dsp。HDLIFFT
逆快速傅里叶变换 - 针对HDL代码生成进行了优化
描述
HDL IFFT System对象™提供了两种架构来优化吞吐量或区域。为高吞吐量的应用程序使用流基数2^2架构。该体系结构支持标量或矢量输入数据。金宝app您可以使用矢量输入来实现每秒千兆采样(GSPS)吞吐量。使用突发基数2架构来实现最小的资源，特别是在FFT规模较大的情况下。您的系统必须能够容忍突发数据和更高的延迟。此体系结构仅支持标量输入数据。金宝app该对象接受真实或复杂的数据，提供硬件友好的控制信号，并具有可选的输出帧控制信号。
计算快速傅里叶反变换:
创造
dsp。HDLIFFT对象，并设置其属性。使用参数调用对象，就像调用函数一样。
要了解有关系统对象如何工作的更多信息，请参阅什么是系统对象?
创建
描述
IFFT_N.= dsp。HDLIFFTIFFT_N.，进行快速傅里叶变换。
IFFT_N.= dsp.hdlifft（名称，值）
ifft128 = dsp.hdlifft（'fftlength'，128）
特性
使用
句法
描述
[也返回帧控制信号y那startOut那终结那验证] = ifft_n（X那vidinin的）startOut和终结．startOut是真正的输出数据帧的第一个样本。终结是真正的为一帧输出数据的最后一个样本。
要使用此语法，请设置startOutportport.和EndOutputPort属性真正的．例如：
ifft_n = dsp.hdlifft.（___,'startoutputport',真的,'endoptputport',真正的);．．．[y, startOut, endOut, validOut] = IFFT_N (x, validIn)
输入参数
输出参数
对象功能
要使用对象函数，请将System对象指定为第一个输入参数。例如，要发布命名的系统对象的系统资源obj.，使用下面的语法:
发行版(obj)
例子
为HDL代码生成创建IFFT
创建规格和输入信号。此示例使用128点FFT。
N = 128;Fs = 40;t = (0: n - 1) / Fs;X = sin2 *15*t + 0.75*cos(2* 10*t);Y = x + .25*randn(size(x));y_fixed = sfi (y, 32岁,16);等待= 0 (1,'喜欢'，y_fixed）;
计算信号的FFT用作IFFT对象的输入。
注意:此对象语法仅在R2016B或更高版本中运行。如果您使用的是早期的发布，请用等价替换对象的每个调用步句法。例如，更换myObject (x)和步骤(myObject x)．
hdlfft = dsp.hdlfft（“FFTLength”，n，“BitReversedOutput”、假);Yf = 0 (1, 4 * N);validOut = false (1, 4 * N);为了循环= 1：1：n [yf（循环），【验证（循环）] = hdlfft（复杂（y_fixed（循环）），true）;结尾为了循环= N+1:1:4*N [Yf(循环)，validOut(循环)]= hdlfft(complex(noOp)，false);结尾Yf = Yf(validOut == 1);
绘制单面幅度谱。
情节(Fs / 2 * linspace (0, 1, N / 2), 2 * abs (Yf (1: N / 2) / N))标题('噪声信号y（t）'的单面幅度谱)包含('频率（Hz）') ylabel (FFT (f)输出的）
选择在信号中保持大部分能量的频率。这cumsum函数不接受定点参数，因此将数据转换回双倍的．
[Ysort,我]=排序(abs(双(转置(Yf (1: N)))), 1,“下降”）;Ysort_d =双(Ysort);CumEnergy =√cumsum Ysort_d。^ 2))/规范(Ysort_d);j = find(CumEnergy > 0.9, 1);DISP（[“代表90％的FFT系数的数量”那．．．'序列中的总能量'， num2str(j)]) Yin = 0 (N,1);阴(我(1:j)) = Yf (i (1: j));
表示序列中总能量90%的FFT系数数:4
写一个创建和调用IFFT System Object™的函数。您可以从此功能生成HDL。
函数[yout，yankout] = hdlifft128（yin，有效期）％hdlifft128％使用dsp.hdlifft系统对象（TM）处理一个数据样本% yIn是一个定点标量或列向量。％VALIDIN是一个逻辑标量。％您可以从此功能生成HDL代码。执着的ifft128;如果ISEMPTY（IFFT128）IFFT128 = DSP.HDLIFFT（“FFTLength”, 128);结尾[你,validOut] = ifft128(阴,validIn);结尾
通过为每个数据样本调用函数来计算IFFT。
