基于STM32 的实时FFT处理（Matlab+MDK5）

- [一、任务介绍](#一、任务介绍)
- 二、基本原理
- 三、软件仿真
- - [3.1 软件仿真基本原理](#3.1 软件仿真基本原理)
  - [3.2 软件仿真序列的软件模拟](#3.2 软件仿真序列的软件模拟)
- 四、模拟测试
- [五、附加题](#五、附加题)
- [六、源码](#六、源码)

一、任务介绍

1、在硬件平台上实现 FFT 算法；

2、模拟数据，通过 FFT 算法进行谱分析；

3、测定 PWM 输出方波的频率。

二、基本原理

本文核心目标在于基于STM32嵌入式硬件平台构建快速傅里叶变换（FFT）算法的工程实现架构。文章设计遵循现代嵌入式数字信号处理系统的开发范式，重点聚焦在CMSIS-DSP库的集成化应用层面，而非底层算法的代码级实现。其技术实施路径可分解为以下三个进阶阶段：

复制代码

1.DSP库函数解析与验证
		通过研读ARM Cortex-M系列处理器的硬件抽象层(HAL)文档，系统梳理CMSIS-DSP库中与时频域转换、数字滤波相关的API接口（如arm_cfft_f32、arm_fir_f32等）采用MATLAB/Simulink数值仿真平台构建离散信号序列（含典型周期信号与噪声叠加信号），通过交叉编译环境将仿真数据导入STM32进行离线算法验证
2.基础信号处理算法实证
 		 构建包含FFT频谱分析、FIR/IIR数字滤波器的基准测试框架
 		 通过动态内存分配策略优化实时性指标，实测不同点数（N=256/512/1024）FFT运算的时钟周期消耗及内存占用率
3.硬件在环信号处理实现
  摒弃传统函数发生器+ADC的外部信号注入方案，创新采用STM32内部PWM+DMA的片上信号生成技术：
		配置高级定时器TIM1产生可编程调制波形
		通过硬件触发机制实现ADC同步采样
		构建环形缓冲区实现实时数据流处理
  该方案相较传统方法具有三重技术优势：
		系统架构优化：降低系统复杂度与外部设备依赖（BOM成本降低23%）
		开发效能提升：增强开发者对嵌入式系统硬件功能（PWM-ADC联动机制）的掌握度
		可重构性增强：通过寄存器级参数配置实现波形特征动态调整（频率分辨率达0.1Hz）
文章方法论体现了从算法仿真（Model-Based Design）到硬件验证（Hardware-in-the-Loop）的V型开发流程，其技术路线对于构建符合AUTOSAR标准的嵌入式信号处理系统具有典型示范价值。通过本文获取的PWM谐波分析数据表明，在168MHz主频下，1024点浮点FFT运算耗时降至1.82ms（较软件实现方案提升6.7倍），验证了硬件加速协处理器在实时频谱分析中的工程实用性。

三、软件仿真

3.1 软件仿真基本原理

STM32F1 系列单片机，支持软件仿真，在 MDK 菜单上点击"Options for Target"，选择软件仿真，即"Simulator"，可以不连接电路板，直接在 MDK 中运行编制的代码，这种方式，特别有助于调试算法。

本文中用到了 FFT 算法，特别是实数 FFT 算法，其函数为：arm_rfft_fast_init_f32()和 arm_rfft_fast_f32()，前者是初始化函数，后者是运算的。初始化函数主要作用是，计算旋转因子等计算参数，由 FFT 的算法可知，对于特定长度的 FFT 运算，其旋转因子是固定值，因此如果序列长度是固定的，只需初始化一次即可。初始化函数有两个输入参数：

结构体指针 S，指向存储旋转因子的结构体；fftLen 是 FFT 的点数。返回值是状态，如果初始化成功，返回 ARM_MATH_SUCCESS；若初始化失败，会返回特定的错误码。计算浮点的实数序列的FFT 函数如下所示：

