CCS调用FFT后，频率不对的问题。

相关推荐

• CCS调用FFT后，频率不对的问题。

  3年前
  回答 2 已采纳 本人使用CCS3.3平台TMS320C55xx(Simulator)仿真程序，使用的是DSPlib中的RFFT程序。 用matlab生成10HZ信号，程序使用采样频率128HZ，采样点128个。 相应的在RFFT的例程上进行修改，对输入信号使用GHAPH中的FFT-Mag观测，最大的幅值出现在10HZ位置上，这点没问题。 但是当经过 rfft(x,NX,SCALE)变换后，使用GHAPH对FFT后的结果进行观测，频谱最大的幅值出现在21HZ位置上。 不明白为什么会出现这种问题，请问如何解决？附图如下
• 请教下关于FFT算法生成频谱图的问题 机器学习深度学习人工智能

  2月前
  回答 5 已采纳 我理解的大体思路是： 1、将图像的灰度值作为输入数据代入FFT算法，生成结果A 2、直接用A的实部值作为像素值生成频谱图 但是我发现生成的频谱图布局不对。 用幅度值作为像素值生成的频谱图 现在我有3个疑问： 1、将图像灰度值数据代入FFT，再直接IFFT，得到一张正确的灰度图像，是否说明写的FFT和IFFT算法没问题？ 2、频谱图的像素值是由FFT结果数据的实部值生成吗？ 3、代码中的中心化方法FFT2Shift()是我这样写的吗（不确定对公式是否理解正确）？   在线对图像做傅里叶变换 https://sci2fig.herokuapp.com/fourier   下面给出我封装的傅里叶变换类 using System; /// <summary> /// 傅里叶变换 /// </summary> public sealed class Fourier { //快速傅里叶变换 public static void FFT(Complex[] TD2FD) { FFT_Core(TD2FD, WT_LUT(TD2FD.Length, 1)); } //快速傅里叶变换 (二维) public static void FFT2(Complex2D TD2FD) { //对每一行做FFT for (int i = 0; i < TD2FD.Height; i++) { Complex[] row = TD2FD.GetRow(i); FFT(row); TD2FD.SetRow(i, row); } //对每一列做FFT for (int i = 0; i < TD2FD.Width; i++) { Complex[] column = TD2FD.GetColumn(i); FFT(column); TD2FD.SetColumn(i, column); } } //快速傅里叶逆变换 public static void IFFT(Complex[] FD2TD) { //做FFT变换 Complex[] WT = WT_LUT(FD2TD.Length, -1); FFT_Core(FD2TD, WT); //实部除以N for (int i = 0; i < FD2TD.Length; i++) FD2TD[i].re /= FD2TD.Length; } //快速傅里叶逆变换 (二维) public static void IFFT2(Complex2D FD2TD) { //对每一行做IFFT for (int i = 0; i < FD2TD.Height; i++) { Complex[] row = FD2TD.GetRow(i); IFFT(row); FD2TD.SetRow(i, row); } //对每一列做IFFT for (int i = 0; i < FD2TD.Width; i++) { Complex[] column = FD2TD.GetColumn(i); IFFT(column); FD2TD.SetColumn(i, column); } } // 将直流分量移到频谱图的中心 public static void FFT2Shift(Complex2D complex2D) { int halfH = complex2D.Height / 2; int halfW = complex2D.Width / 2; //将图像四个象限区域按对角线交换 for (int i=0; i<halfH; i++) { for (int j=0; j<complex2D.Width; j++) { if (j < halfW) complex2D.SwapComplex(i, j, i + halfH, j + halfW); else complex2D.SwapComplex(i, j, i + halfH, j - halfW); } } } // 高通滤波 public static void HighPassFilting(Complex2D complex2D) { int halfH = complex2D.Height / 2; int halfW = complex2D.Width / 2; int H4 = complex2D.Height / 8; int W4 = complex2D.Width / 8; for (int i = halfH - H4; i < halfH + H4; i++) { for (int j = halfW - W4; j < halfW + W4; j++) { Complex cpx = complex2D.GetComplex(i, j); cpx.re = 0; cpx.im = 0; complex2D.SetComplex(i, j, cpx); } } } // 低通滤波 public static void LowPassFilting(Complex2D complex2D) { int halfH = complex2D.Height / 2; int halfW = complex2D.Width / 2; int H4 = complex2D.Height / 8; int W4 = complex2D.Width / 8; for (int i=0; i < complex2D.Height; i++) { for (int j=0; j < complex2D.Width; j++) { if (i < halfH - H4 || i > halfH + H4 || j < halfW - W4 || j > halfW + W4) { Complex cpx = complex2D.GetComplex(i, j); cpx.re = 0; cpx.im = 0; complex2D.SetComplex(i, j, cpx); } } } } // 返回旋转因子查询表(twiddle factor lookup table) private static Complex[] WT_LUT(int N, int flag = 1) { Complex[] WT = new Complex[N]; for (int i = 0; i < N; i++) { Complex cpx_wt = new Complex(); float angle = (float)(-i * Math.PI * 2 / N); cpx_wt.re = (float)Math.Cos(angle); //IFFT flag=-1, FFT flag=1 cpx_wt.im = flag * (float)Math.Sin(angle); WT[i] = cpx_wt; } return WT; } private static void FFT_Core(Complex[] TD2FD, Complex[] WT) { int power = (int)Math.Log(TD2FD.Length, 2); int butterfly; int