STM32实现FFT，求取幅度频谱_stm32 fft

STM32实现FFT，求取幅度频谱

FFT不太对劲的理解

FFT的原理比较复杂，因为32使用FFT不用去管算法是如何运作的，我在这里就进行简单的介绍了。

因为是简单介绍，就只介绍下幅度频谱图，不考虑相位频谱图。

​ FFT可以将一个信号从时域变换到频域，比如一个1VPP的1k的正弦信号，它的时域和频域的示意图如下：

​ 频域为我们观察信号提供了一个新的视角。比如下面是1k和2k信号的叠加。

​ 从时域上看，1k+2k的波形不容易进行处理，也不好猜出来这个波形到底有什么特性（当然这个例子其实还是比较好猜测的，复杂情况就不好看了）。可是变换到频域后，特性非常的明显，处理起来就方便了。

STM32实现FFT

添加DSP库

STM32 DSP库的快速添加 基于cubemx 调用，使用DSP库_四臂西瓜的博客-CSDN博客_cubemx dsp

要采用第二种方法添加DSP，第一种方式添加的DSP库比较老，支持的FFT函数用起来不方便，这篇文章介绍的FFT函数老版本不支持。

设置ADC采集交流+串口重定向

STM32HAL ADC+TIM+DMA采集交流信号 基于cubemx_四臂西瓜的博客-CSDN博客

代码编写

DSP库里面的FFT支持32-4096，同时是$$2^n$$个整数的傅里叶变换。首先定义下面这些变量。其中只有fft_inputbuf，fft_outputbuf是用来进行FFT的。

#define FFT_LENGTH 1024

__IO uint8_t AdcConvEnd = 0;
uint16_t adcBuff[FFT_LENGTH];

float fft_inputbuf[FFT_LENGTH * 2];  
float fft_outputbuf[FFT_LENGTH];  

1
2
3
4
5
6
7
8

​ 定义完成变量后进行服务内容的书写。首先是ADC进行数据的采集，这一部分再赘述：

HAL_ADCEx_Calibration_Start(&hadc1);
HAL_ADC_Start_DMA(&hadc1, (uint32_t *)adcBuff, FFT_LENGTH);
HAL_TIM_Base_Start(&htim3);

while (!AdcConvEnd)       //等待转换完毕
	;
1
2
3
4
5
6

​ 傅里叶变换分实数和虚数两种，使用最为频繁的是虚数。我们需要把ADC采集到的数据以虚数的形式存放到傅里叶变换的输入数组fft_inputbuf。虚数的存放方式如下

​ 比如ADC采集到的第二个数据adcBuff[1]，它的数据存入到fft_inputbuf[2],它的虚部是fft_inputbuf[3]，补零。

​ 我们调用arm_cfft_f32(&arm_cfft_sR_f32_len1024, fft_inputbuf, 0, 1);来对输入数据进行傅里叶变换。它的输入参数含义如下

• arm_cfft_sR_f32_len1024为傅里叶变换结构体，1024是要运算的点数。我们在进行其他点数的计算时，比如说32个点的FFT，就可以用arm_cfft_sR_f32_len32。
• fft_inputbuf为傅里叶变换需要处理的数据的首地址
• 第三个参数0是正变换，1是反变换
• 第四个参数一般是1

​ 经过傅里叶变换后的结果仍然为复数，虚部和实部的比可以计算出频率点的相位，这个在这里不进行考虑。我们直接对复数取模。

​ 取模是实部和虚部的平方和取平均来算，不过我们没必要自己去这样写，因为DSP库为我们提供了取模函数：arm_cmplx_mag_f32(fft_inputbuf, fft_outputbuf, FFT_LENGTH);参数含义如下：

