STM32F4 FFT 音乐频谱 不要太easy！_音乐频谱灯stm32 fft

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新

需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）

如果你需要这些资料，可以戳这里获取

  

      上段代码就是模拟生成一个序列。原始信号由三个正弦信号和一个直流信号叠加而成，频率分别是10Hz、40Hz和80Hz，峰值分别为1、3、5，直流分量为1。 通过测试，可以发现，系统计算4096点的傅里叶变换需要的时间仅仅只要2.71ms，可见其速度是非常快。在傅里叶变换的输出中，我们可以发现只有在Outputbuf[0]、Outputbuf[1]、Outputbuf[4]、Outputbuf[8]处傅里叶变换的结果分别为4096、2048、6144、10240；Outputbuf[4088]、Outputbuf[4092]、Outputbuf[4095]处的值分别为10240、6144、2048。下面来分析这些结果。


     模拟的采样频率为40960Hz,采样的点数为4096,由数字信号处理知识可知，分辨率为10Hz，也即傅里叶变换计算后的频谱之间的间隔是10Hz。而Inputdata[2\*i]=1+1\*arm\_sin\_f32(2\*PI\*10\*i/Fs)+3\*arm\_sin\_f32(2\*PI\*\*40\*i/Fs)+5\*arm\_sin\_f32(2\*PI\*80\*i/Fs)。可知待测信号由三个正弦信号和一个直流信号叠加而成，频率分别是10Hz、40Hz和80Hz，峰值分别为1、3、5，直流分量为1。


     因为A/D采样后的时序信号为实信号，根据DFT的对称性可知，其傅里叶变换的结果具有共轭反对称性。Outputbuf[1]和Outputbuf[4095]，Outputbuf[4]和Outputbuf[4092]，Outputbuf[8]和Outputbuf[4088]幅值应该相同，实际情况再次和理论值完全相同。


     根据DFT变换后的性质可知：Outputbuf[0]=4096，其傅里叶变换变换后的模值刚好是原始信号的4096倍，所以值为4096.0；而在其它频率点处，模值应该是幅值的4096/2=2048倍，输出的结果刚好为Outputbuf[1]=4096、Outputbuf[4]=2048、Outputbuf[8]=6144与理论值完全相同，可见傅里叶变换运算的精度极高，运算速度极快。


**下面我们用Matlab验证算法的正确性：**  
 



Matlab 程序：

close all; %Turn off all the pictures
clc;
DC=1; %The magnitude of the dc signal
Amp1=1; %The amplitude of the first signal
Amp2=3; %The amplitude of the second signal
Amp3=5; %The frequency of the third signal
Fre1=10;%The frequency of the first signal )
Fre2=40;%The frequency of the Second signal
Fre3=80;%The frequency of the third signal
Fs=40960; %The sampling frequency
N=4096; %The sampling points
t=[0:1/Fs:1]; %Sampling time
S=DC+Amp1sin(2piFre1t)+Amp2sin(2piFre2t)+Amp3sin(2piFre3t); %信号
%Display the original signal
subplot(3,1,1);
plot(S,‘b’);
grid on;
xlabel(’ Frequency/HZ’);
ylabel(‘Voltage’);
title(‘The original signal’);
Y = fft(S,N); %Do FFT transform
Module = (abs(Y)); %:Acquire modulus
subplot(3,1,2);
F=([1:N]-1)*Fs/N;
h = stem(F(1:N/320)/10,Module(1:N/320),‘fill’,‘–’);
set(get(h,‘BaseLine’),‘LineStyle’,‘:’)
set(h,‘MarkerFaceColor’,‘red’)
grid on;
xlabel(’ FFTout[i]‘);
ylabel(‘FFT module’);
title(‘the module value of FFT’);
Module=Module/(N/2);
Module(1)=Module(1)/2;
F=([1:N]-1)*Fs/N;
subplot(3,1,3);
h = stem(F(1:N/320),Module(1:N/320),‘fill’,’–‘);
set(get(h,‘BaseLine’),‘LineStyle’,’:‘)
set(h,‘MarkerFaceColor’,‘red’)
grid on;
xlabel(’ Frequency /HZ’);
ylabel(‘Voltage’);
title(‘Amplitude - frequency curves’);

Matlab运行的结果如下所示：  
 
![](https://img-blog.csdn.net/20150607144753530?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaGR1eGllanVu/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)


图1 FFT仿真结果  
 


    从Matlab仿真出来的结果和理论的结果完全一样。图一为原始的信号，原始信号由三个正弦信号和一个直流信号叠加而成，频率分别是10Hz、40Hz和80Hz，峰值分别为1、3、5，直流分量为1。图二为输入信号进行FFT运算后的输出结果，可以看出在FFTout[1]、FFTout[4]、FFTout[8]处有值，且值得大小和输入信号的幅度有关。图三为将模值化为实际电压值后的结果，可以看出其分别在频率0Hz、10Hz、40Hz、80Hz处的幅值分别为1、1、3、5。


  
 


注意事项：  
 


* 输入音乐信号可以是电脑、iPad、手机等音频信号，但是不可接直接将音频信号送入STM32的IO口，负的电平可能直接烧坏STM32的内部AD，因此需要做适当的信号调理电路，对输入的音乐信号进行放大、电平抬升等。


  

  

  

  


![img](https://img-blog.csdnimg.cn/img_convert/5844c279321032d8b2dfe1eaf4febe4f.png)
![img](https://img-blog.csdnimg.cn/img_convert/8778ec5254ff887529b9c51589d20f55.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新**

**需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**

视频，并且后续会持续更新**

**需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**