Обратное быстрое преобразование Фурье — оптимизированный для генерации HDL-кода
Система ОБПФ HDL object™ обеспечивает две архитектуры, чтобы оптимизировать или пропускную способность или область. Используйте Основание потоковой передачи 2^2 архитектура для высокопроизводительных приложений. Эта архитектура поддерживает скалярные или векторные входные данные. Можно достигнуть пропускной способности выборки гига сэмплов в секунду (GSPS) с помощью векторного входа. Используйте пакетное Основание 2 архитектуры для минимизации ресурса размещения, особенно с большими размерами БПФ. Ваша система должна смочь допустить принятие пульсирующих данных. Эта архитектура поддерживает только скалярные входные данные. Объект принимает действительные или комплексные данные, обеспечивает благоприятные для оборудования управляющие сигналы и имеет дополнительные выходные сигналы управления кадром.
Вычислить обратное быстрое преобразование Фурье:
Создайте dsp.HDLIFFT объект и набор его свойства.
Вызовите объект с аргументами, как будто это была функция.
Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты?
IFFT_N = dsp.HDLIFFTIFFT_N, это выполняет быстрое преобразование Фурье.
IFFT_N = dsp.HDLIFFT(Name,Value)
ifft128 = dsp.HDLIFFT('FFTLength',128)[ возвращает обратное быстрое преобразование Фурье (ОБПФ) при использовании пакетного Основания 2 архитектуры. Y,validOut,ready]
= IFFT_N(X,validIn)ready сигнал указывает, когда объект имеет память в наличии, чтобы принять новые входные выборки. Необходимо применить вход data и valid сигналы только, когда ready 1 TRUE. Объект игнорирует вход data и valid сигналы, когда ready 0 ложь.
Чтобы использовать этот синтаксис, установите свойство Architecture на 'Burst Radix 2'. Например:
IFFT_N = dsp.HDLIFFT(___,'Architecture','Burst Radix 2'); ... [y,validOut,ready] = IFFT_N(x,validIn)
[ также возвращается, управление кадром сигнализирует Y,startOut,endOut,validOut]
= IFFT_N(X,validIn)о startOut и endOut. startOut true на первой выборке системы координат выходных данных. endOut true для последней выборки системы координат выходных данных.
Чтобы использовать этот синтаксис, установите свойства StartOutputPort и EndOutputPort на true. Например:
IFFT_N = dsp.HDLIFFT(___,'StartOutputPort',true,'EndOutputPort',true); ... [y,startOut,endOut,validOut] = IFFT_N(x,validIn)
[ возвращает ОБПФ, Y,validOut]
= IFFT_N(X,validIn,resetIn)Y, когда validIn true и resetIn false. Когда resetIn true, объект останавливает текущее вычисление и очищает все внутреннее состояние.
Чтобы использовать этот синтаксис, установите свойство ResetInputPort на true. Например:
IFFT_N = dsp.HDLIFFT(___,'ResetInputPort',true); ... [y,validOut] = IFFT_N(x,validIn,resetIn)
Чтобы использовать объектную функцию, задайте Системный объект как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:
release(obj)
Создайте технические требования и входной сигнал. Этот пример использует БПФ с 128 точками.
N = 128;
Fs = 40;
t = (0:N-1)'/Fs;
x = sin(2*pi*15*t) + 0.75*cos(2*pi*10*t);
y = x + .25*randn(size(x));
y_fixed = sfi(y,32,16);
noOp = zeros(1,'like',y_fixed);
Вычислите БПФ сигнала использовать в качестве входа к объекту IFFT.
Примечание: Этот объектный синтаксис запускается только в R2016b или позже. Если вы используете более ранний релиз, заменяете каждый вызов объекта с эквивалентным step синтаксис. Например, замените myObject(x) с step(myObject,x).
hdlfft = dsp.HDLFFT('FFTLength',N,'BitReversedOutput',false); Yf = zeros(1,4*N); validOut = false(1,4*N); for loop = 1:1:N [Yf(loop),validOut(loop)] = hdlfft(complex(y_fixed(loop)),true); end for loop = N+1:1:4*N [Yf(loop),validOut(loop)] = hdlfft(complex(noOp),false); end Yf = Yf(validOut == 1);
Постройте односторонний амплитудный спектр.
plot(Fs/2*linspace(0,1,N/2),2*abs(Yf(1:N/2)/N)) title('Single-Sided Amplitude Spectrum of Noisy Signal y(t)') xlabel('Frequency (Hz)') ylabel('Output of FFT (f)')
Выберите частоты, которые содержат большинство энергии в сигнале. cumsum функция не принимает аргументы фиксированной точки, поэтому преобразует данные назад в double.