• fft_inputbuf源数据，形式为复数
• fft_outputbuf取完模后的数据，形式为实数
• FFT_LENGTH是取模的点数

​ 他们背后的运算是：$$fftoutputbuf[i]=\sqrt{fftinputbuf[i\ast 2{]}^2+fftinputbuf[i\ast 2+1{]}^2}$$

for (int i = 0; i < FFT_LENGTH; i++)
{
    fft_inputbuf[i * 2] = adcBuff[i] * 3.3 / 4096;//实部赋值，* 3.3 / 4096是为了将ADC采集到的值转换成实际电压
    fft_inputbuf[i * 2 + 1] = 0;//虚部赋值，固定为0.
}

arm_cfft_f32(&arm_cfft_sR_f32_len1024, fft_inputbuf, 0, 1);
arm_cmplx_mag_f32(fft_inputbuf, fft_outputbuf, FFT_LENGTH); 
1
2
3
4
5
6
7
8

​ 运算完成的结果还需要进行下面的处理，背后的原理就跟FFT算法有关了，这里不做解释。

​ 我们进行的是1024个点的FFT变换，那么fft_outputbuf下标0需要除以1024，其余的数除以512。

fft_outputbuf[0] /= 1024;

for (int i = 1; i < FFT_LENGTH; i++)//输出各次谐波幅值
{
    fft_outputbuf[i] /= 512;
}

1
2
3
4
5
6
7

最后再把运算结果打印出来即可。

printf("FFT Result:\r\n");

for (int i = 0; i < FFT_LENGTH; i++)//输出各次谐波幅值
{
	printf("%d:\t%.2f\r\n", i, fft_outputbuf[i]);
}

1
2
3
4
5
6
7

总的代码如下图

运行结果

​ ADC以100k的频率去采集信号发生器产生的976hz的正弦信号，信号VPP=2v，直流偏置为2V。（注意别超过内部ADC的测量范围0-3.3V）

FFT Result:
0:	1.97
1:	0.00
2:	0.00
3:	0.00
4:	0.00
5:	0.00
6:	0.00
7:	0.00
8:	0.00
9:	0.01
10:	1.05
11:	0.01
12:	0.00
13:	0.00
14:	0.00
...（后面的数据都为0）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

结果分析

​ FFT计算出来的数据是对称的，我们只取前一半的数据，此时的前一半数据是512个。

​ FFT输出数组的下标表示的频率，计算关系为：
$$频率=数组下标\ast \frac{采样率}{fft计算的点数}$$
​ 利用这个公式分析下上方的运行结果。数组下标0对应的是0hz，也就是直流偏置，幅度为1.97，和输入信号的2V符合。数组下标10对应的频率为$$\frac{100k}{1024}\ast 10\approx 976.5hz$$，对应幅度为1.05V，和输入信号的2VPP相符。

精度问题

不知道读者有没有注意到待测频率为976hz，而不是我们平时常见的1k，2k？这是为了这个频率正好落在数组下标10点上。10对应的是$$\frac{100k}{1024}\ast 10\approx 976.5hz$$，11对应的$$\frac{100k}{1024}\ast 11\approx 1075hz$$，1k落在了两点中间，这样就引起了栅栏效应，给人的直观感受就是能量分散了。下面是把待测信号改成1k后的运行结果。

FFT Result:
0:	1.98
1:	0.02
2:	0.03
3:	0.03
4:	0.03
5:	0.04
6:	0.05
7:	0.07
8:	0.10
9:	0.18
10:	0.95
11:	0.30
12:	0.13
13:	0.09
...
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

可以看到10，11，9等下标都分到了电压（能量）。实际应用中应尽可能避免栅栏效应。

栅栏效应下的补偿

如果不可避免得碰到了栅栏效应，是可以通过数据处理尽可能的还原求取待测信号的幅度值。方法是把频率点附近的能量聚集起来，将附近频率点的幅度平方求和，再取平均。

比如上面1k的情况，就可以把8，9，10，11，12的能量聚集起来。
$$\sqrt{0.1^2+0.18^2+0.95^2+0.3^2+0.13^2}=1.026$$
经过补偿后的幅度值就跟VPP2V真实值更加接近了。

我这里只取了5个点，如果不同主要频率点下标相差比较大，可以取更多；反之更少。

后记

本文章收录于：

唐承乾的电赛小站

本文为系列文章中的冰山一角，欢迎进入小站查看。

• 配套程序：
  公众号：四臂西瓜
  关键词：32调用DSP实现FFT