p, s; Complex x1, x2, wt; //倒位排序 BitReverse(TD2FD); //蝶形运算 for (int k = 0; k < power; k++) //级数 { for (int j = 0; j < 1 << (power - k - 1); j++) //组数 { //每组有几个元素 butterfly = 1 << k + 1; //计算参与蝶形运算的两个元素的索引 p = j * butterfly; s = p + butterfly / 2; for (int i = 0; i < butterfly / 2; i++) //蝶形运算次数 { x1 = TD2FD[i + p]; x2 = TD2FD[i + s]; wt = WT[i * TD2FD.Length / butterfly]; TD2FD[i + p] = x1 + x2 * wt; TD2FD[i + s] = x1 - x2 * wt; } } } } // 倒位排序——雷德算法 private static void BitReverse(Complex[] array) { //倒位排序原理 //0 1 2 3 4 5 6 7 十进制 //000 001 010 011 100 101 110 111 十进制对应的二进制 //000 100 010 110 001 101 011 111 码位反转 //0 4 2 6 1 5 3 7 码位反转后对应的十进制 int i, j, k; int N = array.Length; Complex temp; j = 0; for (i = 0; i < N - 1; i++) { if (i < j) { temp = array[i]; array[i] = array[j]; array[j] = temp; } // 求j的下一个倒序位 // N/2的二进制最高位为1，其他位都为0 // 判断最高位是否为1，可与N/2进行比较 // 判断次高位是否为1，可与N/4进行比较 k = N >> 1; //如果k<=j,表示j的最高位为1 while (k <= j) { //当k<=j时，需要将最高位变为0 j = j - k; //判断次高位是否为1,依次类推，逐个比较，直到j某个位为0 k >>= 1; } j = j + k;//将0变为1 } } // 打印 public static void Print(Complex[] TD2FD) { for (int i = 0; i < TD2FD.Length; i++) { Console.WriteLine(TD2FD[i].ToString()); } Console.WriteLine(); } } //定义复数 public class Complex { public float re;//实数部 public float im;//虚数部 // 幅值 public double Amplitude { get { //测试发现取值范围为 //min=0.0009918213, max=412.4615 return Math.Sqrt(re * re + im * im); } } // 频谱图像素值 public double PixelAmplitude { get { //幅值范围很大,需要做以下处理: //1. 将幅值范围调到 [1, ?] //2. 利用Log函数压缩范围 //3. 将范围映射到颜色值[0,1] double p = Math.Log(Amplitude * 10000) / 16f; return p; } } // 相位 public double Phase { get { return Math.Atan2(im, re); } } public override string ToString() { return string.Format("re={0}, im={1}", re, im); } public static Complex operator +(Complex lhs, Complex rhs) { Complex result = new Complex(); result.re = lhs.re + rhs.re; result.im = lhs.im + rhs.im; return result; } public static Complex operator -(Complex lhs, Complex rhs) { Complex result = new Complex(); result.re = lhs.re - rhs.re; result.im = lhs.im - rhs.im; return result; } public static Complex operator *(Complex lhs, Complex rhs) { Complex result = new Complex(); result.re = lhs.re * rhs.re - lhs.im * rhs.im; result.im = lhs.re * rhs.im + lhs.im * rhs.re; return result; } public static Complex operator *(float lhs, Complex rhs) { Complex result = new Complex(); result.re = lhs * rhs.re; result.im = lhs * rhs.im; return result; } public static Complex operator *(Complex lhs, float rhs) { Complex result = new Complex(); result.re = lhs.re * rhs; result.im = lhs.im * rhs; return result; } } public class Complex2D { private Complex[,] matrix; private int m_width; private int m_height; // width:图像宽度 height:图像高度 public Complex2D(int width, int height) { m_width = width; m_height = height; matrix = new Complex[width, height]; } public int Width { get { return m_width; } } public int Height { get { return m_height; } } public Complex[] GetRow(int i) { Complex[] row = new Complex[m_width]; for (int j = 0; j < m_width; j++) row[j] = matrix[j,i]; return row; } public void SetRow(int i, Complex[] array) { for (int j = 0; j < m_width; j++) matrix[j, i] = array[j]; } public Complex[] GetColumn(int i) { Complex[] column = new Complex[m_height]; for (int j = 0; j < m_height; j++) column[j] = matrix[i,j]; return column; } public void SetColumn(int i, Complex[] array) { for (int j = 0; j < m_width; j++) matrix[i, j] = array[j]; } //i: 