[Ysort,i] = sort(abs(double(transpose(Yf(1:N)))),1,'descend'); Ysort_d = double(Ysort); CumEnergy = sqrt(cumsum(Ysort_d.^2))/norm(Ysort_d); j = find(CumEnergy > 0.9, 1); disp(['Number of FFT coefficients that represent 90% of the ', ... 'total energy in the sequence: ', num2str(j)]) Yin = zeros(N,1); Yin(i(1:j)) = Yf(i(1:j));
Number of FFT coefficients that represent 90% of the total energy in the sequence: 4
Запишите функцию, которая создает и вызывает Систему ОБПФ object™. Можно сгенерировать HDL от этой функции.
function [yOut,validOut] = HDLIFFT128(yIn,validIn) %HDLIFFT128 % Processes one sample of data using the dsp.HDLIFFT System object(TM) % yIn is a fixed-point scalar or column vector. % validIn is a logical scalar. % You can generate HDL code from this function. persistent ifft128; if isempty(ifft128) ifft128 = dsp.HDLIFFT('FFTLength',128); end [yOut,validOut] = ifft128(yIn,validIn); end
Вычислите ОБПФ путем вызывания функции для каждой выборки данных.
Xt = zeros(1,3*N); validOut = false(1,3*N); for loop = 1:1:N [Xt(loop),validOut(loop)] = HDLIFFT128(complex(Yin(loop)),true); end for loop = N+1:1:3*N [Xt(loop),validOut(loop)] = HDLIFFT128(complex(0),false); end
Отбросьте недопустимые выходные выборки. Затем смотрите выход и сравните его с входным сигналом. Исходный вход находится в зеленом.
Xt = Xt(validOut==1);
Xt = bitrevorder(Xt);
norm(x-transpose(Xt(1:N)))
figure
stem(real(Xt))
figure
stem(real(x),'--g')
ans =
0.7863
Создайте технические требования и входной сигнал. Этот пример использует БПФ с 128 точками и вычисляет преобразование более чем 16 выборок за один раз.
N = 128; V = 16; Fs = 40; t = (0:N-1)'/Fs; x = sin(2*pi*15*t) + 0.75*cos(2*pi*10*t); y = x + .25*randn(size(x)); y_fixed = sfi(y,32,24); y_vect = reshape(y_fixed,V,N/V);
Вычислите БПФ сигнала, чтобы использовать в качестве входа к объекту IFFT.
Примечание: Этот объектный синтаксис запускается только в R2016b или позже. Если вы используете более ранний релиз, заменяете каждый вызов объекта с эквивалентным step синтаксис. Например, замените myObject(x) с step(myObject,x).
hdlfft = dsp.HDLFFT('FFTLength',N); loopCount = getLatency(hdlfft,N,V)+N/V; Yf = zeros(V,loopCount); validOut = false(V,loopCount); for loop = 1:1:loopCount if ( mod(loop,N/V) == 0 ) i = N/V; else i = mod(loop,N/V); end [Yf(:,loop),validOut(loop)] = hdlfft(complex(y_vect(:,i)),(loop<=N/V)); end
Постройте односторонний амплитудный спектр.
C = Yf(:,validOut==1); Yf_flat = C(:); Yr = bitrevorder(Yf_flat); plot(Fs/2*linspace(0,1,N/2),2*abs(Yr(1:N/2)/N)) title('Single-Sided Amplitude Spectrum of Noisy Signal y(t)') xlabel('Frequency (Hz)') ylabel('Output of FFT(f)')
Выберите частоты, которые содержат большинство энергии в сигнале. cumsum функция не принимает аргументы фиксированной точки, поэтому преобразует данные назад в double.
