一种高速实时视频检测系统的优化选择.docxVIP

一种高速实时视频检测系统的优化选择 0 基于fpga的快速fft算法 fft是雷达信号分析和处理中的一个常见转换。实际应用中,普遍使用基2或基4 FFT算法,该算法的程序代码不因变换点数变化而变化,旋转因子规律性强,程序紧凑,速度快。但它所能提供的FFT变换点数必须是2的整数幂2h(对基4 FFT算法应为4h,其中h为正整数),可是在信号处理中,处理的数据个数往往不能满足该条件,需要进行补零处理,对小于且接近于2h的点数,补很少的零就可以进行运算,对其运算效率不会有太大影响,但对于大于2h且和2h+1相差很大的点数,补的零就会很多,这样,运算量增大,需要的硬件设备量增大,效率降低。Kolba和Parks提出了PFA(素因子FFT)算法,其适用于长度可分解为一些互质因子相乘的DFT,能提供一些特定点数的DFT快速算法,但该算法对数据重排计算复杂,同址运算不易实现,在DSP上实现时点数越多程序越复杂。本文针对所计算FFT点数的特点,提出了结合基2或基4 FFT算法的一种快速FFT算法。该算法能灵活地改变FFT点数,程序容量略高于基2或基4 FFT算法,速度与基2或基4 FFT算法相近。 1 维阵列n点dft的计算 长度为N的有限长序列x(n)的DFT为 X(k)=Ν-1Σn=0x(n)WknΝ,k=0,1,?,Ν-1(1)X(k)=Σn=0N?1x(n)WknN,k=0,1,?,N?1(1) 式中:WknΝknN=exp{-j2πkn/N}为旋转因子。 令N=N1N2,将x(n)分解为N2个长度为N1的序列,将这些序列用如下的阵列x′表示 x′=[x(0)x(Ν2)?x(Ν2(Ν1-1))x(1)x(Ν2+1)?x(Ν2(Ν1-1)+1)????x(Ν2-1)x(2Ν2-1)?x(Ν2Ν1-1)](2)x′=???????x(0)x(1)?x(N2?1)x(N2)x(N2+1)?x(2N2?1)????x(N2(N1?1))x(N2(N1?1)+1)?x(N2N1?1)???????(2) 令n和k的序号映射定义如下 n=Ν2n1+n2{0≤n1≤Ν1-10≤n2≤Ν2-1(3) k=k1+Ν1k2{0≤k1≤Ν1-10≤k2≤Ν2-1(4) 则N点DFT可表示为 X(k)=X(k1+Ν1k2)=Ν2-1Σn2=0Ν1-1Σn1=0x(Ν2n1+n2)×W(Ν2k1n1)ΝWk1n2ΝWΝ1k2n2ΝWΝ1Ν2k2n1Ν=Ν2-1Σn2=0{[Ν1-1Σn1=0x(Ν2n1+n2)Wn1k1Ν1]Wk1n2Ν}Wn2k2Ν2(5) 令G(n2,k1)=Ν1-1Σn1=0x(Ν2n1+n2)Wn1k1Ν1,则G(n2,k1)为序列x(N2n1+n2)的N1点DFT,即式(2)中二维阵列N2行元素的DFT。计算阵列x′每一行N1的点DFT就得到另一个阵列G G=[G(0,0)G(0,1)?G(0,(Ν1-1))G(1,0)G(1,1)?G(1,(Ν1-1))????G(Ν2-1,0)G(Ν2-1,1)?G(Ν2-1,(Ν1-1))](6) 矩阵的元素为复数G(n2,k1)。因n2行的数据在计算完x(N2n1+n2)的N1点DFT后不再需要,G(n2,k1)可以存储在同一行(原址运算)。要计算式(5)中的X(k),应乘以旋转因子Wk1n2Ν形成新的阵列?G(n2,k1)=Wn1k1ΝG(n2,k1)。最后计算阵列?G(n2,k1)的每一列的N2点DFT:X(k1+Ν1k2)=Ν2-1Σn2=0?G(n2,k1)Wk2n2Ν1。DFT变换结果可由二维阵列读出:X(k)=X(k1+N1k2)。 以上的某个因子若可能被继续分解,如N=N1N2N3,则可以先作N2N3个N1点DFT变换,再作N1N3个N2点变换,最后作N1N2个N3点变换。 对N点DFT进行分解时,应考虑N的特点,如果N接近或等于2h或4h,则作补零处理,直接应用基2或基4FFT算法运算;如果N与2h或4h相差很大,但与N1·mr(其中m为2或4,r为正整数)接近,则仍作补零处理,将N′(补零后长度)分解为N1·mr,先做mr个N1点DFT(可用快速循环卷积实现),再应用基2或基4FFT算法作N1个mr点FFT,其中N1的选取应尽量采用较小的素数,这样程序更紧凑,所用的旋转因子也会更少;如果N与N1N2·mr接近,则仍作补零处理,将N′分解为N1N2·mr,再作变换。以此类推,可将N′分解成N1N2·mr。 2 ts113算法的实现 在实时处理中,即使运算点数相同,采用不同的代码和数据存储形式、不同的程序设置,也会得到不同的FFT运算速度,下面将以N=2 800点FFT为例讲述该算法在TS101上的实现。 2.1 基于l鞣码/s处理器 TS101处理器是一种新型高速浮点DSP