DSP课程设计报告--FFT的DSP实现.docVIP

DSP原理及应用课程设计报告 ——FFT的DSP实现 一、设计目的 1、加深对DFT算法原理和基本性质的理解； 2、了解并学习使用FFT算法，以及其在TMS320C54X上的运用； 3、学习DSP中FFT的设计和编程思想； 4、练习使用CCS的探针和图形工具来观察器观察波形和频谱情况。 二、设计内容 用C语言及汇编语言进行编程，实现FFT运算，对于C语言，实现8点和16点的FFT运算，对于汇编语言，需调试出8点的FFT运算结果。 三、设计原理 快速傅里叶变换（FFT）是一种高效实现离散傅里叶变换（DFT）的快速算法，是数字信号处理中最为重要的工具之一，它在声学，语音，电信和信号处理等领域有着广泛的应用。 1、离散傅里叶变换DFT 对于长度为N的有限长序列x(n)，它的离散傅里叶变换（DFT）为 （1） 式中， ，称为旋转因子或蝶形因子。 从DFT的定义可以看出，在x(n)为复数序列的情况下，对某个k值，直接按（1）式计算X(k) 只需要N次复数乘法和（N-1）次复数加法。因此，对所有N个k值，共需要N2次复数乘法和N(N-1)次复数加法。对于一些相当大有N值（如1024点）来说，直接计算它的DFT所需要的计算量是很大的，因此DFT运算的应用受到了很大的限制。 2、快速傅里叶变换FFT 旋转因子WN 有如下的特性: 对称性： 周期性： 利用这些特性，既可以使DFT中有些项合并，减少了乘法积项，又可以将长序列的DFT分解成几个短序列的DFT。FFT就是利用了旋转因子的对称性和周期性来减少运算量的。 FFT的算法是将长序列的DFT分解成短序列的DFT。例如：N为偶数时，先将N点的DFT分解为两个N/2点的DFT，使复数乘法减少一半：再将每个N/2点的DFT分解成N/4点的DFT，使复数乘又减少一半，继续进行分解可以大大减少计算量。最小变换的点数称为基数，对于基数为2的FFT算法，它的最小变换是2点DFT。 一般而言，FFT算法分为按时间抽取的FFT（DIT FFT）和按频率抽取的FFT（DIF FFT）两大类。DIF FFT算法是在时域内将每一级输入序列依次按奇/偶分成2个短序列进行计算，而DIF FFT算法是在频域内将每一级输入序列依次奇/偶分成2个短序列进行计算。两者的区别是旋转因子出现的位置不同，但算法是一样的。在DIF FFT算法中，旋转因子出现在输入端，而在DIF FFT算法中它出现在输入端。 假定序列x(n)的点数N是2的幂，按照DIF FFT算法可将其分为偶序列和奇序列，记偶序列为 ，奇序列为，则x(n)的FFT表示为 由于 ，则（3）式可表示为 式中， 和分别为和的N/2的DFT。 由于对称性， 则。因此，N点可分为两部分： 前半部分： （4） 后半部分： （5） 从式（4）和式（5）可以看出，只要求出0~N/2-1区间和的值，就可求出0~N-1区间的N点值。 以同样的方式进行抽取，可以求得N/4点的DFT，重复抽取过程，就可以使N点的DFT用上组2点的 DFT来计算，这样就可以大减少运算量。 在基数为2的FFT中，设N=2M，共有M级运算，每级有N/2个2点FFT蝶形运算，因此，N点FFT总共有MN/2个蝶形运算。蝶形运算如图1所示。 图1 蝶形运算 设蝶形输入为和，输出为和，则有 （6） （7） 在基数为2的FFT中，设N=2M，共有M级运算，每级有N/2个2点FFT蝶形运算，因此，N点FFT总共有个蝶形运算。 例如：基数为2的FFT，当N=8时，共需要3级，12个基2 DIT FFT的蝶形运算。其信号流程如图2所示。 图2 8点基2 DIF FFT蝶形运算 从图2可以看出，输入是经过比特反转的倒位序列，称为位码倒置，其排列顺序为。输出是按自然顺序排列，其顺序为。 3、FFT运算的实现 （1）实现输入数据的比特反转 输入数据的比特反转实际上就是将输入数据进行码位倒置，以便在整个运算后输出序列是一个自然序列。在用汇编指令进行码位倒置时，使用位码倒置寻址可以大大提高程序执行速度和使用存储器的效率。在这种寻址方式下，AR0存放的整数N的FFT点的一半，一个辅助寄存器指向一个数据存放单元。当使用位码倒置寻址将AR0加到辅助寄存器时，地址将以位码倒置的方式产生。 （2）实现N点复数FFT N点复数FFT算法的实现可分为三个功能块，即第一级蝶形运算、第二级蝶形运算、第三级至log2N级蝶形运算。队以任何一个