1樓:暖風已過境
答:因為dsp處理器上fft要用到的,乘法器加法器都已經弄在硬體上了, so, 用硬體上做fft自然就更快了、
最快的dsp計算512點fft到底需要多少時間
2樓:匿名使用者
以ti的dsp2812測試,系統時bai
鍾150m,程式調du入ram中執行zhi。
分別測試dao512點fft,256點fft和128點fft四個大步驟用時專。屬
512點 用時(us)
1步倒序(rfft32_brev) 42.42步計算(fft.cal) 223.8
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 293.1
256點 用時(us)
1步倒序(rfft32_brev) 21.52步計算(fft.cal) 94.9
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 143.3
128點 用時(us)
1步倒序(rfft32_brev) 10.82步計算(fft.cal) 39
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 76.7
c64+ dsp fft對輸入是否有要求
3樓:匿名使用者
fft是dft的一臺計算機與dft的快速演算法結果
dft可以說是所有的離散變化的前身是因為類似的變化。
dft是在時域訊號轉換成頻域以一個簡明的物理意義和加工方法的變化。
tms320f2812的fft32點,64點,128點,256點的計算時間多長阿
4樓:迦偉芯
以ti的dsp2812測試,系統時鐘150m,程式調入ram中執行。
分別測試512點fft,256點fft和128點fft四個大步驟用時。
512點 用時(us)
1步倒序(rfft32_brev) 42.42步計算(fft.cal) 223.8
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 293.1
256點 用時(us)
1步倒序(rfft32_brev) 21.52步計算(fft.cal) 94.9
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 143.3
128點 用時(us)
1步倒序(rfft32_brev) 10.82步計算(fft.cal) 39
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 76.7
為什麼fft需要做倒序運算
5樓:匿名使用者
以ti的dsp2812測試,系統時鐘150m,程式調入ram中執行。
分別測試512點
專fft,256點fft和128點fft四個大步驟用時屬。
512點 用時(us)
1步倒序(rfft32_brev) 42.42步計算(fft.cal) 223.8
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 293.1
256點 用時(us)
1步倒序(rfft32_brev) 21.52步計算(fft.cal) 94.9
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 143.3
128點 用時(us)
1步倒序(rfft32_brev) 10.82步計算(fft.cal) 39
3步實部虛部分離(fft.split) 13.14步計算幅值(fft.mag) 13.8
總用時 76.7
如何決定要使用多少點來做fft
6樓:啥名字好呢呢呢
fft程式,輸入是一組複數,輸出也是一組複數,想問一下輸入到底應該輸入什麼,輸出的複數的含義是什麼?給定一組序列的抽樣值,如何用fft確定它的頻率?
首先,fft函式出來的應該是個複數,每一個點分實部虛部兩部分。假設採用1024點fft,取樣頻率是fs,那麼第一個點對應0頻率點,第512點對應的就是fs/2的頻率點。然後從頭開始找模值最大的那個點,其所對應的頻率值應該就是你要的基波頻率了。
fft是離散傅立葉變換的快速演算法,可以將一個訊號變換到頻域。有些訊號在時域上是很難看出什麼特徵的,但是如果變換到頻域之後,就很容易看出特徵了。這就是很多訊號分析採用fft變換的原因。
另外,fft可以將一個訊號的頻譜提取出來,這在頻譜分析方面也是經常用的。
雖然很多人都知道fft是什麼,可以用來做什麼,怎麼去做,但是卻不知道fft之後的結果是什麼意思、如何決定要使用多少點來做fft。一個模擬訊號,經過adc取樣之後,就變成了數字訊號。取樣定理告訴我們,取樣頻率要大於訊號頻率的兩倍,這些我就不在此羅嗦了。
