一种可变大小FFT的HDL实现

打开脚本

这个例子展示了如何使用一个FFT核心来实现一个可变大小的FFT。

此示例包括两个型号variableizebfthdlexample.和variableizebrytarbitraryvaliddatternhdlexample.显示不同输入有效模式的可变尺寸FFT实现。

许多流行标准如WLAN，WiMAX，数字视频广播（DVB），数字音频广播（DAB）和长期演进（LTE）提供了多个带宽选项。对于这些标准的OFDM调制和解调所需的FFT长度随带宽选项而异。例如，LTE支持从1.4 MHz到金宝app20 MHz的不同信道带宽选项，其需要分别需要128到2048的FFT长度。这FFT HDL优化(DSP系统工具箱)块为特定FFT长度生成HDL代码。此示例演示如何使用FFT HDL优化块来实现可变大小的FFT。

本例在MATLAB®中生成输入数据并导入到Simulink®中进行仿真。金宝app导入的数据通过单个FFT和多个FFT提供给可变大小的FFT实现。为了证明单次fft实现与使用不同大小的多个fft的结果相匹配，我们将Simulink仿真的输出流都导出到MATLAB中进行比较。金宝app

模型架构

两个模型中的顶级子系统实现了一个变量大小的FFT。顶部子系统使用单个FFT块，底部子系统通过使用多种各种尺寸的多个FFT块提供参考数据。

该模型variableizebfthdlexample.可以在有效样本之间处理具有间隙的数据，只要间隙取决于FFT长度。

modelname =.“VariableSizeFFTHDLExample”；Open_System（ModelName）;

FFT长度的配置

FFT长度通过变量指定Fftlenvecmulffts.．这些长度中的最大值存储在变量中fftLenSinFFT并用作FFT块的FFT长度“使用单个FFT”变量尺寸FFT'子系统。

输入Fftlenin.通过使用指定的FFT长度的向量来生成Fftlenvecmulffts.．

Fftlenvecmulffts = [128; 256; 512; 1024; 2048];可变尺寸FFT使用的单个FFT长度。fftlensinfft = max（fftlenvecmulffts）;％生成| Fftlenin |通过重复| FFTLENVECMULFFTS的每个元素|经过% |fftLenSinFFT|遍历，并在单个列中排列。fflen = repmat（fftlenvecmulffts。'，fftlensinfft，1）;Fftlenin = UINT16（FFLEN（:)）;

输入生成

dat那validIn,Fftlenin.输入在MATLAB中生成并导入到Simulink模型中。金宝app随机复输入数据randinputdata.为每个指定的FFT长度生成Fftlenvecmulffts.．不同的FFT长度对应于不同的带宽和不同的采样率。例如，在LTE中，128,256,512,1024和2048的FFT长度分别对应于采样率1.92MHz，3.84MHz，7.68MHz，15.36MHz和30.72MHz。任何FFT长度的符号时间是 $66.67 \ mu s$ ．该示例在指定的FFT长度中以最高速率运行。

这dat信号由填充零randinputdata.样品。下图显示了输入数据和有效模式Fftlenvecmulffts.256和512和fftLenSinFFT在2048年。对于256的FFT长度，示例为每个有效样本插入7个无效样本;对于512的FFT长度，代码为每个有效样本插入3个无效样本。