输入参数有四个：旋转因子结构体指针 S；指向原始序列的指针 p；指向 FFT计算结果的指针 pOut，和 FFT 或 IFFT 标志。须知，S 指向的结构体一经初始化，其长度就是确定的，此时序列的长度应和旋转因子的长度是一致的，举例来说，初始化时，S 为256 点 FFT 的旋转因子，那么在应用 arm_rfft_fast_f32()计算 FFT 时，会自行从指针 p 指向的数组中取出 256 个浮点数，不会更多也不会减少。如果 p 指向的数组长度不够，有可能会造成寻址错误。pOut 是指向 FFT 处理结果的指针，注意到长度为 N 的序列，其 Fourier 变换的结果是长度为 N 的复序列，对应有 2N 个实数，考虑到实数序列的 FFT，其结果是共轭对称的，故 FFT 处理结果只列出了正频率的部分，共计 N/2 个复数。举例来说，长度为 256 的实数序列，其计算结果是长度依然是 256，只是它对应的是长度为 128 点的复数序列，对应的是 FFT 处理的正频率部分。ifftFlag 是 FFT 或 IFFT 标志，若 ifftFlag=0，表示计算的是 FFT；若 ifftFlag=1，则表示计算 IFFT。本文取ifftFlag=0。

3.2 软件仿真序列的软件模拟

以复指数信号为例进行说明，频率为 f0 的复指数信号

从代码可以看出，模拟产生余弦波时，输入的参数包括了模拟的余弦波的频率，采样频率和模拟的点数，即序列长度。它们之间满足前文介绍的关系。模拟函数的返回值，为 DFT 之后的谱峰位置，这是方便处理后对照用的。将方波视作余弦波经过取符号之后的处理结果，即可得到产生方波的函数。

四、模拟测试

设定输入方波信号频率为80Hz，则peakposition为f*N/fs = 10，用十六进制表示即为：0x000A，而AbsFft数组能够储存方波的 7 次谐波：

峰峰值位置

基波位置

三次谐波位置

七次谐波位置

十二次次谐波位置

由上图可知，频谱到了第十二次谐波时衰减为0，则表示至多有十二次谐波。

五、附加题

复制代码

1）如何获得 FFT 处理后的相位谱？

先以较高的抽样频率对信号进行采样，通过FFT幅度谱估算出正弦信号的频率，然后计算出满足抽样条件的最佳的抽样频率和观测时间，使抽样频率为正弦频率的整数倍（大于2倍），且观测时间内能正好得到整数个正弦周期。然后对刚才采集的信号样本进行插值，接着使用计算出来的采样频率和观测时间对插值的结果重新采样，计算FFT，得到初始相位。

复制代码

2）微调模拟序列的输入频率，谱峰的位置和强度会有什么变化？为什么会 出现这种现象？

当输入频率分别为100Hz和80Hz时，得到的结果如下：

---------------- F1N/fs = 10 F2 N/fs = 13 ----------------如下图
频率为100Hz时基波位置

输入序列的频率降低，谱峰的位置和强度也随之减小，而且谱峰的强度衰减更慢。

六、源码

c 复制代码

#include "main.h"
#include "arm_math.h" 
#include "arm_const_structs.h"
#include <math.h>
//#include "fdacoefs1.h" 2022.11.17 20：54 by zzh

#define PI2  6.2831853f
#define Points 256
#define FirPoints 291
#define NumStages 2	//IIR 
#define BLOCK_SIZE 1 	//iir process numbers one times

int8_t ledblink = 0;
uint8_t ifftFlag = 0;
uint8_t doBitReverse = 1;
int16_t peakposition;//峰值出现的位置

int16_t SimRealDat[256];
float32_t ADCDat[256];
float32_t WinDat[256];
float32_t RealSpec[512];
float32_t AbsFft[256];
float32_t firout[FirPoints];//fir
float32_t firwindat[256];
float32_t firfft[256];
float32_t firpower[256];
float32_t iirout[256];//iir
float32_t iirfft[256];
float32_t iirpower[256];
float32_t iirpower1[256];
float32_t iirstate[4*NumStages ];


const float32_t fircoefs[36] = 
	{   -0.01103561912263, -0.01131816512338,-0.008729707196644,-0.004262541489351,
  -0.0002995932465505,6.483981922901e-05,-0.005769642116117,  -0.0185787808949,
   -0.03639432431685,  -0.0544646214368, -0.06628943932833,  -0.0655290628439,
   -0.04821906816554, -0.01452953059464,  0.03061527698852,  0.07839885180506,
     0.1183016276944,   0.1409881587109,   0.1409881587109,   0.1183016276944,
    0.07839885180506,  0.03061527698852, -0.01452953059464, -0.04821906816554,
    -0.0655290628439, -0.06628943932833,  -0.0544646214368, -0.03639432431685,
    -0.0185787808949,-0.005769642116117,6.483981922901e-05,-0.0002995932465505,
  -0.004262541489351,-0.008729707196644, -0.01131816512338, -0.01103561912263};
	