[Ysort,i] = sort(abs(double(Yr(1:N))),1,'descend'); CumEnergy = sqrt(cumsum(Ysort.^2))/norm(Ysort); j = find(CumEnergy > 0.9, 1); disp(['Number of FFT coefficients that represent 90% of the ', ... 'total energy in the sequence: ', num2str(j)]) Yin = zeros(N,1); Yin(i(1:j)) = Yr(i(1:j)); YinVect = reshape(Yin,V,N/V);
Number of FFT coefficients that represent 90% of the total energy in the sequence: 4
Запишите функцию, которая создает и вызывает Систему ОБПФ object™. Можно сгенерировать HDL от этой функции.
function [yOut,validOut] = HDLIFFT128V16(yIn,validIn) %HDLFFT128V16 % Processes 16-sample vectors of FFT data % yIn is a fixed-point column vector. % validIn is a logical scalar value. % You can generate HDL code from this function. persistent ifft128v16; if isempty(ifft128v16) ifft128v16 = dsp.HDLIFFT('FFTLength',128) end [yOut,validOut] = ifft128v16(yIn,validIn); end
Вычислите ОБПФ путем вызывания функции для каждой выборки данных.
Xt = zeros(V,loopCount); validOut = false(V,loopCount); for loop = 1:1:loopCount if ( mod(loop,N/V) == 0 ) i = N/V; else i = mod(loop,N/V); end [Xt(:,loop),validOut(loop)] = HDLIFFT128V16(complex(YinVect(:,i)),(loop<=N/V)); end
ifft128v16 =
dsp.HDLIFFT with properties:
FFTLength: 128
Architecture: 'Streaming Radix 2^2'
ComplexMultiplication: 'Use 4 multipliers and 2 adders'
BitReversedOutput: true
BitReversedInput: false
Normalize: true
Use get to show all properties
Отбросьте недопустимые выходные выборки. Затем смотрите выход и сравните его с входным сигналом. Исходный вход находится в зеленом.
C = Xt(:,validOut==1);
Xt = C(:);
Xt = bitrevorder(Xt);
norm(x-Xt(1:N))
figure
stem(real(Xt))
figure
stem(real(x),'--g')
ans =
0.7863
Задержка объекта меняется в зависимости от длины БПФ и размера вектора. Используйте getLatency функционируйте, чтобы найти задержку особой настройки. Задержка является количеством циклов между первым допустимым входом и первым допустимым выходом, принимая, что вход непрерывен.
Создайте новый dsp.HDLIFFT возразите и запросите задержку.
hdlifft = dsp.HDLIFFT('FFTLength',512);
L512 = getLatency(hdlifft)L512 = 599
Запросите гипотетическую информацию задержки о подобном объекте с различной длиной БПФ. Свойства исходного объекта не изменяются. Когда вы не задаете длину вектора, функция принимает скалярные входные данные.
L256 = getLatency(hdlifft,256)
L256 = 329
N = hdlifft.FFTLength
N = 512
Запросите гипотетическую информацию задержки подобного объекта, который принимает векторный вход с восемью выборками.
L256v8 = getLatency(hdlifft,256,8)
L256v8 = 93
Позвольте масштабироваться на каждом этапе ОБПФ. Задержка не изменяется.
hdlifft.Normalize = true; L512n = getLatency(hdlifft)
L512n = 599
Запросите тот же выходной порядок как входной порядок. Эта установка увеличивает задержку, потому что объект должен собрать выход перед переупорядочением.
hdlifft.BitReversedOutput = false; L512r = getLatency(hdlifft)
L512r = 1078
Основание потоковой передачи 2^2 архитектура реализует архитектуру низкой задержки. Это сохраняет ресурсы по сравнению с Основанием потоковой передачи 2 реализации путем факторинга и группировки уравнения FFT. Архитектура имеет log4 (N) этапы. Каждый этап содержит двух бабочек обратной связи задержки одно пути (SDF) с контроллерами памяти. Когда вы используете векторный вход, каждый этап работает с меньшим количеством входных выборок, таким образом, некоторые этапы уменьшают до простой бабочки без SDF.
