下载的几个C语言版的FFT程序仿真移植成功,特分享

2020-01-13 18:37发布

/*********************************************************************
                         快速福利叶变换C函数
函数简介:此函数是通用的快速傅里叶变换C语言函数,移植性强,以下部分不依
          赖硬件。此函数采用联合体的形式表示一个复数,输入为自然顺序的复
          数(输入实数是可令复数虚部为0),输出为经过FFT变换的自然顺序的
          复数
使用说明:使用此函数只需更改宏定义FFT_N的值即可实现点数的改变,FFT_N的
          应该为2的N次方,不满足此条件时应在后面补0
函数调用:FFT(s);
作    者:吉帅虎
时    间:2010-2-20
版    本:Ver1.0
参考文献:
**********************************************************************/
#include<math.h>

#define PI 3.1415926535897932384626433832795028841971               //定义圆周率值
#define FFT_N 128                                                   //定义福利叶变换的点数

struct compx {float real,imag;};                                    //定义一个复数结构
struct compx s[FFT_N];                                              //FFT输入和输出:从S[1]开始存放,根据大小自己定义


/*******************************************************************
函数原型:struct compx EE(struct compx b1,struct compx b2)  
函数功能:对两个复数进行乘法运算
输入参数:两个以联合体定义的复数a,b
输出参数:a和b的乘积,以联合体的形式输出
*******************************************************************/
struct compx EE(struct compx a,struct compx b)      
{
struct compx c;
c.real=a.real*b.real-a.imag*b.imag;
c.imag=a.real*b.imag+a.imag*b.real;
return(c);
}

/*****************************************************************
函数原型:void FFT(struct compx *xin,int N)
函数功能:对输入的复数组进行快速傅里叶变换(FFT)
输入参数:*xin复数结构体组的首地址指针,struct型
*****************************************************************/
void FFT(struct compx *xin)
{
  int f,m,nv2,nm1,i,k,l,j=0;
  struct compx u,w,t;
   
   nv2=FFT_N/2;                  //变址运算,即把自然顺序变成倒位序,采用雷德算法
   nm1=FFT_N-1;  
   for(i=0;i<nm1;i++)        
   {
    if(i<j)                    //如果i<j,即进行变址
     {
      t=xin[j];           
      xin[j]=xin;
      xin=t;
     }
    k=nv2;                    //求j的下一个倒位序
    while(k<=j)               //如果k<=j,表示j的最高位为1   
     {           
      j=j-k;                 //把最高位变成0
      k=k/2;                 //k/2,比较次高位,依次类推,逐个比较,直到某个位为0
     }
   j=j+k;                   //把0改为1
  }
                        
  {
   int le,lei,ip;                            //FFT运算核,使用蝶形运算完成FFT运算
    f=FFT_N;
   for(l=1;(f=f/2)!=1;l++)                  //计算l的值,即计算蝶形级数
           ;
  for(m=1;m<=l;m++)                         // 控制蝶形结级数
   {                                        //m表示第m级蝶形,l为蝶形级总数l=log(2)N
    le=2<<(m-1);                            //le蝶形结距离,即第m级蝶形的蝶形结相距le点
    lei=le/2;                               //同一蝶形结中参加运算的两点的距离
    u.real=1.0;                             //u为蝶形结运算系数,初始值为1
    u.imag=0.0;
    w.real=cos(PI/lei);                     //w为系数商,即当前系数与前一个系数的商
    w.imag=-sin(PI/lei);
    for(j=0;j<=lei-1;j++)                   //控制计算不同种蝶形结,即计算系数不同的蝶形结
     {
      for(i=j;i<=FFT_N-1;i=i+le)            //控制同一蝶形结运算,即计算系数相同蝶形结
       {
        ip=i+lei;                           //i,ip分别表示参加蝶形运算的两个节点
        t=EE(xin[ip],u);                    //蝶形运算,详见公式
        xin[ip].real=xin.real-t.real;
        xin[ip].imag=xin.imag-t.imag;
        xin.real=xin.real+t.real;
        xin.imag=xin.imag+t.imag;
       }
      u=EE(u,w);                           //改变系数,进行下一个蝶形运算
     }
   }
  }
  