第几行 j: 第几列 public Complex GetComplex(int i, int j) { return matrix[j,i]; } //i: 第几行 j: 第几列 public void SetComplex(int i, int j, Complex src) { matrix[j, i] = src; } // 交换两个元素 // i: 第几行 j: 第几列 public void SwapComplex(int i0, int j0, int i1, int j1) { Complex tmp = matrix[j0,i0]; matrix[j0, i0] = matrix[j1, i1]; matrix[j1, i1] = tmp; } // 交换行 public void SwapRow(int i, int j) { for (int k=0; k<m_width; k++) { Complex cpx0 = matrix[k,i]; Complex cpx1 = matrix[k,j]; matrix[k,i] = cpx1; matrix[k,j] = cpx0; } } // 交换列 public void SwapColumn(int i, int j) { for (int k = 0; k < m_height; k++) { Complex cpx0 = matrix[i,k]; Complex cpx1 = matrix[j,k]; matrix[i,k] = cpx1; matrix[j,k] = cpx0; } } public void Print(string fileName) { System.Text.StringBuilder sb = new System.Text.StringBuilder(); for (int i = 0; i < m_height; i++) { for (int j = 0; j < m_width; j++) sb.AppendFormat("{0:G} ", matrix[j,i].re.ToString().PadRight(5)); sb.AppendLine(); } System.IO.File.WriteAllText(string.Format("D://{0}.txt", fileName), sb.ToString()); } } 我的测试是在Unity中做的，下面给出我的辅助类 using UnityEngine; public sealed class FourierHelper { public static Texture2D ToTexture2D(Complex2D complex2D) { Texture2D tex = new Texture2D(complex2D.Width, complex2D.Height, TextureFormat.RGBA32, false); for (int i = 0; i < complex2D.Height; i++) { Complex[] cpxs = complex2D.GetRow(i); for (int j = 0; j < cpxs.Length; j++) { Complex cpx = cpxs[j]; tex.SetPixel(j, i, new Color(cpx.re, cpx.re, cpx.re)); } } tex.Apply(); return tex; } // 转成频谱图 public static Texture2D ToSpectrumTexture2D(Complex2D complex2D) { float min = float.MaxValue; float max = float.MinValue; Texture2D tex = new Texture2D(complex2D.Width, complex2D.Height, TextureFormat.RGBA32, false); for (int i = 0; i < complex2D.Height; i++) { Complex[] cpxs = complex2D.GetRow(i); for (int j = 0; j < cpxs.Length; j++) { Complex cpx = cpxs[j]; float p = (float)cpx.PixelAmplitude; tex.SetPixel(j, i, new Color(p, p, p)); if (p < min) min = p; if (p > max) max = p; } } tex.Apply(); return tex; } public static Complex2D ToComplex2D(Texture2D tex) { Complex2D complex2D = new Complex2D(tex.width, tex.height); for (int y = 0; y < tex.height; y++) { for (int x = 0; x < tex.width; x++) { Color c = tex.GetPixel(x, y); Complex cpx = new Complex(); cpx.re = c.r * 0.3f + c.g * 0.59f + c.b * 0.11f; //灰度值 cpx.im = 0; complex2D.SetComplex(y, x, cpx); } } return complex2D; } } FFT->IFFT测试代码 using UnityEngine; using UnityEngine.UI; /// <summary> /// 测试FFT->IFFT算法 /// </summary> public class FFT_IFFT_Test : MonoBehaviour { public RawImage rawImage; private void Start() { Texture2D tex = rawImage.texture as Texture2D; Complex2D complex2D = FourierHelper.ToComplex2D(tex); Fourier.FFT2(complex2D); Fourier.IFFT2(complex2D); Texture2D ifft_tex = FourierHelper.ToTexture2D(complex2D); rawImage.texture = ifft_tex; } } 频谱图生成代码 using UnityEngine; using UnityEngine.UI; /// <summary> /// 显示频谱图 /// </summary> public class SpectrumTexture : MonoBehaviour { public RawImage rawImage; private void Start() { Texture2D tex = rawImage.texture as Texture2D; Complex2D complex2D = FourierHelper.ToComplex2D(tex); Fourier.FFT2(complex2D); Texture2D sp_tex = FourierHelper.ToTexture2D(complex2D); rawImage.texture = sp_tex; } } 如有需要也可下载我的测试工程(Unity) 链接：https://pan.baidu.com/s/1B62muufCP-tWQklPT5H49Q  提取码：z6ku    补充：IFFT2未还原数据 @ 皮皮宽
• 在Google Go中对图像进行FFT

