }
复制代码
, o& C. ]. @: `" |. m
这里不具体介绍原理,总之我们看看效果。2 _+ \$ O. o7 X' b2 H/ n$ [$ @
微信图片_20240529165111.jpg 4 w2 W$ I; z' N; p6 P" O8 [  m
( q& f' N" \/ Q7 i, a# X$ A
将信号采集之后经过FFT变换之后再通过IFFT反变换为时域信号。
7 k4 F. |$ c7 R+ h- f2 V

' C+ d; Q* _$ V/ @: D/ M这里我们采集了3KHZ的信号并进行了还原,可以看到并没有什么失真。
( F2 q! q- C6 j  r; u
% `, Y$ A7 C( Y" Z% w$ d* c' ]$ b
微信图片_20240529165107.png # @% |( s7 U4 V6 j. l! G' [1 H* \

& W* s4 y# q  M" l7 I& R5 B三角波的还原,可以看到似乎叠加了一个什么信号,但是不是很明显。/ M# y6 I7 S9 L& @, ~) E

. M( z8 `  E# c# n0 [2 n
微信图片_20240529165103.png
; T: N. B4 {, [' T! H

' V: I0 J& N" g调制信号的还原,可以看到信号还原度还是非常高的。# {' m% e) e" d6 w

8 F9 J) z% Y; c+ R2 a
微信图片_20240529165059.png
+ o9 D5 Q, N/ S. a

7 o* X9 G6 h* t; C两个正弦波,100HZ+500HZ的累加信号,可以看到其还原度也是非常高的。
. ^/ N% W! M; o. u* z8 |6 `- T8 t* f/ U( `
在这里我们应用一下我们之前的方法,将某个频段的信号去除。. v* K6 r2 Q1 |' g; w+ k
' z, n+ c( Z; P7 c8 C
微信图片_20240529165056.png 7 f/ e6 A- k2 f* l5 M+ q

3 q3 A3 }  ]: O# G, q可以看到,我们非常轻松的从500HZ的信号中提取到了100HZ的信号。0 }9 M5 F+ p4 I% o4 F& F

" X4 s2 n# Y0 N" K, |, R: F9 l
微信图片_20240529165053.png
4 @3 S- h  j$ ], x$ D0 T+ r1 h; a6 Y" ]! a" c# W
方波中提取其基波频率。
! L& @) j; v2 L/ `& q, `( y0 T/ y
微信图片_20240529165050.jpg
4 Q$ D7 Q. m8 b& I' `; O
, b7 b  A$ W" y% a4 [0 A- c以及还有方波信号的 还原。* G6 Z7 ^, Y, X2 D

! [! B; M: p8 `并且这个方法 的滤波精度相当之高。, _3 ]! V1 S% B. {, r5 D+ s

0 t5 ?: V$ z  X$ F% Y( ^
微信图片_20240529165043.jpg . q$ P; a: D" Q
4 t, ~0 i: W4 x$ W
从一个900HZ叠加1000HZ的信号中将1000HZ的分量去掉。
7 l, M2 O5 I$ \+ |& _
0 c; }. z, \# @! C/ T3 z; A9 z9 T
$ n$ g3 {" M9 X1 @转载自:电路小白
6 C: u6 G% ?" X6 f# X; I( W- y如有侵权请联系删除3 T+ {+ ^0 R3 [" U

3 I1 N8 m) q0 f
赞 收藏 评论0 发布时间:2024-5-29 16:51

举报

0个回答

所属标签

相似技术帖

官网相关资源

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