描述

典型的 Arduino 具有有限的 RAM 和處理能力，而 FFT 是一個計算密集型過程。對于許多實時應用，唯一的要求是獲得最大振幅的頻率或檢測頻率峰值。

在我的一個教程中，我準備了一個 FFT 代碼，可以在這里找到：EasyFFT

此代碼能夠在 Arduino nano 上執行多達 128 個樣本的 FFT。由于 Arduino 的內存有限，不可能有比這更高的樣本數。我稍微修改了函數以提高速度并減少內存消耗。這種修改允許 Arduino 以五倍的速度執行 FFT，并消耗幾乎一半的內存。本教程不涉及 FFT 的工作，可以在EasyFFT中找到它的參考資料。

在職的

修改了典型的 FFT 函數以提高速度，但精度較低。如圖所示，測試信號需要乘以正弦或余弦波形。這些值可以在 0 到 1 之間，因此必須進行浮點乘法。在 Arduino 中，浮點乘法比整數運算慢。

?

?

?

?

?

1 / 4 ? EasyFFT

?

在此功能中，正弦/余弦波被方波代替。因為我們必須將測試信號與可能具有值 0、1 或 -1 的方波相乘。因此，我們可以將浮點乘法替換為簡單的整數加法或減法。對于 Arduino 整數加法或減法大約快 5 倍。這使得求解速度提高了大約 5 倍。

由于這種修改，現在頻率 bin 值可以存儲為整數（以前是浮點數），并且我們獲得了另一個降低內存消耗的優勢。在 Arduino Nano 中，int 消耗 2 個字節的內存，而 float 消耗 4 個字節的內存。由于新代碼的這一優勢，我們能夠對近 256 個樣本（之前為 128 個樣本）執行 FFT。

在 Normal FFT 中，我們需要存儲正弦值以加快求解速度。在新功能中，由于我們不再需要正弦/余弦值，我們可以消除它并節省一些內存。

執行：

實現這個功能很簡單。我們可以簡單地復制代碼中的函數。可以使用以下命令執行此功能：

float f= Q_FFT(data,256,100);In function Q_FFT,

數據：該術語是具有信號值的數組，推薦的樣本大小為 2、4、8、32、64、128、256、512、... 等。如果樣本大小不屬于這些值，它將被剪裁到最近的值的下側。例如，如果樣本大小為 75，則將對 64 個樣本執行 FFT。最大樣本數量受 Arduino 上可用 RAM 的限制。

第二項指定數組中的樣本數，最后一項是以 Hz 為單位的采樣頻率。

第 2 步：代碼

本節說明在EasyFFT代碼中所做的修改，在代碼中進行修改時需要牢記，

1. 如前所述，這里使用整數進行 FFT。Arduino 中的 Int 是一個 16 位數字，可以包含從 -32768 到 32768 的值。只要這個 int 的值超過這個范圍，就會導致問題。在水平計算后消除這個問題。如果任何值超過 15000 個完整的數組將除以 100。這將防止 int 溢出。

2、幅值計算：計算幅值時，需要對實部和虛部取平方，求和的平方根。平方和函數的平方根是耗時的。為了使這個過程更快，這段代碼將簡單地做一些實部和虛部的量級。這肯定不太準確，并且在某些情況下可能導致錯誤的結論。您可以選擇返回 Normal 方法進行幅度計算，但這需要更多時間，并且您還需要做一些安排來存儲這些數字。

3. 本代碼沒有多峰檢測模塊。它將簡單地選擇具有最大幅度的值（不包括第一個數字，即直流偏移）。如果您需要多個峰，您可以參考EasyFFT代碼并在此處進行所需的修改。在這種情況下，一些數組/變量也需要聲明為全局變量。

4. 該函數包含以下行：

unsigned int Pow2[13]={1,2,4,8,16,32,64,128,256,512,1024,2048};

將上述變量聲明為全局變量（將其粘貼在代碼開頭）將在每次執行時節省 1 毫秒的時間。

5. 與 EasyFFT 函數不同，其中前 5 個峰存儲在預定義的數組中。此函數將返回一個浮點值。該值表示以赫茲為單位的具有最大幅度的頻率。所以代碼的表示看起來像這樣。

float f= Q_FFT(data,256,100);

6. 峰值檢測：一旦找到具有最大幅度的頻率，此功能將使用其前后的頻率幅度來計算準確的結果。此計算中使用的幅度也是模數的總和（不是平方和的平方根）

如果 Fn 是具有最大幅度的頻率，則可以通過以下公式計算頻率。

實際 F= ( An- 1 *Fn-1 + An-1 *Fn-1 + An-1 *Fn-1 ) / (An-1+An+An+1)

其中 An 是頻率 n 的幅度，Fn-1 是頻率值。

第 3 步：結果：

上圖與EasyFFT的比較顯示了求解時間。它的速度與比較顯示。

?

?

?

?

?

1 / 2 ?比較

?

顯示了具有 3 個不同頻率的正弦波的樣本數據。QuickFFT 的結果與 Scilab 輸出進行比較。正如我們在圖像中看到的，最大振幅的 3 個峰值與 Scilab 輸出相匹配。但是，輸出包含大量噪聲，這可能會誤導某些應用程序。因此，建議在申請您的應用程序之前正確檢查代碼。

我希望您發現此代碼對您的項目有用。如有任何疑問或建議，請發表評論。