  7年前
  回答 1 已采纳 How do you take the FFT of an image in Google Go? The Go DSP library (github.com/mjibson/go-dsp/fft) has a function for a 2D FFT with the following signature: func FFT2Real(x [][]float64) [][]complex128 How do I convert an image from the standard go image types to float64? Is this the right approach? Here is a link to the documentation.
• NPY and FFT

  4年前
  回答 2 已采纳 Problem Description A boy named NPY is learning FFT algorithm now.In that algorithm,he needs to do an operation called "reverse". For example,if the given number is 10.Its binary representaion is 1010.After reversing,the binary number will be 0101.And then we should ignore the leading zero.Then the number we get will be 5,whose binary representaion is 101. NPY is very interested in this operation.For every given number,he want to know what number he will get after reversing.Can you help him? Input The first line contains a integer T — the number of queries (1≤T≤100). The next T lines,each contains a integer X(0≤X≤231−1),the given number. Output For each query,print the reversed number in a separate line. Sample Input 3 6 8 1 Sample Output 3 1 1
• Android Visualizer 不能捕捉FFT数据（Nexus 5 Android 6.0.1） android

  5年前
  回答 2 已采纳 我正在使用android.media.audiofx.Visualizer捕捉Android设备从扬声器播放的声音的FFT数据，下面是我的代码： mVisualizer = new Visualizer(0); mVisualizer.setCaptureSize(Visualizer.getCaptureSizeRange()[1]); mCaptureRate = Visualizer.getMaxCaptureRate(); mVisualizer.setDataCaptureListener(new Visualizer.OnDataCaptureListener() { public void onWaveFormDataCapture(Visualizer visualizer, byte[] bytes, int samplingRate) {} public void onFftDataCapture(Visualizer visualizer, byte[] bytes, int samplingRate) { // 捕获FFT数据 } }, mCaptureRate, false, true); 大部分情况下，这段代码是好用的。我能够读取到大部分视频和音频播放器播放出来的声音的FFT数据。 但是，使用Nexus 5 Android 6.0.1时，代码出现了问题，只能捕捉部分播放器播放出来的声音了，比如“网易云音乐”，其他播放器播放出来的声音都捕捉不到！ 有人遇到过这样的问题吗？是什么原因造成的？如何解决？
• 求助 Android 监听音频波形数据方法返回值的问题 android-studioandroid