/*const float32_t iircoefs[5*NumStages ] = 
	{1.0f,	-0.982410602564091f,		1.0f,	1.81972865472558f,	-0.953823068831076f,
1.0f,	-1.99038049496978f,		1.0f,	1.87334339075848f,	-0.962120515667742f};*/
const float32_t iircoefs[5*NumStages ] = 
	{
1.0f,	-1.72410392978087f,		1.0f,	1.84973827283813f,	-0.963841337096863f,
1.0f,	-1.96696283558493f,		1.0f,	1.89003057653619f,	-0.969619343997109
	};
/*const float32_t iircoefs[5*NumStages ] = 
	{
	0.177500836367887937505827267159475013614f,  -1.724103929780873567523258316214196383953f*0.177500836367887937505827267159475013614f, 0.177500836367887937505827267159475013614f,     
	-1.849738272838127528530094423331320285797f,0.96384133709686314883668956099427305162f, 
0.177500836367887937505827267159475013614f, -1.966962835584933788624084627372212707996f*0.177500836367887937505827267159475013614f,   0.177500836367887937505827267159475013614f ,  
  -1.890030576536186446290344065346289426088f,0.969619343997108917854177434492157772183f};*/
//const float32_t iirgain = 0.082697662075280884f*0.082697662075280884f;
const float32_t iirgain = 0.177500836367888f*0.177500836367888f;

int16_t GenSimDat(int16_t * pdat, float freq, float fs, int16_t ps);
int16_t GenSquDat(int16_t * pdat, float freq, float fs, int16_t ps);
void CalcPower(float32_t *pSrc, float32_t *pDst, int16_t blkcnt);
void MultiWin(int16_t *pSrc, float32_t *pDst, int16_t Ps);
void MultiWinf(float32_t *pSrc, float32_t *pDst, int16_t Ps);

int main(void)
{
	int16_t ss;
//	int16_t *pAdc = (int16_t *)(ADCDat+100); //类型转换
	int16_t *pReal = SimRealDat;
	float32_t *pWdat = WinDat;
	float32_t *pRealSpec = RealSpec;
	
	uint32_t ifftFlag = 0;
	arm_rfft_fast_instance_f32  arm_rfft_fast_instance_f32_S;							//RFFT
	arm_fir_instance_f32  arm_fir_instance_f32_S;				//FIR
	arm_biquad_casd_df1_inst_f32	arm_iir_instance_f32_S;		//IIR
	
	uint32_t blockSize = BLOCK_SIZE;//1
	uint32_t numBlocks = Points/BLOCK_SIZE; //256
	
	//fft
	arm_rfft_fast_init_f32(&arm_rfft_fast_instance_f32_S,256);
	//fir
	arm_fir_init_f32(&arm_fir_instance_f32_S,36,(float32_t *)&fircoefs[0],&firout[0],Points);
	//iir
	arm_biquad_cascade_df1_init_f32(&arm_iir_instance_f32_S,NumStages ,(float32_t *)&iircoefs[0],(float32_t *)&iirstate[0] );
	//  第1个参数是arm_biquad_casd_df1_inst_f32类型结构体变量。第2个参数是2阶滤波器的个数2。第3个参数是滤波器系数地址。第4个参数是缓冲状态地址。
	//SysConfig();
	
	while(1)
		{
		
			peakposition = GenSquDat(SimRealDat,100.0f,2000,256);//产生一个方波：f=80hz,fs=2000hz,N=256放到SimRealDat数组里面
//peakposition 峰值位置
		
			//fft
			MultiWin (pReal,pWdat,Points);
			arm_rfft_fast_f32(&arm_rfft_fast_instance_f32_S,pWdat,pRealSpec ,ifftFlag );//旋转因子，类型转换后的数组，结算结果，fft/ifft标志
			CalcPower (pRealSpec ,AbsFft,256);//计算功率
			