该模型variableizebfthdlexample.要求输入的有效模式在有效样本之间有一个间隙，如下图所示。

rng ('默认'）;Datain =零（长度（FFTLenvecmulffts）* fftlensinfft，1）;有效= false（长度（fftlenvecmulffts）* fftlensinfft，1）;%循环FFT长度为了IND = 1：长度（FFTLENVECMULFFTS）％生成FFT长度样本的数据randInputData =复杂(randn (fftLenVecMulFFTs(印第安纳州)),randn (1, fftLenVecMulFFTs(印第安纳州)));输入数据样本之间的％零填充upSamplingFac = fftLenSinFFT / fftLenVecMulFFTs(印第安纳州);dataIn ((ind-1) * fftLenSinFFT + 1: fftLenSinFFT *印第安纳州)= upsample (randInputData upSamplingFac);％有效对应于生成的数据tempvalid = true（1，fftlenvecmulffts（ind））;vidinin（（ind-1）* fftlensinfft + 1：fftlensinfft * ind）= upsample（tempvalid，upsamplingfac）;结尾InputDatatype =.'fixdt（1,16,14）'；％输入数据类型可以在此处修改set_param (“VariableSizeFFTHDLExample /数据类型转换”那“OutDataTypeStr”，inputDatatype）;获取FFT延迟fftobj = dsp.hdlfft（“FFTLength”，fftlensinfft，......“架构”那“流基数2 ^ 2”那......'ComplexMultiplication'那'使用3个乘数和5个加法者'那......“BitReversedOutput”假的,......'bitreversedinput'假的,......'正常化'，错误的）;延迟= getLatency（fftobj）;%默认延迟为4137 2048点FFT。附加百分点= 6;％额外的管道延迟数量％S金宝appimulink仿真结束时间总延迟= FFT +延迟的延迟％数据控制器（5个时钟周期）。％仿真运行时间=总计％输入样本数+总延迟+管道延迟。simTime = fftLenSinFFT*(length(fftLenVecMulFFTs) + 1) + latency + additionPipelineDelay;

可变尺寸FFT使用单个FFT

这使用单一FFT的可变大小FFT设计包括数据控制器、FFT HDL优化模块和Bin选择子系统。

Open_System（[ModelName'/可变尺寸FFT使用单个FFT']）;

这数据控制器子系统控制输入数据，使输入到FFT HDL优化块的输入具有Zeros填充它们之间的数据样本。FFT HDL优化块配置为FFT长度为2048，LTE标准所需的最大FFT长度。为了简化输出箱的选择，FFT块被配置为以比特自然顺序输出样本。FFT长度通过输入端口指定，并在帧的开始时进行采样。必须延迟请求的FFT长度以匹配FFT延迟。使用FFT的启动输出信号和帧信号的生成端登记FFT长度。该方法避免了实现大的延迟匹配的存储器。由于输入数据在样本之间具有零，因此大FFT的输出包含FFT长度样本的重复副本。为了获得所需的FFT输出，从FFT输出收集第一FFT长度样本。通过使用使用FFT的输出有效信号来执行此操作本的选择子系统。

用于参考的多个FFT

该分系统被用作参考，与使用单FFT的可变大小FFT的输出进行比较。该子系统包括5个不同的FFT块(FFT 128, FFT 256, FFT 512, FFT 1024, FFT 2048)和一个MATLAB函数块。输入数据将被提供给所有五个fft。根据所请求的FFT长度，激活5个FFT块中的一个并执行FFT操作。MATLAB函数块pickfftdata.从相应的FFT块中选择输出。输出保存到MATLAB，与使用单个FFT的可变尺寸FFT的输出相比。

Open_System（[ModelName“/多个fft供参考”]）;

运行仿真金宝app软件模型

MATLAB脚本配置所需的FFT长度向量，单个FFT的大小，并使用有效信号生成输入数据。然后它运行模型，并比较MATLAB中的两个子系统的输出。

使用模型使用SIMMATLAB命令行的命令。

sim (modelname);

验证

两个子系统的输出被发送到MATLAB工作空间，绘制差异。在这种情况下，两个子系统的输出是相同的，两组值之间的误差为0。

dataout1 = OUT1（:);dataout2 = OUT2（:);figwsf = figure（“可见”那“关闭”）;绘图（ABS（DataOut1-DataOut2））;标题（“固定有效模式的两个输出之间的差异”)包含(“样本指数”）;ylabel（“错误”）;figwsf.visible ='在'；bdclose (modelname);

金宝app支持任意输入有效模式

上面的模型variableizebfthdlexample.要求在输入数据样本之间具有最小差距。差距取决于指定的FFT长度和由设计处理的最大FFT长度。可能存在输入数据可能不符合此模式的情况。例如，数据可以在输入数据样本的末尾以零连续和填充。下图显示了与FFT长度的输入数据样本结束的连续输入有效模式，用于FFT长度为256和512.单个FFT长度设置为2048.在这种情况下，256个有效样本后跟1792无效样品和512个有效样本后跟1536无效样品。