  2年前
  回答 2 已采纳 1，我设置的采样是： ``` visualizer.setCaptureSize(Visualizer.getCaptureSizeRange()[1]) ``` 2，因此从回调方法中返回的byte数据长度是1024个字节 ``` @Override public void onWaveFormDataCapture(Visualizer visualizer, byte[] waveform, int samplingRate) { //采集波形数据 } ``` 3，而我的项目需求中要绘制的跳动频谱却只有两条，我该从长度为1024的数组中取出哪两个数据来去绘制跳动的频谱呢？下面代码中的方法是我尝试解决的回调函数，其中data就是监听方法中返回的byte数组，只可惜这种方式明显感觉跳动的频率对不上音乐播放的节奏。有大神指点一下吗？万分感谢！ ``` public void onCaptureChanged(byte[] data, boolean isDataVailed, boolean isReverse) { this.isReverse = isReverse; if (data != null) { int leftCentreIndex = data.length / 4 - 1; int rightCentreIndex = data.length * 3 / 4 - 1; // 给256临近的数据设置权重，并且进行累加 mData[0] = (int) (data[leftCentreIndex] * 0.4f + data[leftCentreIndex + 1] * 0.3f + data[leftCentreIndex - 1] * 0.3f); mData[1] = (int) (data[rightCentreIndex] * 0.4f + data[rightCentreIndex + 1] * 0.3f + data[rightCentreIndex - 1] * 0.3f); } else { Arrays.fill(this.mData, 0); } postInvalidate(); } ```
• python：对一个波形做傅里叶变换，能得到整个频谱，怎么提取其中的频率分量呢？ python

  6年前
  回答 4 已采纳 import wave import struct import numpy as np if __name__ == '__main__': data_size = 40000 fname = "test.wav" frate = 11025.0 wav_file = wave.open(fname, 'r') data = wav_file.readframes(data_size) wav_file.close() data = struct.unpack('{n}h'.format(n=data_size), data) data = np.array(data) w = np.fft.fft(data) freqs = np.fft.fftfreq(len(w)) print(freqs.min(), freqs.max()) # (-0.5, 0.499975) # Find the peak in the coefficients idx = np.argmax(np.abs(w)) freq = freqs[idx] freq_in_hertz = abs(freq * frate) print(freq_in_hertz) # 439.8975 这个是对于单个data_size,frate已知的情况，真实情况是未知，且有多个频率的信号。求解。。。
• fftw使用的问题 频域抽取失败 高手请进~

  6年前
  回答 2 已采纳 int FFTw_IFFTw_Fun2(IN dDataArray* pRRIData, IN float fmin, IN float fmax, OUT dDataArray& VLFData) { try { int nSamples = pRRIData->m_nSamples; int N = pRRIData->m_nLen; int Nout = floor(N/2)+1;//实数据的DFT具有 Hermitian对称性，所以只需要计算n/2+1（向下取整）个输出就可以了。比如对于r2c，输入in有n个数据，输出out有floor(n /2)＋1个数据。 fftw_complex* out1; fftw_complex* out2; double* out3; out1 = (fftw_complex *)fftw_malloc(sizeof(double)*Nout * 2); out2 = (fftw_complex *)fftw_malloc(sizeof(double)*Nout * 2); out3 = (double *)fftw_malloc(sizeof(double)*N); /////////////////////////fft变换///////////////////////////////////////////////// fftw_plan p = fftw_plan_dft_r2c_1d(N, pRRIData->m_pData, out1, FFTW_ESTIMATE); fftw_execute(p);// 执行变换 ... fftw_destroy_plan(p); /////////////////////////频域抽取///////////////////////////////////////////////// float f1 = fmin; float f2 = fmax; float K = 0.0f; for (int m=0; m f2) || (K > (nSamples - f2) && K < (nSamples - f1)))//1/dt为一个频率周期 { out2[m][0] = 0; out2[m][1] = 0; } else { out2[m][0] = out1[m][0]; out2[m][1] = out1[m][1]; } } //////////////////////////////////IFFT变换//////////////////////////////////////// fftw_plan c2cP; c2cP = fftw_plan_dft_c2r_1d( N, out2, out3, FFTW_ESTIMATE);//需注意FFTW的逆变换没有除以N，即数据正变换再反变换后是原始数据的N倍。 fftw_execute(c2cP); fftw_destroy_plan(c2cP); VLFData.m_nLen = N; VLFData.m_nSamples = 2; VLFData.m_pData = new double[VLFData.m_nLen]; memset(VLFData.m_pData,0,sizeof(double)*VLFData.m_nLen); for (int i=0; i< N; i++) { VLFData.m_pData[i] = out3[i]/N;//取实数 } fftw_free(out1); fftw_free(out2); fftw_free(out3); TRACE(_T("int FFTw_IFFTw_Fun2 函数返回1~")); return 1; } catch (...) { TRACE(_T("int FFTw_IFFTw_Fun2 函数catch到错误~")); return -1; } } ``` float fmin = 0.0f; float fmax = 0.0033f; dataOutput.VLFData.Init(); FFTw_IFFTw_Fun2(&dataOutput.RRIData, fmin, fmax, dataOutput.VLFData); ``` 出来的波形跟原始数据波形极其相似，我用matlab频域抽取的话，是正确的，用C++实现就出了问题。
• c++ 利用fftw做傅里叶变换报错 linux系统下运行 c++

