首 页文档资料下载资料维修视频包年699元
请登录  |  免费注册
当前位置:精通维修下载 > 文档资料 > 家电技术 > 维修教程知识 > 单片机栏
嵌入式系统中FFT算法分析及设计方案
来源:本站整理  作者:佚名  2010-03-15 22:45:00



概述
目前国内有关数字信号处理的教材在讲解快速傅里叶变换(FFT)时,都是以复数FFT为重点,实数FFT算法都是一笔带过,书中给出的具体实现程序多为BASIC或FORTRAN程序并且多数不能真正运行。鉴于目前在许多嵌入式系统中要用到FFT运算,如以DSP为核心的交流采样系统、频谱分析、相关分析等。本人结合自己的实际开发经验,研究了实数的FFT算法并给出具体的C语言函数,读者可以直接应用于自己的系统中。

首先分析实数FFT算法的推导过程,然后给出一种具体实现FFT算法的C语言程序,可以直接应用于需要FFT运算的单片机或DSP等嵌入式系统中。1 倒位序算法分析

  按时间抽取(DIT)的FFT算法通常将原始数据倒位序存储,最后按正常顺序输出结果X(0),X(1),...,X(k),...。假设一开始,数据在数组 float dataR[128]中,我们将下标i表示为(b6b5b4b3b2b1b0)b,倒位序存放就是将原来第i个位置的元素存放到第(b0b1b2b3b4b5b6)b的位置上去.由于C语言的位操作能力很强,可以分别提取出b6、b5、b4、b3、b2、b1、b0,再重新组合成b0、b1、b2、b3、b4、b5、b6,即是倒位序的位置。程序段如下(假设128点FFT):
/* i为原始存放位置,最后得invert_pos为倒位序存放位置 */
 int b0=b1=b2=b3=b4=b5=6=0;
 b0=i&0x01; b1=(i/2)&0x01; b2=(i/4)&0x01;
 b3=(i/8)&0x01; b4=(i/16)&0x01; b5=(i/32)&0x01;
 b6=(i/64)&0x01; /*以上语句提取各比特的0、1值*/
 invert_pos=x0*64+x1*32+x2*16+x3*8+x4*4+x5*2+x6;

  大家可以对比教科书上的倒位序程序,会发现这种算法充分利用了C语言的位操作能力,非常容易理解而且位操作的速度很快。

2 实数蝶形运算算法的推导

  我们首先看一下图1所示的蝶形图。

蝶形公式:
X(K) = X’(K) + X’(K+B)W PN ,
X(K+B) = X’(K) - X’(K+B) W PN
其中W PN= cos(2πP/N)- jsin(2πP/N)。
设 X(K+B) = XR(K+B) + jXI(K+B),
X(K) = XR(K) + jXI(K) ,
有:
XR(K)+jXI(K)= XR’(K)+jXI’(K)+[ XR’(K+B) + jXI’(K+B)]*[ cos(2πP/N)-jsin(2πP/N)];
继续分解得到下列两式:
XR(K)= XR’(K)+ XR’(K+B) cos(2πP/N)+ XI’(K+B) sin (2πP/N) (1)
XI(K)= XI’(K)-XR’(K+B) sin(2πP/N)+XI’(K+B)cos (2πP/N) (2)

  需要注意的是: XR(K)、XR’(K)的存储位置相同,所以经过(1)、(2)后,该位置上的值已经改变,而下面求X(K+B)要用到X’(K),因此在编程时要注意保存XR’(K)和XI’(K)到TR和TI两个临时变量中。

  同理: XR(K+B)+jXI(K+B)= XR’(K)+jXI’(K)- [ XR’(K+B)+jXI’(K+B)] *[ cos(2πP/N)-jsin(2πP/N)]继续分解得到下列两式:
XR(K+B)= XR’(K)-XR’(K+B) cos(2πP/N)- XI’(K+B) sin (2πP/N) (3)
XI(K+B)= XI’(K)+ XR’(K+B) sin(2πP/N)- XI’(K+B) cos (2πP/N) (4)
注意:
  ① 在编程时, 式(3)、(4)中的XR’(K)和 XI’(K)分别用TR和TI代替。

  ② 经过式(3)后, XR(K+B)的值已变化,而式(4)中要用到该位置上的上一级值,所以在执行式(3)前要先将上一级的值XR’(K+B)保存。

  ③ 在编程时, XR(K)和 XR’(K), XI(K)和 XI’(K)使用同一个变量。
  通过以上分析,我们只要将式(1)、(2)、(3)、(4)转换成C语言语句即可。要注意变量的中间保存,详见以下程序段。

/* 蝶形运算程序段 ,dataR[]存放实数部分,dataI[]存放虚部*/
/* cos、sin函数做成表格,直接查表加快运算速度 */
TR=dataR[k]; TI=dataI[k]; temp=dataR[k+b];/*保存变量,供后面语句使用*/
dataR[k]=dataR[k]+dataR[k+b]*cos_tab[p]+dataI[k+b]*sin_tab[p];
dataI[k]=dataI[k]-dataR[k+b]*sin_tab[p]+dataI[k+b]*cos_tab[p];
dataR[k+b]=TR-dataR[k+b]*cos_tab[p]-dataI[k+b]*sin_tab[p];
dataI[k+b]=TI+temp*sin_tab[p]-dataI[k+b]*cos_tab[p];

3 DIT FFT 算法的基本思想分析

  我们知道N点FFT运算可以分成LOGN2 级,每一级都有N/2个碟形。DIT FFT的基本思想是用3层循环完成全部运算(N点FFT)。

  第一层循环:由于N=2m需要m级计算,第一层循环对运算的级数进行控制。

  第二层循环:由于第L级有2L-1个蝶形因子(乘数),第二层循环根据乘数进行控制,保证对于每一个蝶形因子第三层循环要执行一次,这样,第三层循环在第二层循环控制下,每一级要进行2L-1次循环计算。

  第三层循环:由于第L级共有N/2L个群,并且同一级内不同群的乘数分布相同,当第二层循环确定某一乘数后,第三层循环要将本级中每个群中具有这一乘数的蝶形计算一次,即第三层循环每执行完一次要进行N/2L个碟形计算。

  可以得出结论:在每一级中,第三层循环完成N/2L个碟形计算;第二层循环使第三层循环进行 2L-1次,因此,第二层循环完成时,共进行2L-1 *N/2L=N/2个碟形计算。实质是:第二、第三层循环完成了第L级的计算。

  几个要注意的数据:

  ① 在第L级中,每个碟形的两个输入端相距b=2L-1个点。

  ② 同一乘数对应着相邻间隔为2L个点的N/2L个碟形。

  ③ 第L级的2L-1个碟形因子WPN 中的P,可表示为p = j*2m-L,其中j = 0,1,2,...,(2L-1-1)。

  以上对嵌入式系统中的FFT算法进行了分析与研究。读者可以将其算法直接应用到自己的系统中,欢迎来信共同讨论。(Email:xiaowanang@163.net)

  附128点DIT FFT函数:

[1] [2]  下一页

关键词:

  • 好的评价
      0%(0)
  • 差的评价
      0%(0)

文章评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分)
Copyright © 2007-2017 down.gzweix.Com. All Rights Reserved .
页面执行时间:139,726.60000 毫秒