Canmv k230 案例2.3——ADC+UART+FFT测试（三）

Canmv k230 ADC+FFT测试

前面两节通过在k230中计算FFT，现在通过外部传感器采集数据，即ADC进行FFT测试

ADC基本信息及配置

ADC资料如下ADC电路
K230集成了一个分辨率为11bit（有效分辨率）的SARADC，最高采样率不小于1MHz。 其有以下特点：
1）信号输入范围：0-1.8V
2）支持6个通道输入
3）支持单次采样和连续采样
4）内部集成信号调理电路，截止频率在1/2带宽处。ADC可直接进行信号采样，或按需进行外围电路设计。
（输入信号直接符合奈奎斯特采样频率？未测试）

ADC代码

在canmv ide 的原始ADC案例并增加注释

# 初始化
from machine import ADC
adc = ADC(0,enable=True)                      #构造adc对象，通道0默认开启
# 1）此处设置连续采集一段时间样本用于FFT，主要函数如下
value = adc.value()                           #获取通道0的数值


print("value = %d" % value)
adc.deinit()                                  #注销adc对象
# 2）进行FFT测试 可以参考前面的文章

连续获取数据，并存储数据为列表形式

采集数据程序

aa=[]
for i in range(1000):
    value = adc.value()
    aa.append(value)

adc.deinit()           # 注销adc对象
print(aa)

数据显示

1）方法1

绘图程序，此时未接入电压输入，采集的信号输出到IDE中，可以复制导入到其他软件中绘制，如MATLAB或Excel等。

MATLAB绘制结果如上所示，获取的数据应该是0~4095，但实际上最高输出为4095，最低输出仅为52 ？

2）方法2

采用UART连接到串口工具，推荐VOFA+
增加UART代码

from machine import FPIOA
from machine import UART
# 实例化FPIOA
fpioa = FPIOA()
# 设置UART2
fpioa.set_function(5, fpioa.UART2_TXD)
fpioa.set_function(6, fpioa.UART2_RXD)
# UART2: baudrate 115200, 8bits, parity none, one stopbits
uart = UART(UART.UART2, baudrate=115200, bits=UART.EIGHTBITS, parity=UART.PARITY_NONE, stop=UART.STOPBITS_ONE)
# UART write 格式为  'ch0,ch1,ch2\n' # VOFA+格式要求

ADC代码更改为

aa=[]
for i in range(1000):
    value = adc.value()                           #获取通道0的数值
    aa.append(value)
    # 将获取的value输出到串口，采用format可以输出为变量，否则输出为'value'
    uart.write("{0}\n".format(value))
    
adc.deinit() 

连接USB转TTL模块，连接除canmv k230开发板中的大小核、IDE占用的3个串口外，出现的第四个串口，观察波形，更多信息查看VOFA+工具官网，输出结果如下所示

ADC输入及FFT测试

目前的SDK中ADC的采样频率好像是1kHz，又因为FFT支持的最小点数是64点，1000/64=15.625Hz，因此设置分辨率为fs/N

通过信号发生器输出16Hz的正弦信号，如正点原子示波器

可以看到ADC对于0V附近的电压不能准确显示，不确定什么问题

采集64个点进行FFT测试，采用自己编写FFT，官方提供的存在些问题
增加下面的代码

import math
from ulab import numpy as np
# 偏置值可通过(max-min)/2 计算得到
data = np.array(aa,dtype=np.float)-1200
data1=data[0:64]
a, b =np.fft.fft(data1)  # a实部 b虚部
# 求幅值
FA1=[]
#st=time.time_ns()
for i in range(64):
    FA=math.pow(a[i], 2)+math.pow(b[i], 2)
    FA=math.sqrt(FA)/32
    FA1.append(FA)

print('fft.fft :')
print(FA1)

输出如下图所示

根据分辨率=fs/N=1000/64=15.625，可以看到输出的第二个幅值峰值为1131.898，接近正弦波峰值。当采用128点FFT时，输出应该接近第三个幅值处

可以看到第三个频率处。

讨论

1）对于不在分辨率处的频率能够正确计算吗？
2）FFT的其他变形（如短时傅里叶）如何实现？