取樣得到的數字訊號,就可以做fft變換了。n個取樣點,經過fft之後,就可以得到n個點的fft結果。為了方便進行fft運算,通常n取2的整數次方。
假設取樣頻率為fs,訊號頻率f,取樣點數為n。那麼fft之後結果就是一個為n點的複數。每一個點就對應著一個頻率點。
這個點的模值,就是該頻率值下的幅度特性。具體跟原始訊號的幅度有什麼關係呢?假設原始訊號的峰值為a,那麼fft的結果的每個點(除了第一個點直流分量之外)的模值就是a的n/2倍。
而第一個點就是直流分量,它的模值就是直流分量的n倍。而每個點的相位呢,就是在該頻率下的訊號的相位。第一個點表示直流分量(即0hz),而最後一個點n的再下一個點(實際上這個點是不存在的,這裡是假設的第n+1個點,可以看做是將第一個點分做兩半分,另一半移到最後)則表示取樣頻率fs,這中間被n-1個點平均分成n等份,每個點的頻率依次增加。
例如某點n所表示的頻率為:fn =(n-1)*fs/n。由上面的公式可以看出,fn所能分辨到頻率為 fs/n,如果取樣頻率fs為1024hz,取樣點數為1024點,則可以分辨到1hz。
1024hz的取樣率取樣1024點,剛好是1秒,也就是說,取樣1秒時間的訊號並做fft,則結果可以分析到1hz,如果取樣2秒時間的訊號並做fft,則結果可以分析到0.5hz。如果要提高頻率分辨力,則必須增加取樣點數,也即取樣時間。
頻率解析度和取樣時間是倒數關係。假設fft之後某點n用複數a+bi表示,那麼這個複數的模就是an=根號a*a+b*b,相位就是pn=atan2(b,a)。根據以上的結果,就可以計算出n點(n≠1,且n<=n/2)對應的訊號的表示式為:
an/(n/2)*cos(2*pi*fn*t+pn),即2*an/n*cos(2*pi*fn*t+pn)。對於n=1點的訊號,是直流分量,幅度即為a1/n。由於fft結果的對稱性,通常我們只使用前半部分的結果,即小於取樣頻率一半的結果。
好了,說了半天,看著公式也暈,下面以一個實際的訊號來做說明。假設我們有一個訊號,它含有2v的直流分量,頻率為50hz、相位為-30度、幅度為3v的交流訊號,以及一個頻率為75hz、相位為90度、幅度為1.5v的交流訊號。
用數學表示式就是如下:
s=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)
式中cos引數為弧度,所以-30度和90度要分別換算成弧度。我們以256hz的取樣率對這個訊號進行取樣,總共取樣256點。按照我們上面的分析,fn=(n-1)*fs/n,我們可以知道,每兩個點之間的間距就是1hz,第n個點的頻率就是n-1。
我們的訊號有3個頻率:0hz、50hz、75hz,應該分別在第1個點、第51個點、第76個點上出現峰值,其它各點應該接近0。實際情況如何呢?
我們來看看fft的結果的模值如圖所示。
從圖中我們可以看到,在第1點、第51點、和第76點附近有比較大的值。我們分別將這三個點附近的資料拿上來細看:
1點: 512+0i
2點: -2.6195e-14 - 1.4162e-13i
3點: -2.8586e-14 - 1.1898e-13i
50點:-6.2076e-13 - 2.1713e-12i
51點:332.55 - 192i
52點:-1.6707e-12 - 1.5241e-12i
75點:-2.2199e-13 -1.0076e-12i
76點:3.4315e-12 + 192i
77點:-3.0263e-14 +7.5609e-13i
很明顯,1點、51點、76點的值都比較大,它附近的點值都很小,可以認為是0,即在那些頻率點上的訊號幅度為0。接著,我們來計算各點的幅度值。分別計算這三個點的模值,結果如下:
1點: 512
51點:384
76點:192
按照公式,可以計算出直流分量為:512/n=512/256=2;50hz訊號的幅度為:384/(n/2)=384/(256/2)=3;75hz訊號的幅度為192/(n/2)=192/(256/2)=1.
5。可見,從頻譜分析出來的幅度是正確的。然後再來計算相位資訊。
直流訊號沒有相位可言,不用管它。先計算50hz訊號的相位,atan2(-192, 332.55)=-0.
5236,結果是弧度,換算為角度就是180*(-0.5236)/pi=-30.0001。
再計算75hz訊號的相位,atan2(192, 3.4315e-12)=1.5708弧度,換算成角度180*1.