}

/************************************************************
函数原型:void main()
函数功能:测试FFT变换,演示函数使用方法
输入参数:无
输出参数:无
************************************************************/
void main()   
{  
  int i;
  for(i=0;i<FFT_N;i++)                           //给结构体赋值
  {
     s.real=sin(2*3.141592653589793*i/FFT_N); //实部为正弦波FFT_N点采样,赋值为1
     s.imag=0;                                //虚部为0
  }
  
  FFT(s);                                        //进行快速福利叶变换
  
  for(i=0;i<FFT_N;i++)                           //求变换后结果的模值,存入复数的实部部分
  s.real=sqrt(s.real*s.real+s.imag*s.imag);

   while(1);
}
下面还有几个版本的。

FFT1.0-1.2ourdev_655640K1EWAP.zip(文件大小:7K) (原文件名:FFT1.0-1.2.zip)
友情提示: 此问题已得到解决,问题已经关闭,关闭后问题禁止继续编辑,回答。
该问题目前已经被作者或者管理员关闭, 无法添加新回复
86条回答
millwood0
1楼-- · 2020-01-19 14:06
the code compiled and tested on turbo c, but should work on any other c compilers as well.
millwood0
2楼-- · 2020-01-19 17:13
the problem with floating point math on a 8-bit mcu is its size / speed. so I adapted a fixed point fft routine.

it completes 32-point fft in 20k cycles and 128-point fft in 107k cycles (on a 24f chip, no optimization and no hardware acceleration) - a ~10x improvement over the floating point math version.

again, the package consists of three files:

1) fft_fp.h: the header file. you need to configure again the buffer size + data type.
2) fft_fp.c: the source file. you need to include it in your project.
3) main.c: the test program.

the calling convention is (almost) identical to that of the floating math version.
millwood0
3楼-- · 2020-01-19 18:17
here is the package:

点击此处下载 ourdev_716318BSJNK0.rar(文件大小:9K) (原文件名:24f fft_fp.rar)
millwood0
4楼-- · 2020-01-19 23:00
I am on a roll!

here is a kalman filter, for 1d variables (aka only one state variable). It is useful for filtering, and or tracking.

the package consists of two files:

1) kalman.h: the header file declaring the functions;
2) kalman.c: the source file laying out the actual code / execution.

in additional, I put together a main.c calling both functions to show how it could be used.

here is the kalman.h:


#ifndef KALMAN_H_INCLUDED
#define KALMAN_H_INCLUDED

//kalman filtering for 1d variables
//source: http://interactive-matter.eu/2009/12/filtering-sensor-data-with-a-kalman-filter/

typedef struct {
  double q; //process noise covariance
  double r; //measurement noise covariance
  double x; //value
  double p; //estimation error covariance
  double k; //kalman gain
} kalman_state;

//initialize the kalman filter
kalman_state kalman_init(double q, double r, double p, double intial_value);

void kalman_update(kalman_state* state, double measurement);

#endif // KALMAN_H_INCLUDED
millwood0
5楼-- · 2020-01-20 04:40
 精彩回答 2  元偷偷看……
millwood0
6楼-- · 2020-01-20 07:53
here is main.c: it uses a function to generate sampled data.


#include <stdio.h>
#include <stdlib.h>
#include "kalman.h"                                                //we use kalman filtering

//generate simulated data, with a noise term
double x_actual(void) {
        static double xt_1=-10, xt_2=20;
        double xt = 1.2*xt_1 - 1.0*xt_2 + 00.0 * rand()/RAND_MAX;

        xt_2 = xt_1;
        xt_1 = xt;
        return xt;
}

int main()
{
        FILE *fptr;                                                        //file ptr
        int i;
        kalman_state k_state;
        double xt;

        //open the file
        fptr = fopen("c:kalman.dat", "w");
        //fprintf(fptr, "abcdef ");

        k_state = kalman_init(1, 1, 1, 1);        //initialize the filter

    printf("Hello world! ");

        for (i=0; i<200; i++) {
                xt = x_actual();                                        //generate xt's measurement
                kalman_update(&k_state, xt);                //estimate xt
                fprintf(stdout, "i=%4d x_actual = %10.4f x_est = %10.4f ", i, xt, k_state.x);
        }

        fclose(fptr);                                                //close the file
    return 0;
}

一周热门 更多>