在单片机上玩转数字信号处理：FFT 实战

FFT (快速傅里叶变换) 是许多嵌入式工程师心中的痛。复杂的蝶形运算、倒位序算法，看着就头大。
但好消息是，现在的 MCU（特别是 Cortex-M4/M7）自带了 DSP 扩展指令，配合官方的 CMSIS-DSP 库，跑 FFT 跟呼吸一样简单。

1. 为什么需要 FFT？

时域信号（示波器看到的波形）往往看不出什么规律，特别是叠加了噪声后。
频域信号（频谱图）能一眼看穿信号的本质。

应用场景：音频可视化（音乐律动灯）、电机振动分析（故障诊断）、心率提取。

2. 采样定理与分辨率

在开始写代码前，必须搞懂两个数学公式：

奈奎斯特频率：$ F_{max} = F_s / 2 $。如果你采样率是 10kHz，你最多能测到 5kHz 的信号。
频率分辨率：$ \Delta F = F_s / N $。N 是 FFT 的点数（如 1024）。分辨率越小，频谱越精细。
- 例如：Fs=10kHz, N=1024。分辨率 ≈ 10Hz。

3. CMSIS-DSP 实战

不要自己手写 FFT 算法（除非为了学习）。CMSIS-DSP 库针对 ARM 汇编指令做了极致优化。

3.1 初始化

我们在 M4 上通常使用定点 FFT (q15 或 q31 格式) 以获得最高性能。FPU 虽然能算浮点，但定点通常更快且更省内存。

#include "arm_math.h"

#define FFT_LENGTH  1024
q15_t fft_input[FFT_LENGTH * 2]; // 实部+虚部
q15_t fft_output[FFT_LENGTH];    // 幅值

arm_rfft_instance_q15 S;         // 结构体句柄

3.2 运算流程

ADC 采样：通过 DMA 将数据填入 buffer。
**RFFT (实数 FFT)**：因为我们的输入信号是实数（电压值），使用 arm_rfft_q15 比通用的 CFFT 快一倍。
**计算模值 (Magnitude)**：$ Mag = \sqrt{Real^2 + Imag^2} $。

void DSP_Process(void) {
    // 1. 初始化
    arm_rfft_init_q15(&S, FFT_LENGTH, 0, 1);
    
    // 2. 执行 FFT
    // 注意：输入数据会被修改，需要 scaling 以防溢出
    arm_rfft_q15(&S, adc_buffer, fft_input);
    
    // 3. 计算幅值 (复数取模)
    arm_cmplx_mag_q15(fft_input, fft_output, FFT_LENGTH);
    
    // 4. 寻找最大峰值频率
    q15_t max_value;
    uint32_t max_index;
    arm_max_q15(fft_output, FFT_LENGTH/2, &max_value, &max_index);
    
    printf("Main Freq = %d Hz\n", max_index * SAMPLING_RATE / FFT_LENGTH);
}

4. 性能与陷阱

溢出风险：定点运算最怕溢出。q15 的范围只有 -32768 到 32767。如果 FFT 过程中数据不断累加，很容易溢出。CMSIS-DSP 内部会自动进行位移缩放（downscaling）来防止溢出，但这会导致小信号精度丢失。
窗函数：直接做 FFT 会有频谱泄露。建议在 FFT 前对输入数据加窗（如汉宁窗 Hanning Window）。

总结

不要被数学公式吓倒。对于嵌入式工程师，FFT 就是一个函数调用。把数据喂进去，它告诉你哪个频率最强，就这么简单。

hello world