Xt = 0 (1,3 * N);validOut = false (1, 3 * N);为了循环= 1:1:N [Xt(循环)，validOut(循环)]= HDLIFFT128(complex(Yin(循环))，true);结尾为了循环= n + 1：1：3 * n [xt（循环），验证（循环）] = hdlifft128（复杂（0），false）;结尾
丢弃无效的输出样本。然后检查输出并与输入信号进行比较。原始输入是绿色的。
xt = xt（vervout == 1）;Xt = bitrevorder (Xt);规范（X转置（XT（1：n）））图杆（真实（XT））图杆（真实（x），' - G'的）
ans = 0.7863
为HDL代码生成创建一个矢量输入IFFT
创建规格和输入信号。本例使用128点FFT，每次计算16个样本的变换。
N = 128;V = 16;Fs = 40;t = (0: n - 1) / Fs;X = sin2 *15*t + 0.75*cos(2* 10*t);Y = x + .25*randn(size(x));y_fixed = sfi (y, 32岁,24);y_vect =重塑(y_fixed、V、N / V);
计算信号的FFT，用作IFFT对象的输入。
注意:此对象语法仅在R2016B或更高版本中运行。如果您使用的是早期的发布，请用等价替换对象的每个调用步句法。例如，更换myObject (x)和步骤(myObject x)．
hdlfft = dsp.hdlfft（“FFTLength”，n）;loopcount = getLatency（hdlfft，n，v）+ n / v;yf =零（v，loopcount）;验证= false（v，loopcount）;为了循环= 1：1：loopcount如果(mod(loop,N/V) == 0) i = N/V;其他的我= mod(循环,N / V);结尾[yf（：，循环），【验证（循环）] = hdlfft（复杂（y_vect（：，i）），（环<= n / v））;结尾
绘制单面幅度谱。
c = yf（：，yankout == 1）;yf_flat = c（:);YR = Bitrevorder（YF_FLAT）;图（FS / 2 * LINSPACE（0,1，N / 2），2 * ABS（YR（1：N / 2）/ n））标题（'噪声信号y（t）'的单面幅度谱)包含('频率（Hz）') ylabel (FFT (f)的输出的）
选择在信号中保持大部分能量的频率。这cumsum函数不接受固定点参数，因此将数据转换回双倍的．
[ysort，i] = sort（abs（双（1：n））），1，“下降”）;cumnergy = sqrt（umsum（ysort. ^ 2））/ rang（ysort）;j = find(CumEnergy > 0.9, 1);DISP（[“代表90％的FFT系数的数量”那．．．'序列中的总能量'， num2str(j)]) Yin = 0 (N,1);阴(我(1:j)) =年(i (1: j));YinVect =重塑(阴、V、N / V);
表示序列中总能量90%的FFT系数数:4
写一个创建和调用IFFT System Object™的函数。您可以从此功能生成HDL。
函数[yout，yantout] = hdlifft128v16（yin，有效期）% HDLFFT128V16%处理FFT数据的16个样本向量% yIn是不动点列向量。％VALIDIN是一个逻辑标量值。％您可以从此功能生成HDL代码。执着的ifft128v16;如果is空(ifft128v16) ifft128v16 = dsp。HDLIFFT (“FFTLength”，128）结尾[你,validOut] = ifft128v16(阴,validIn);结尾
通过为每个数据样本调用函数来计算IFFT。
xt =零（v，loopcount）;验证= false（v，loopcount）;为了循环= 1：1：loopcount如果(mod(loop,N/V) == 0) i = N/V;其他的我= mod(循环,N / V);结尾(Xt(:,循环),validOut(循环)]= HDLIFFT128V16(复杂(YinVect(:,我)),(循环< = N / V));结尾
ifft128v16 = dsp。HDLIFFT和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
丢弃无效的输出样本。然后检查输出并与输入信号进行比较。原始输入是绿色的。
C = Xt (:, validOut = = 1);Xt = C (:);Xt = bitrevorder (Xt);范数(x-Xt(1:N))图杆(实(Xt))图杆(实(x))' - G'的）
ans = 0.7863
探讨HDL IFFT对象的潜伏期
对象的延迟随FFT长度和矢量大小而变化。使用getLatency函数查找特定配置的延迟。延迟是第一个有效输入和第一个有效输出之间的周期数，假设输入是连续的。
创建一个新的dsp。HDLIFFT对象并请求延迟。
hdlifft = dsp。HDLIFFT (“FFTLength”，512）;l512 = getLatency（hdlifft）
l512 = 599.