5708/pi=90.0002。可見,相位也是對的。
根據fft結果以及上面的分析計算,我們就可以寫出訊號的表示式了,它就是我們開始提供的訊號。
總結:假設取樣頻率為fs,取樣點數為n,做fft之後,某一點n(n從1開始)表示的頻率為:fn=(n-1)*fs/n;該點的模值除以n/2就是對應該頻率下的訊號的幅度(對於直流訊號是除以n);該點的相位即是對應該頻率下的訊號的相位。
相位的計算可用函式atan2(b,a)計算。atan2(b,a)是求座標為(a,b)點的角度值,範圍從-pi到pi。要精確到xhz,則需要取樣長度為1/x秒的訊號,並做fft。
要提高頻率解析度,就需要增加取樣點數,這在一些實際的應用中是不現實的,需要在較短的時間內完成分析。解決這個問題的方法有頻率細分法,比較簡單的方法是取樣比較短時間的訊號,然後在後面補充一定數量的0,使其長度達到需要的點數,再做fft,這在一定程度上能夠提高頻率分辨力。
具體的頻率細分法可參考相關文獻。
附錄:本測試資料使用的matlab程式
close all; %先關閉所有**
adc=2; %直流分量幅度
a1=3; %頻率f1訊號的幅度
a2=1.5; %頻率f2訊號的幅度
f1=50; %訊號1頻率(hz)
f2=75; %訊號2頻率(hz)
fs=256; %取樣頻率(hz)
p1=-30; %訊號1相位(度)
p2=90; %訊號相位(度)
n=256; %取樣點數
t=[0:1/fs:n/fs]; %取樣時刻
%訊號s=adc+a1*cos(2*pi*f1*t+pi*p1/180)+a2*cos(2*pi*f2*t+pi*p2/180);
%顯示原始訊號
plot(s);
title('原始訊號');
figure;
y = fft(s,n); %做fft變換
ayy = (abs(y)); %取模
plot(ayy(1:n)); %顯示原始的fft模值結果
title('fft 模值');
figure;
ayy=ayy/(n/2); %換算成實際的幅度
ayy(1)=ayy(1)/2;
f=([1:n]-1)*fs/n; %換算成實際的頻率值
plot(f(1:n/2),ayy(1:n/2)); %顯示換算後的fft模值結果
title('幅度-頻率曲線圖');
figure;
pyy=[1:n/2];
for i="1:n/2"
pyy(i)=phase(y(i)); %計算相位
pyy(i)=pyy(i)*180/pi; %換算為角度
end;
plot(f(1:n/2),pyy(1:n/2)); %顯示相點陣圖
title('相位-頻率曲線圖');
盈虧平衡點計算公式盈虧平衡點的計算公式是什麼？
專案盈虧平衡點的計算方法 公式 按實物單位計算 盈虧平衡點 固定成本 單位產品銷售收入 單位產品變動成本 按金額計算 盈虧平衡點 固定成本 1 變動成本 銷售收入 固定成本 貢獻毛益率盈虧平衡點又稱保本點，設你的固定資產為a 單位產品售價為p 單位產品成本為v 則保本點 a p v 公式推導過程 一...
分之4 0點6 10 7減0 6的簡便計算
3 5 4 7 0.6 10 7 0.6 0.6x 4 7 10 7 0.6 0.6x2 0.6 0.6 12分之5減9分之5加12分之7減9分之4的簡便計算 12分之5減9分之5加12分之7減9分之4 5 12 5 9 7 12 4 9 5 12 7 12 5 9 4 9 12 12 9 9 1 ...
數量方法中方差的計算簡化點的公式
方差的概念與計算公式，例1 兩人的5次測驗成績如下 x 50，100，100，60，50 e x 72 y 73，70，75，72，70 e y 72。平均成績相同，但x 不穩定，對平均值的偏離大。方差描述隨機變數對於數學期望的偏離程度。單個偏離是消除符號影響方差即偏離平方的均值，記為d x 直接計...