在这种情况下，设计必须将输入样本存储到RAM中，并在有效样本之间填充无效样本，然后将其发送到FFT。该模型variableizebrytarbitraryvaliddatternhdlexample.只要帧之间的间隙至少是单个FFT长度（用于LTE的2048个样本），可以处理任何任意有效输入的任意模式。该模型与模型相同variableizebfthdlexample.，数据控制器子系统除外。模型中的数据控制器子系统使用大小相同的RAM2 * fftLenSinFFT(如下图所示)来存储输入样本，读取有效样本，并在它们之间填充0，然后将它们传递给FFT。当输入数据被写入内存的一半时，数据从内存的另一半读取。因此，总延迟增加了fftLenSinFFT．

modelname =.'variableibleizefftarbitraryvaliddatternhdlexample'；load_system（modelname）;Open_System（[ModelName'/可变尺寸FFT使用单个FFT / Data Controller']）;

任意输入数据和有效生成

为了生成任意数据和有效输入，用户可以选择这三个选项中的任何一个：在数据样本之间的固定大小的零填充，在数据样本结束时零填充，以及在数据样本之间的随机大小的零填充。以下三种不同零填充图案的输入数据和有效生成如下所示。这variableizebrytarbitraryvaliddatternhdlexample.模型使用生成的数据进行仿真和验证。

%初始化输入数据和有效Datain =零（长度（FFTLenvecmulffts）* fftlensinfft，1）;有效= false（长度（fftlenvecmulffts）* fftlensinfft，1）;zeropadddingpattern ='inbetween'；%’AtEnd”、“随机”开关zeroPaddingPattern案件'inbetween'输入数据样本之间的％零填充为了IND = 1：长度（FFTLENVECMULFFTS）％生成FFT长度样本的数据randInputData =复杂(randn (fftLenVecMulFFTs(印第安纳州)),randn (1, fftLenVecMulFFTs(印第安纳州)));输入数据样本之间的％零填充upSamplingFac = fftLenSinFFT / fftLenVecMulFFTs(印第安纳州);dataIn ((ind-1) * fftLenSinFFT + 1: fftLenSinFFT *印第安纳州)= upsample (randInputData upSamplingFac);％有效对应于生成的数据vidinin（（ind-1）* fftlensinfft + 1：upsamplingfac：fftlensinfft * ind）= true;结尾案件'ateen'输入数据样本结束时％零填充为了IND = 1：长度（FFTLENVECMULFFTS）％生成FFT长度样本的数据randInputData =复杂(randn (fftLenVecMulFFTs(印第安纳州)),randn (1, fftLenVecMulFFTs(印第安纳州)));％零填充数据dataIn (((ind-1) * fftLenSinFFT + 1): ((ind-1) * fftLenSinFFT + fftLenVecMulFFTs(印第安纳州)))= randInputData;%有效对应生成的数据vidinin（（（ind-1）* fftlensinfft + 1）:(（ind-1）* fftlensinfft + fftlenvecmulffts（ind）））= true;结尾否则％ 随机的为了IND = 1：长度（FFTLENVECMULFFTS）随机％零填充randindices = randperm（fftlensinfft）;％生成FFT长度样本的数据randInputData =复杂(randn (fftLenVecMulFFTs(印第安纳州)),randn (1, fftLenVecMulFFTs(印第安纳州)));指数= randIndices (1: fftLenVecMulFFTs(印第安纳州));%如果随机指数没有第一个样本如果（总和（indices == 1）== 0）索引（1）= 1;结尾％零填充数据日期（索引+（IND-1）* FFTLENSINFFT）= RANDINPUTDATA;%有效对应生成的数据validIn(指数+ (ind-1) * fftLenSinFFT) = true;结尾结尾

运行Simuli金宝appnk模型

在运行模型之前，请确保dat那validIn那Fftlenin.，并且初始化必要的变量。

sim (modelname);

验证

dataout1 = OUT1（:);dataout2 = OUT2（:);figvsfaiv = figure（“可见”那“关闭”）;绘图（ABS（DataOut1-DataOut2））;标题（“任意有效模式的两个输出之间的差异”)包含(“样本指数”）;ylabel（“错误”）;figvsfaiv.visible ='在'；bdclose (modelname);