MATLAB生成mif文件

MATLAB代码

bash 复制代码
% 参数设置
N = 4096; % 数据点数量
t = linspace(0, 2*pi, N); % 时间向量
width = 12; % 位宽

% 正弦波
sine_wave = 2.5 * sin(t) + 2.5; % 幅度在0到5之间

% 三角波
tri_wave = 5 - abs(mod(t/(2*pi)*4, 2) - 1);

% 方波
square_wave = 2.5 * (square(t) + 1); % 将范围调整为0到5之间


% 将波形数据保存为MIF文件
save_to_mif('sine_wave.mif', sine_wave, N, width);
save_to_mif('tri_wave.mif', tri_wave, N, width);
save_to_mif('square_wave.mif', square_wave, N, width);

% 读取并绘制正弦波
sine_wave_data = read_mif('sine_wave.mif', N, width);
figure;
plot(sine_wave_data);
title('Sine Wave');
xlabel('Sample');
ylabel('Amplitude');

% 读取并绘制三角波
tri_wave_data = read_mif('tri_wave.mif', N, width);
figure;
plot(tri_wave_data);
title('Triangle Wave');
xlabel('Sample');
ylabel('Amplitude');

% 读取并绘制方波
square_wave_data = read_mif('square_wave.mif', N, width);
figure;
plot(square_wave_data);
title('Square Wave');
xlabel('Sample');
ylabel('Amplitude');

% 函数:保存为MIF文件
function save_to_mif(filename, data, depth, width)
    % 打开文件
    fid = fopen(filename, 'w');
    
    % 写入头部信息
    fprintf(fid, 'DEPTH = %d;\n', depth);
    fprintf(fid, 'WIDTH = %d;\n', width);
    fprintf(fid, 'ADDRESS_RADIX = UNS;\n');
    fprintf(fid, 'DATA_RADIX = UNS;\n');
    fprintf(fid, 'CONTENT BEGIN\n');
    
    % 写入数据
    for i = 0:depth-1
        fprintf(fid, '%X : %X;\n', i, round(data(i+1) * (2^width - 1)));
    end
    
    % 写入结束
    fprintf(fid, 'END;\n');
    
    % 关闭文件
    fclose(fid);
end

% 函数:从MIF文件中读取数据
function data = read_mif(filename, depth, width)
    % 打开MIF文件
    fid = fopen(filename, 'r');
    
    % 跳过文件头部信息,找到 "CONTENT BEGIN"
    while true
        line = fgetl(fid);
        if contains(line, 'CONTENT BEGIN')
            break;
        end
    end
    
    % 初始化数据数组
    data = zeros(1, depth);
    
    % 读取数据部分
    for i = 1:depth
        line = fgetl(fid);
        % 解析地址和值
        tokens = regexp(line, '(\w+) : (\w+);', 'tokens');
        if ~isempty(tokens)
            addr = hex2dec(tokens{1}{1}); % 地址
            value = hex2dec(tokens{1}{2}); % 数据值
            data(addr + 1) = value / (2^width - 1); % 恢复原始的归一化数据
        end
    end
    
    % 关闭文件
    fclose(fid);
end

运行结果

相关推荐
果冻人工智能27 分钟前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工28 分钟前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
VertexGeek30 分钟前
Rust学习(八):异常处理和宏编程:
学习·算法·rust
石小石Orz30 分钟前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
孤独且没人爱的纸鹤40 分钟前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭42 分钟前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~43 分钟前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码1 小时前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng11331 小时前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike1 小时前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习