  6年前
  回答 2 已采纳 报错信息 fftw: alloc.c:269: assertion failed: p ``` #include namespace gr { namespace howto { peak_extract::sptr peak_extract::make(int upper_limit,int lower_limit,int samp_rate,bool boolean_timer) { return gnuradio::get_initial_sptr (new peak_extract_impl(upper_limit,lower_limit,samp_rate,boolean_timer)); } /* * The private constructor */ peak_extract_impl::peak_extract_impl(int upper_limit,int lower_limit,int samp_rate,bool boolean_timer) : gr::block("peak_extract", gr::io_signature::make(1, 1, sizeof(gr_complex)), gr::io_signature::make(1, 1, sizeof(int))), d_upper_limit(upper_limit), d_lower_limit(lower_limit), d_samp_rate(samp_rate), d_boolean_timer(boolean_timer), d_packet_len(packet_len), d_buffer((fftwf_complex*)fftwf_malloc(sizeof(fftwf_complex)*d_packet_len)), d_fft_plan(fftwf_plan_dft_1d(d_packet_len, d_buffer, d_buffer, FFTW_FORWARD, FFTW_ESTIMATE)) {} /* * Our virtual destructor. */ peak_extract_impl::~peak_extract_impl() { fftwf_destroy_plan(d_fft_plan); fftwf_free(d_buffer); } void peak_extract_impl::forecast (int noutput_items, gr_vector_int &ninput_items_required) { /* e.g. ninput_items_required[0] = noutput_items */ ninput_items_required[0] = noutput_items; } int peak_extract_impl::general_work (int noutput_items, gr_vector_int &ninput_items, gr_vector_const_void_star &input_items, gr_vector_void_star &output_items) { const gr_complex *in = (const gr_complex *) input_items[0]; int *out = (int *) output_items[0]; memcpy(d_buffer,in,d_packet_len*sizeof(fftwf_complex)); fftwf_execute(d_fft_plan); int i,index,N; N=d_packet_len; //M=sizeof(in) / sizeof(in[0]); double max,magnitude[N]; double real[N],imag[N]; for(i=0;imax) { max=magnitude[i]; index=i; } } *out=index*d_samp_rate/d_packet_len; // Do // Tell runtime system how many input items we consumed on // each input stream. // consume_each (noutput_items); // Tell runtime system how many output items we produced. return noutput_items; } } /* namespace howto */ } /* namespace gr */ ```
• C语言递归中数据消失了？应该怎么改写

  3年前
  回答 3 已采纳 在FFT递归中，希望有一个可以累加的变量，代码中是结构体s，这个变量需要传递到下一个递归中，但是调试发现每次进入一个FFT递归，s都被重新置零了，不知道为什么，希望也没有办法可以解决，谢谢 mult和add是复数的乘法和加法，代码中没有给出了 ``` void FFT(struct Compx *t , int n , struct Compx root , struct Compx result) { int i,j; struct Compx s = {0 , 0}; struct Compx * even = (struct Compx *)malloc((n / 2) * LEN); struct Compx * odd = (struct Compx *)malloc((n / 2) * LEN); //划分奇偶项 for (i = 0 , j = 0 ; i < n; i += 2 , j++ ) { even[j].real = t[i].real; even[j].imag = t[i].imag; } for (i = 1 , j = 0 ; i < n; i += 2 , j++) { odd[j].real = t[i].real; odd[j].imag = t[i].imag; } if(n == 2) { s = add(result, add( even[0] , mult( root , odd[0]) )); } else { FFT(even , n / 2 , mult(root , root) , s); FFT(odd , n / 2 , mult(root , root) , s); } } ```
• DSP入门应该懂得57个问题

