dsp課程設(shè)計(jì)報(bào)告--fft的dsp實(shí)現(xiàn)-wenkub
2023-04-07 00:26:34 本頁面
【正文】 d_grps_t,A STL A,ASM,d_grps_t LD d_twid_idx,A STL A,ASM,d_twid_idx BANZD stage,*STAGE_COUNTER MVDK d_twid_idx,AR0 fft_end:***********************計(jì)算功率譜 STM fft_data,AR2 。（3）將data加入觀察窗，可看到FFT運(yùn)算輸出結(jié)果。iSAMPLENUMBER。iSAMPLENUMBER。 xin[i].real=xin[i].real+。i=i+le) { ip=i+lei。 for(j=0。 =。 for(l=1。 while(k=j) { j=jk。i++) { if(ij) { t=xin[j]。m++){。 nv2=SAMPLENUMBER/2。i++ ) { data[i]=y[i]。 y[i]=。 for ( i=0。 =*+*。struct px fWave[SAMPLENUMBER]。struct px{float real,imag。通過這樣的M次分解，可以構(gòu)成M級迭代計(jì)算，每級由N/2個(gè)蝶形運(yùn)算完成。在這種尋址方式下，AR0存放的整數(shù)N的FFT點(diǎn)的一半，一個(gè)輔助寄存器指向一個(gè)數(shù)據(jù)存放單元。 圖2 8點(diǎn)基2 DIF FFT蝶形運(yùn)算從圖2可以看出，輸入是經(jīng)過比特反轉(zhuǎn)的倒位序列，稱為位碼倒置，其排列順序?yàn)?。蝶形運(yùn)算如圖1所示。 由于對稱性，則。DIF FFT算法是在時(shí)域內(nèi)將每一級輸入序列依次按奇/偶分成2個(gè)短序列進(jìn)行計(jì)算，而DIF FFT算法是在頻域內(nèi)將每一級輸入序列依次奇/偶分成2個(gè)短序列進(jìn)行計(jì)算。FFT的算法是將長序列的DFT分解成短序列的DFT。因此，對所有N個(gè)k值，共需要N2次復(fù)數(shù)乘法和N(N1)次復(fù)數(shù)加法。二、設(shè)計(jì)內(nèi)容用C語言及匯編語言進(jìn)行編程，實(shí)現(xiàn)FFT運(yùn)算，對于C語言，實(shí)現(xiàn)8點(diǎn)和16點(diǎn)的FFT運(yùn)算，對于匯編語言，需調(diào)試出8點(diǎn)的FFT運(yùn)算結(jié)果。三、設(shè)計(jì)原理 快速傅里葉變換（FFT）是一種高效實(shí)現(xiàn)離散傅里葉變換（DFT）的快速算法，是數(shù)字信號處理中最為重要的工具之一，它在聲學(xué)，語音，電信和信號處理等領(lǐng)域有著廣泛的應(yīng)用。對于一些相當(dāng)大有N值（如1024點(diǎn)）來說，直接計(jì)算它的DFT所需要的計(jì)算量是很大的，因此DFT運(yùn)算的應(yīng)用受到了很大的限制。例如：N為偶數(shù)時(shí)，先將N點(diǎn)的DFT分解為兩個(gè)N/2點(diǎn)的DFT，使復(fù)數(shù)乘法減少一半：再將每個(gè)N/2點(diǎn)的DFT分解成N/4點(diǎn)的DFT，使復(fù)數(shù)乘又減少一半，繼續(xù)進(jìn)行分解可以大大減少計(jì)算量。兩者的區(qū)別是旋轉(zhuǎn)因子出現(xiàn)的位置不同，但算法是一樣的。因此，N點(diǎn)可分為兩部分：前半部分： （4）后半部分： （5）從式（4）和式（5）可以看出，只要求出0~N/21區(qū)間和的值，就可求出0~N1區(qū)間的N點(diǎn)值。圖1 蝶形運(yùn)算設(shè)蝶形輸入為和，輸出為和，則有 （6） （7）在基數(shù)為2的FFT中，設(shè)N=2M，共有M級運(yùn)算，每級有N/2個(gè)2點(diǎn)FFT蝶形運(yùn)算，因此，N點(diǎn)FFT總共有個(gè)蝶形運(yùn)算。輸出是按自然順序排列，其順序?yàn)椤．?dāng)使用位碼倒置尋址將AR0加到輔助寄存器時(shí)，地址將以位碼倒置的方式產(chǎn)生。（4）輸出FFT結(jié)果FFT算法的程序流程圖如下圖所示。}。float y[SAMPLENUMBER],data[SAMPLENUMBER]。 return(b3)。iSAMPLENUMBER。 } FFT(fWave)。 } while ( 1 )。 f=SAMPLENUMBER。} nm1=SAMPLENUMBER1。 xin[j]=xin[i]。 k=k/2。l=m。 =。j=lei1。 t=EE(xin[ip],v)。 xin[i].imag=xin[i].imag+。i++ ) { y[i]=sqrt(xin[i].real*xin[i].real+xin[i].imag*xin[i].imag)。i++ ) { INPUT[i]=i+1。運(yùn)行結(jié)果8點(diǎn)的FFT運(yùn)算，且輸入為…、8時(shí)，運(yùn)算結(jié)果如圖4所示，16點(diǎn)的FFT運(yùn)算，且輸入為…、16時(shí)，運(yùn)算結(jié)果如圖5所示。 STM fft_data,AR3 STM fft_out,AR4 STM K_FFT_SIZE*21,BRC RPTB power_end1 SQUR *AR2+,A SQURA *AR2+,A STH A,*AR4+power_end: STM fft_out,AR4 RPT K_FFT_SIZE1 PORTW *AR4+,PA0 NOP NOPhere: B here .endo m e rfft_taskMEMORY
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1