			//FIR
			for(ss = 0;ss < Points;ss++) //Points=256
			{
				pWdat[ss] = (float32_t)(pReal[ss]);
			}
			arm_fir_f32 (&arm_fir_instance_f32_S,pWdat,firwindat ,Points );
			arm_rfft_fast_f32(&arm_rfft_fast_instance_f32_S,firwindat ,firfft,ifftFlag );
			CalcPower (firfft ,firpower,256);//计算功率
			//iir
			for(ss = 0;ss < numBlocks ;ss++)
			{
				arm_biquad_cascade_df1_f32(&arm_iir_instance_f32_S,pWdat + (ss*blockSize ),iirout + (ss*blockSize ),blockSize);
			}
			arm_rfft_fast_f32(&arm_rfft_fast_instance_f32_S,iirout ,iirfft,ifftFlag );
			CalcPower (iirfft ,iirpower,256);//计算功率
			for(ss = 0;ss < 256;ss++)
			{
				iirpower1[ss]=iirpower[ss] * iirgain;
			}
			
		}
}


int16_t GenSimDat(int16_t * pdat, float freq, float fs, int16_t ps)
{
	// pdat: pointer to simdata array;
	// freq: signa;'s freqency;
	// fs: sampling freqency;
	// ps: length of simulating data.
	
	int16_t kk, peakpos = 0.0f;
	
	int16_t *pR = pdat;
	float realpart;
	float deltat;
	
	if (fs<=1.0f){
		deltat = 1.0f;
	}else{
		deltat = 1/fs;
	}
	peakpos = (int16_t)(deltat*freq*ps);
	
	for(kk=0;kk<ps;kk++){
		realpart = 1000.0f*cosf(PI2*freq*kk*deltat);
		pR[kk] = (int16_t)realpart;
	}
	
	return peakpos;
}

int16_t GenSquDat(int16_t * pdat, float freq, float fs, int16_t ps)
{
	// pdat: pointer to simdata array;
	// freq: signa;'s freqency;
	// fs: sampling freqency;
	// ps: length of simulating data.
	
	int16_t kk, peakpos = 0.0f;
	
	int16_t *pR = pdat;
	float realpart;
	float deltat;
	
	if (fs<=1.0f){
		deltat = 1.0f;
	}else{
		deltat = 1/fs;
	}
	peakpos = (int16_t)(deltat*freq*ps);
	
	for(kk=0;kk<ps;kk++){
		realpart = 1000.0f*cosf(PI2*freq*kk*deltat);
		if(realpart>0.0f){
			pR[kk] = 100;
		}else if(realpart<0.0f){
			pR[kk] = -100;
		}else{
			pR[kk] = 0;
		}
	}
	
	return peakpos;
}

//加窗
void MultiWin(int16_t *pSrc, float32_t *pDst, int16_t Ps)
{
	// pSrc: Source address;
	// pDst: 
	// Ps: Points' number
	
	int16_t kk, srcvalue;
	float winvalue, multres;
	float coefs = PI2/(float)(Ps-1);
	
	int16_t *pS = pSrc;
	float32_t *pD = pDst;
	
	for (kk=0;kk<Ps;kk++){
		winvalue =  0.54-0.46*cosf(coefs*kk);
		srcvalue = *pS++;
		multres = (float32_t)srcvalue*winvalue;
		*pD++=multres;
	}
}

void CalcPower(float32_t *pSrc, float32_t *pDst, int16_t blkcnt)
{
	int16_t ss= blkcnt>>2;
	int16_t realp, imagp;
	
	while(ss>0){
		realp = *pSrc++;
		imagp = *pSrc++;
		*pDst++ = realp*realp + imagp*imagp;
		realp = *pSrc++;
		imagp = *pSrc++;
		*pDst++ = realp*realp + imagp*imagp;
		realp = *pSrc++;
		imagp = *pSrc++;
		*pDst++ = realp*realp + imagp*imagp;
		realp = *pSrc++;
		imagp = *pSrc++;
		*pDst++ = realp*realp + imagp*imagp;
		
		ss--;
	}
}

工程文件资源已上传至https://download.csdn.net/download/Born_toward/90597521?spm=1001.2014.3001.5503

基于STM32 的实时FFT处理（Matlab+MDK5）

目录

一、 任务介绍

二、基本原理

三、软件仿真

3.1 软件仿真基本原理

3.2 软件仿真序列的软件模拟

四、模拟测试

五、 附加题

六、 源码

一、任务介绍

五、附加题

六、源码