快速傅里叶变换FFT C语言实现 可用于嵌入式系统进行模拟采样频谱分析

Posted XiaoMing_sususu

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了快速傅里叶变换FFT C语言实现 可用于嵌入式系统进行模拟采样频谱分析相关的知识,希望对你有一定的参考价值。

快速傅里叶变换C语言实现 模拟采样进行频谱分析

FFT是DFT的快速算法用于分析确定信号(时间连续可积信号、不一定是周期信号)的频率(或相位、此处不研究相位)成分,且傅里叶变换对应的 ω \\omega ω是连续的,从而达到分析信号成分的目的。
具体理论参考FFT百度百科原理。
下面给出代码分析以及模拟采样频谱分析的结果。

对于复信号FFT:

#include <math.h>
#include <stdio.h>
#include <stdlib.h>
# define PI	3.14159265358979323846264338327950288 //根据运算精度或要求自行截取位数
#define q	 8
#define N	(1<<q)		   /*2的q次方点数 */
#define Fs  2560           //采样率 Fs > 2fh
typedef float real;
typedef struct
    real Re;
    real Im;
complex;
static void Asm_Mag(complex *x,int n) 

    int i;
    real Mag;
    for(i=0; i<n/2; i++)
    
        Mag = sqrt(x[i].Re*x[i].Re + x[i].Im*x[i].Im)/N;
        printf("第%d个点:%.3f hz 幅度:%.3f \\n",i,(float)i*Fs/N,Mag);
    

void fft( complex *v, int n, complex *tmp )

  if(n>1) 
    int k,m;    complex z, w, *vo, *ve;
    ve = tmp; vo = tmp+n/2;
    for(k=0; k<n/2; k++) 
      ve[k] = v[2*k];
      vo[k] = v[2*k+1];
    
    fft( ve, n/2, v );		/* FFT 偶序列 */
    fft( vo, n/2, v );		/* FFT 奇序列*/
    for(m=0; m<n/2; m++) 
      w.Re = cos(2*PI*m/(double)n);
      w.Im = -sin(2*PI*m/(double)n);
      z.Re = w.Re*vo[m].Re - w.Im*vo[m].Im;
      z.Im = w.Re*vo[m].Im + w.Im*vo[m].Re;
      v[  m  ].Re = ve[m].Re + z.Re;
      v[  m  ].Im = ve[m].Im + z.Im;
      v[m+n/2].Re = ve[m].Re - z.Re;
      v[m+n/2].Im = ve[m].Im - z.Im;
    
  
  return;

int main(void)

      complex v[N],scratch[N];
      int k;
  /* 模拟数字采样 */
    for(k=0; k<N; k++)   //F0= Fs/N、f = w/2*pi、
    v[k].Re =  9999 + 570*cos(690*2*PI*k/(double)Fs);
    v[k].Im =  570*sin(690*2*PI*k/(double)Fs); /* 复数信号分为实部虚部 但一般采样为纯实 虚部为0*/
  
  /* FFT: */
      fft( v, N, scratch );
      Asm_Mag(v,N); //幅度测量


Fs:

其中Fs是采样率,根据奈奎斯特采样定律,当采样频率Fs大于信号中最高频率fs的2倍时(Fs>2fh),采样之后的数字信号完整地保留了原始信号中的信息,此时进行快速傅里叶变换即可得到信号的全部频率信息。

N:

做快速傅里叶变换FFT的点数必须是2的幂次方。

Fh:

对连续时间信号进行采样过程中,cos/sin( ω \\omega ωt)其中t被替换为kTs,即t=kTs.Ts = 1 /Fs;所以代码中的被测信号频率再由 ω \\omega ω=2*Pi * f可得 f = ω \\omega ω / 2 *pi; 此时代码中的被测信号频率为690hz,且幅度为570,而且包含着 9999的直流分量(0hz)。

Fo:

Fo为频谱分辨率,Fo = Fs / N ;此代码例子中为 2560 /256 = 10 hz;这个指标需根据现实题目要求进行调整,且涉及了Fs和N 这三个量可以灵活计算组合。

complex:

FFT目标为复信号,虚部在实际采样或者模拟采样时虚部可以为0,且一般为0。

此FFT是时域抽选方法:DIT2 F先在时域先进行奇欧倒序,频域输出为正序。

结果分析:

结果明显在0hz直流分量有幅度为9999

在690hz有幅度570的分量:

在其余频率分量处并无分幅度。得到了被测信号的全部频率幅度信息。
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。
其他被测信号可自行模拟测试验证。

对于纯实信号FFT:

此时真实幅度、代码计算应该修改为:

sqrt(x[i].Re*x[i].Re + x[i].Im*x[i].Im)*2/N;(改为纯实数时,需改为2)
  if(i==0)
   Mag = Mag /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

被测信号:

    v[k].Re =  19999 + 570*cos(690*2*PI*k/(double)Fs) + 670*cos(590*2*PI*k/(double)Fs);.//直流分量19999 690hz分量570 590hz分量670
    v[k].Im = 0; //虚部为0

为什么用cos可以思考随机信号分析内容、sin 、cos进行FFT结果一样

纯实信号FFT结果:

可见直流分量0hz幅度为19999

在590hz和690hz均有幅度670 和570

其余频率分量并无幅度,但在真实采样中全频率具有高斯白噪声。

以上是关于快速傅里叶变换FFT C语言实现 可用于嵌入式系统进行模拟采样频谱分析的主要内容,如果未能解决你的问题,请参考以下文章

matlab中fft()函数是啥意思?

快速傅里叶变换(fft)及其逆变换(iff)的c代码实现

FFT(快速傅里叶变换)

快速傅里叶变换(FFT)详解

快速傅里叶变换fft

知识总结快速傅里叶变换(FFT)