Первый этап SDF является обычной бабочкой. Второй этап умножает выходные параметры первой стадии –j. Чтобы избежать аппаратного множителя, блок подкачивает действительные и мнимые части входных параметров, и снова подкачивает мнимые части получившихся выходных параметров. Каждый этап округляет результат вертеть факторного умножения к входному размеру слова. Вертеть факторы имеют два целочисленных бита, и остальная часть битов используется для дробных битов. Вертеть факторы имеют ту же битную ширину как входные данные, WL. Вертеть факторы имеют два целочисленных бита и WL-2 дробных бита.
Если вы позволяете масштабироваться, алгоритм делит результат каждого этапа бабочки 2. Масштабирование на каждом этапе избегает переполнения, сохраняет размер слова тем же самым как вход и приводит к полному масштабному коэффициенту 1/N. Если масштабирование отключено, алгоритм избегает переполнения путем увеличения размера слова на 1 бит на каждом этапе. Схема показывает бабочек и внутренние размеры слова каждого этапа, не включая память.
Пакетное Основание 2 реализации архитектуры БПФ при помощи одного комплексного множителя бабочки. Алгоритм не может запуститься, пока он не сохранил целый входной кадр, и он не может принять следующую систему координат, пока расчеты не завершены. Порт выхода ready указывает, когда алгоритм готов к новым данным. Схема показывает пакетную архитектуру с регистрами трубопровода.
Когда вы используете эту архитектуру, ваши входные данные должны выполнить сигнал противодавления ready. Для формы волны, которая показывает этот протокол, см. третью схему в разделе Timing Diagram.
Входные данные процессов алгоритма только, когда порт входа valid равняется 1. Выходные данные допустимы только, когда порт выхода valid равняется 1.
Когда дополнительный порт входа reset равняется 1, алгоритм останавливает текущее вычисление и очищает все внутренние состояния. Алгоритм начинает новые вычисления, когда порт reset 0, и порт входа valid запускает новую систему координат.
Эта схема показывает значения порта valid ввода и вывода для непрерывных скалярных входных данных, передавая Основание потоком 2^2 архитектура, длина БПФ 1 024 и размер вектора 16.
Схема также показывает дополнительные значения порта start и end, которые указывают на контуры системы координат. Если вы включаете порт start, импульсы значения порта start для одного цикла с первым допустимым выходом системы координат. Если вы включаете порт end, импульсы значения порта start для одного цикла с последним допустимым выходом системы координат.
Если вы примените непрерывные входные кадры, выход также будет непрерывен после начальной задержки.
Порт входа valid может быть, состоящим из нескольких несмежных участков. Данные, сопровождаемые портом входа valid, обрабатываются, когда они прибывают, и получившиеся данные хранятся, пока система координат не заполнена. Затем алгоритм возвращает непрерывные выходные выборки в системе координат N (FFT length) циклы. Эта схема показывает вход, состоящий из нескольких несмежных участков, и непрерывный выход для длины БПФ 512 и размера вектора 16.
Когда вы используете пакетную архитектуру, вы не можете обеспечить следующую систему координат входных данных, пока пространство памяти не доступно. Сигнал ready указывает, когда алгоритм может принять новые входные данные. Необходимо применить сигналы входа data и valid только, когда ready является 1 TRUE. Алгоритм игнорирует любые сигналы входа data и valid, когда ready является 0 ложь.
Задержка меняется в зависимости от длины БПФ и размера вектора. Используйте getLatency функционируйте, чтобы найти задержку особой настройки. Задержка является количеством циклов между первым допустимым входом и первым допустимым выходом, принимая, что вход непрерывен.
При использовании пакетной архитектуры с непрерывным входом, если ваш проект ожидает ready к выходу 0 перед de-утверждением вход valid затем один дополнительный цикл данных прибывает во вход. Эта выборка данных является первой выборкой следующей системы координат. Алгоритм может сохранить одну выборку при обработке текущего кадра. Из-за этого демонстрационного усовершенствования, наблюдаемая задержка более поздних систем координат (от входа valid до выхода valid) является одним циклом короче, чем задержка, о которой сообщают. Задержка измеряется от первого цикла, когда вход valid 1 к первому циклу, когда выход valid равняется 1. Количество циклов между тем, когда порт ready 0 и порт выхода valid, равняется 1, всегда latency – FFTLength.