  4年前
  方克明的博客 一.DSP的C语言同主机C语言的主要区别？ 1)DSP的C语言是标准的ANSI C，它不包括同外设联系的扩展部分，如屏幕绘图等。但在CCS中，为了方便调试，可以将数据通过prinf命令虚拟输出到主机的屏幕上。  2)DSP的C语言的编译过程为，C编译为ASM（汇编语言），再由ASM编译为OBJ（中间代码文件）。因此C和ASM的对应关系非常明确，非常便于人工优化。  3)DSP的代
• DSP28335做简单的频谱分析（fft算法）

  3年前
  DSP28335AD采样后做fft变换，得出频谱 根据在RAM中调试的需要，这个项目配置成"boot to SARAM".2833x引导模式 表如下显示. 常用的还有"boot to Flash"模式，当程序在RAM调试完善后就 可以将代码烧进Flash中并使用"boot to Flash"引导模式.
• FFT算法的完整DSP实现

  8年前
  xiahouzuoxin的博客 傅里叶变换或者FFT的理论参考： [1] http://www.dspguide.com/ch12/2.htm       The Scientist and Engineer's Guide to Digital Signal Processing,   By Steven W. Smith, Ph.D. [2] http://blog.csdn.net/v_JULY_v/articl
• 【DSP学习笔记】基于CCS5.5的FIR滤波器设计

  3年前
  suxiaosususu的博客 一、概述        本文是基于TMS320C5510芯片设计的FIR滤波器。介绍利用matlab和CCS5.5设计FIR滤波器的过程和仿真结果。输入信号包含100Hz和200Hz两个成分，通过matlab生成一个FIR低通滤波器的各阶系数，利用CCS完成信号处理并且展示仿真结果。最后介绍“Tools”工具栏中“Graph”变灰解决方法。二、基本步骤1、滤波器系数生成（1）调用FDATool工具...
• Python OpenCV 图像处理之傅里叶变换，取经之旅第 52 篇

  2月前
  梦想橡皮擦的博客 Python OpenCV 傅里叶变换，Python 高通滤波，低通滤波等相关知识
• TI DSP FFT算法的应用

  8年前
  云在青天水在瓶（QQ835304205）的博客 这篇文章是应一些找我讨论DSP的同学所写，贴在这里大家一起学习。 曾有不少论坛上的同学（包括DSP算法讨论群里的一些同学）问过我关于TI的FFT库的使用，这里我将我使用过的一些经验说一下。 TI的这个FFT库在计算速度、计算精度以及数据存储等方面是做了不少优化的，比如数据存储，若作N点的FFT，供查表用的旋转因子必须有N/2点的正弦值与N/2点的余弦值，这个库将其压缩成3N/4点的正弦值，因此
• HELLO三:CCS的操作

  10年前
  Augusdi的博客 这个系列为响应HELLODSP的2812学习活动的个人笔记，HELLODSP版权所有。转载请注明                                                                                                          ---By eys417                        
• 基于matlab和CCS3.3的Fir滤波器仿真的设计与实现

  2年前
  电子的不归路的博客 在第一次的时候已经给出步骤大家搭建一个可以运行仿真的helloworld工程，趁着自己还熟悉操作，基于课程的要求一开始先在matlab上实现了一个Fir滤波器，需要同样的要求在CCS上仿真实现，于是就各种看资料，才能够逐渐搭建起来，其中遇到很多问题，不好解决，有些解决了在此分享出来。 第一步：产生输入信号 一开始还是先建立工程，C文件，cmd文件，还有库文件都添加到工程中。程序里主要是产生不同频率...
• dsplib->cfft

  5年前
  q123456789098的博客 for(i=0;i<SAMPLEPOINTS;i=i+2) { x[i]=INPUT[i/2]; } for(i=1;i<SAMPLEPOINTS;i=i+2){ x[i]=0; } cbrev(x,x,SAMPLEPOINTS/2); cfft(x,128, 0); for ( i=0;i<SAMPLEPOINTS/2;
• IIR滤波器设计（调用MATLAB IIR函数来实现）

  6年前
  cenzmin的博客 转载请注明文章来源 – http://blog.csdn.net/v_hyx ，请勿用于任何商业用途       对于滤波器设计，以前虽然学过相关的理论（现代数字信号处理和DSP设计），但一直不求甚解，也没用过。趁着最近使用了一下，就来重学一回，温故而知新。       先来说说IIR滤波器设计，理论与原理参考如下博客，写得简明易懂，不错。 http://blog.c