请求具有不同FFT长度的类似对象的假设延迟信息。原始对象的属性不会改变。当您没有指定向量长度时，该函数假定标量输入数据。
L256 = GetLatency（HDlifft，256）
l256 = 329.
n = hdlifft.fftlength.
n = 512.
请求接受8个样本向量输入的类似对象的假设延迟信息。
256年L256v8 = getLatency (hdlifft, 8)
L256v8 = 93
在IFFT的每个阶段启用缩放。延迟不会改变。
hdlifft.normalize = true;l512n = getLatency（hdlifft）
L512n = 599
请求与输入顺序相同的输出顺序。此设置会增加延迟，因为对象必须在重新排序之前收集输出。
hdlifft。BitReversedOutput = false;L512r = getLatency (hdlifft)
L512r = 1078
算法
流基数2 ^ 2
流的基数2^2体系结构实现了低延迟体系结构。通过分解和分组FFT方程，它比流化的基数2实现节省资源。体系结构有日志4.（N.)阶段。每个阶段包含两个带有记忆控制器的单路径延迟反馈(SDF)蝴蝶。当您使用向量输入时，每个阶段操作较少的输入样本，因此有些阶段减少为一个简单的蝴蝶，没有SDF。
第一阶段的SDF是一个普通的蝴蝶。第二阶段将第一阶段的输出乘以- j．为避免硬件乘法器，块互换输入的实数和虚部，并且再次递回所得输出的虚部。每个阶段都将旋转因子乘法的结果转换为输入字长度。旋转因子具有两个整数位，其余位用于分数位。旋转因子具有与输入数据相同的位宽，WL.．旋转因子有两个整数位，而且WL.2部分。
如果启用缩放，算法将每个蝴蝶阶段的结果除以2。在每个阶段缩放避免溢出，保持单词长度与输入相同，并导致整体缩放因子为1/N.．如果禁用缩放，算法通过在每个阶段增加1位字长来避免溢出。图表显示了每个阶段的蝴蝶和内部单词长度，不包括内存。
爆裂基数2
突发基数2架构通过使用单个复杂的蝴蝶倍增器实现FFT。算法无法启动，直到它存储了整个输入帧，并且它不能接受下一个帧，直到计算完成。输出准备好了Port表示算法准备好接收新数据。图中显示了带有管道寄存器的突发架构。
使用此架构时，输入数据必须遵守准备好了反压力信号。有关显示此协议的波形，请参见时序图部分。
控制信号
算法只在输入时处理输入数据有效的港口是1。输出数据仅在输出时有效有效的港口是1。
当可选输入时重启端口为1时，算法停止当前计算并清除所有内部状态。算法开始新的计算时重启端口为0和输入有效的端口启动新帧。
这个图表显示了输入和输出有效的连续标量输入数据的端口值，流拉媒体2 ^ 2架构，FFT长度为1024，矢量尺寸为16。
图表还显示了可选的开始和结尾指示帧边界的端口值。如果您启用开始港口,开始端口值脉冲为一个周期与帧的第一个有效输出。如果您启用结尾港口,开始端口值脉冲，具有一个周期的一个周期，其中帧的最后一个有效输出。
如果应用连续输入帧，则在初始延迟后输出也将是连续的。
输入有效的端口可能是不连续的。数据伴随着输入有效的当到达时处理端口，并将产生的数据存储在填充帧之前。然后算法在帧中返回连续的输出样本N.（FFT长度）周期。该图示出了用于FFT长度为512的非连续输入和连续输出，以及矢量尺寸为16。
使用突发架构时，您无法提供下一帧的输入数据，直到内存空间可用。这准备好了信号指示算法何时可以接受新的输入数据。你必须应用输入数据和有效的信号只有当准备好了是1(真正的)。该算法忽略了任何输入数据和有效的信号时准备好了是0.(假)。
潜伏
延迟随着FFT长度和矢量尺寸而变化。使用getLatency函数查找特定配置的延迟。延迟是第一个有效输入和第一个有效输出之间的周期数，假设输入是连续的。
使用具有连续输入的突发架构时，如果您的设计等待准备好了输出0.在取消断言输入之前有效的，然后一个额外的数据循环到达输入。这个数据样本是下一帧的第一个样本。该算法可以在处理当前帧的同时保存一个样本。由于这一个样本提前，观察到的延迟后帧(从输入有效的输出有效的)比报告的延迟短一个周期。当输入时，延迟从第一个周期开始测量有效的输出时是1到第一个周期有效的是1.何时之间的周期数准备好了端口是0和输出有效的端口为1的总是1延迟-FFTLength.．
扩展功能
你也可以从以下列表中选择一个网站:
