STM32-FFT代码的说明 .docx

FFT代码说明FFT为Fast Fourier Transformation，即快速傅里叶变换，本项目中，FFT的目标是识别频率为形如式的一个正弦信号：其中，；因为单片机通过ADC接口读取该正弦信号的电压值，而12位精度的ADC的值范围在0-4096之间，如信号经过放大器后映射到0-3.3V之间，则振幅A的取值0-4096之间。假设，信号经过放大器后，其电压值最大为3.3V，最小为0V，则此信号的振幅为1.65V，对应A=2048，即该信号为：本文中给出的例程即通过FFT识别式这种正弦信号。假设采样频率为Fs，信号频率Fn，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：频率分辨率（）等于采样时间的倒数。例如要分辨0.1Hz，则需要采集10s。基于STM32官方DSP库的FFT算法工程文件中包含三个函数库，分别为：cr4_fft_64_stm32.scr4_fft_256_stm32.scr4_fft_1024_stm32.s分别对应数据点数为64,256和1024时的FFT算法。下面将以数据点数是1024为例，说明FFT的实现过程。通过函数生成原始数据for(i=0;iNPT;i++) {Fx=2048+2048*sin(PI2*i*21/Fs+20)+1000*sin(PI2*i*15/Fs)+100*sin(PI2*i*25/Fs)+rand()%100;//振幅2048，频率21HZ，为主要的谐波分量，21HZ也是所需信号的频率，rand()%100为0-100之间的随机噪声lBUFIN[i] = ((s16)fx)16; //高位为实部，低位为虚部 }Fs为采样频率，此处设为102.4Hz，NPT为数据长度（即前文中提到的N），为了能够分辨0.1Hz，数据长度NPT设为1024，则频率分辨率=102.4/1024=0.1Hz。对原始数据进行FFTSTM32 库中给出的FFT函数格式如下：Void cr4_fft_1024_stm32(lBUFOUT, lBUFIN, NPT);其中，NPT为数据点个数，通过修改宏定义来修改NPT代表的值，此处为1024；LBUFOUT[NPT]和LBUFIN[NPT]均是长度为NPT的32位长整型的数组，高16位为实部，低16位为虚部，LBUFOUT[NPT]用于保存FFT之后的输出值；LBUFIN[NPT]用于保存输入的数值。对原始数据进行FFT之后，需要对输出数据进行处理。频率计算每个频率点处代表的真实频率为for(i=0;iNPT/2;i++){Fn=i*Fs/NPT//由于此处i是从0开始的，所以不需要再减1}幅值计算经过FFT后，每个频率点处的真实幅值的计算公式如下。voiddsp_asm_powerMag(void){s16lX,lY;u32i; for(i=0;iNPT/2;i++) //由于FFT的频谱结果是关于奈奎斯特频率对称的，所以只计算一半的点即可 {lX = (lBUFOUT[i] 16) 16;//取低16位，虚部lY = (lBUFOUT[i] 16);//取高16位，实部{float X= NPT * ((float)lX) /32768;float Y= NPT * ((float)lY) /32768;float Mag = sqrt(X*X + Y*Y)/NPT;lBUFMAG[i]= (u32)(Mag * 65536); } //真实振幅lBUFMAG[i]=sqrt(lX*lX + lY*lY)*2/NPT，先除以32768，又乘以65536是为了符合浮点数的计算规律 }lBUFMAG[0]= lBUFMAG[0]/2;//直流分量不需要乘以2，所以按照乘以2计算后，要除以2}得到每个频率点所代表的真实频率Fn，以及该真实频率所代表的原始信号的振幅A，将其通过串口打印到电脑上。for(i=0;iNPT/2;i++) {printf(%4d,%.2f%10d\n,i,((float)i*Fs/NPT),lBUFMAG[i]); }结果如下图所示。图1 f=0hz 处幅值图2 f=15Hz处幅值图3