dsp。HDLIFFT
反快速傅里叶变换-为HDL代码生成优化
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:
创建
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。
要了解更多关于System对象如何工作的信息，请参见什么是系统对象?
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)
属性
使用
语法
描述
［也返回帧控制信号Y，startOut，endOut，validOut) = IFFT_N (X，validIn）startOut和endOut．startOut是真正的输出数据帧的第一个样本。endOut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StartOutputPort和EndOutputPort属性真正的．例如:
IFFT_N = dsp。HDLIFFT (___,“StartOutputPort”,真的,“EndOutputPort”,真正的);．..[y, startOut, endOut, validOut] = IFFT_N (x, validIn)
输入参数
输出参数
对象的功能
要使用对象函数，请指定System对象作为第一个输入参数。例如，释放名为system的对象的系统资源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。本例使用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作为IFFT对象的输入。
注意:该对象语法仅在R2016b或更高版本中运行。如果您正在使用较早的版本，请将对象的每个调用替换为等价的一步语法。例如,替换myObject (x)与步骤(myObject x)．
hdlfft = dsp。HDLFFT (“FFTLength”N“BitReversedOutput”、假);Yf = 0 (1, 4 * N);validOut = false (1, 4 * N);为循环= 1:1:N [Yf(循环)，validOut(循环)]= hdlfft(complex(y_fixed(循环))，true);结束为循环= N+1:1:4*N [Yf(循环)，validOut(循环)]= hdlfft(complex(noOp)，false);结束Yf = Yf(validOut == 1);
绘制单边振幅谱。
情节(Fs / 2 * linspace (0, 1, N / 2), 2 * abs (Yf (1: N / 2) / N))标题(“噪声信号y(t)的单边幅度谱”)包含(的频率(赫兹)) ylabel (FFT (f)输出）
选择在信号中保持大部分能量的频率。的cumsum函数不接受定点参数，因此将数据转换回双．
[Ysort,我]=排序(abs(双(转置(Yf (1: N)))), 1,“下”）;Ysort_d =双(Ysort);CumEnergy =√cumsum Ysort_d。^ 2))/规范(Ysort_d);j = find(CumEnergy > 0.9, 1);disp ([“FFT系数的数量，代表90%的”，．..'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
编写一个创建和调用IFFT System对象™的函数。您可以从这个函数生成HDL。
函数[你,validOut] = HDLIFFT128(阴、validIn)% HDLIFFT128%使用dsp处理一个数据样本。HDLIFFT系统对象(TM)% yIn是一个定点标量或列向量。% validIn是一个逻辑标量。你可以从这个函数生成HDL代码。持续的ifft128;如果is空(ifft128) ifft128 = dsp。HDLIFFT (“FFTLength”, 128);结束[你,validOut] = ifft128(阴,validIn);结束
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);为循环= 1:1:N [Xt(循环)，validOut(循环)]= HDLIFFT128(complex(Yin(循环))，true);结束为循环= N+1:1:3*N [Xt(loop)，validOut(loop)] = HDLIFFT128(complex(0)，false);结束
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 (validOut = = 1);Xt = bitrevorder (Xt);范数(x转置(Xt(1:N)))图杆(实(Xt))图杆(实(x))“——g”）
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:该对象语法仅在R2016b或更高版本中运行。如果您正在使用较早的版本，请将对象的每个调用替换为等价的一步语法。例如,替换myObject (x)与步骤(myObject x)．
hdlfft = dsp。HDLFFT (“FFTLength”N);loopCount = getLatency (hdlfft N V) + N / V;Yf = 0 (V, loopCount);validOut = false (V, loopCount);为循环= 1:1:loopCount如果(mod(loop,N/V) == 0) i = N/V;其他的我= mod(循环,N / V);结束[Yf:循环),validOut(循环)]= hdlfft(复杂(y_vect(:,我)),(循环< = N / V));结束
绘制单边振幅谱。
C = Yf (:, validOut = = 1);Yf_flat = C (:);年= bitrevorder (Yf_flat);情节(Fs / 2 * linspace (0, 1, N / 2), 2 * abs(年(1:N / 2) / N))标题(“噪声信号y(t)的单边幅度谱”)包含(的频率(赫兹)) ylabel (FFT (f)的输出）
选择在信号中保持大部分能量的频率。的cumsum函数不接受定点参数，因此将数据转换回双．
[Ysort,我]=排序(abs(双(年(1:N))), 1,“下”）;CumEnergy =√cumsum Ysort。^ 2))/规范(Ysort);j = find(CumEnergy > 0.9, 1);disp ([“FFT系数的数量，代表90%的”，．..'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
编写一个创建和调用IFFT System对象™的函数。您可以从这个函数生成HDL。
函数[你,validOut] = HDLIFFT128V16(阴、validIn)% 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。你可以从这个函数生成HDL代码。持续的ifft128v16;如果is空(ifft128v16) ifft128v16 = dsp。HDLIFFT (“FFTLength”, 128)结束[你,validOut] = ifft128v16(阴,validIn);结束
通过为每个数据样本调用函数来计算IFFT。
Xt = 0 (V, loopCount);validOut = false (V, loopCount);为循环= 1:1:loopCount如果(mod(loop,N/V) == 0) i = N/V;其他的我= mod(循环,N / V);结束(Xt(:,循环),validOut(循环)]= HDLIFFT128V16(复杂(YinVect(:,我)),(循环< = N / V));结束
ifft128v16 = dsp。HDLIFFT与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”）
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对象和请求延迟。
hdlifft = dsp。HDLIFFT (“FFTLength”, 512);L512 = getLatency (hdlifft)
L512 = 599
请求关于具有不同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，该函数假定输入数据为标量。
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功能。延迟不会改变。
hdlifft。N或malize = 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．为了避免硬件乘数，块交换输入的实部和虚部，并再次交换结果输出的虚部。每个阶段都将旋转因子乘以输入单词的长度的结果进行四舍五入。旋转因子有两个整数位，其余的位用于小数位。旋转因子与输入数据具有相同的位宽，王．旋转因子有两个整数位，和王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。
破裂基数2
突发基数2体系结构使用一个复杂的蝴蝶乘法器来实现FFT。算法只有在存储了整个输入帧后才能开始，并且在计算完成后才能接受下一帧。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。
使用此体系结构时，输入数据必须符合准备好了反压力信号。有关显示此协议的波形，请参见时间图部分。
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。
当可选输入重置端口为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置端口为0和输入有效的端口开始一个新的帧。
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，流基数2^2架构，FFT长度为1024，向量大小为16。
图表还显示了可选的开始和结束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。如果您启用结束港口,开始端口值脉冲为一个周期与最后有效输出的帧。
如果你使用连续的输入帧，那么在初始延迟之后输出也是连续的。
输入有效的端口可以是非连续的。带有输入的数据有效的端口在到达时被处理，结果数据被存储，直到一个帧被填满。然后，算法以帧的形式返回连续输出样本N（FFT长度)周期。这个图显示了FFT长度为512和矢量大小为16时的非连续输入和连续输出。
当您使用突发架构时，在内存空间可用之前，您不能提供下一帧输入数据。的准备好了信号表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)。该算法忽略任何输入数据和有效的信号时准备好了是0(假)。
延迟
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。
当使用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是1的第一个循环时输出有效的是1。在何时之间的循环次数准备好了端口为0，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:
