一、c语言编写的FFT程序
c语言程序
正弦波表达式为: s(t) = 0.6 sin( 2π 50t ) 和s(t) = 0.6 sin( 2π 500t )
频率为8000Hz,近似为8192
FFT程序来源于徐士良老师算法书中
1.FFT.c
#include "stdio.h"
#include "math.h"
#include "G:\C code\FFTDuiBi\FFTDuiBi\kfft.c"//注意路径
#include <time.h>
#define PI 3.1415926535
main()
{
int i, j;
double pr[8192], pi[8192], fr[8192], fi[8192], t[8192];
clock_t begin, end;
double cost1, cost2, persent;
for (i = 0; i <8192; i++) //生成输入信号
{
t[i] = i*0.001;
pr[i] = 0.6*sin(2 * PI * 500 * i) + 0.6*sin(2 * PI * 50 * i); pi[i] = 0.0; //0.6*sin(2*PI*500*i)+0.6*sin(2*PI*50*i)
}
begin = clock();
//begin=time(NULL); //开始记录时间
kfft(pr, pi, 8192, 13, fr, fi); //调用FFT函数
end = clock(); //结束记录时间
cost1 = (double)(end - begin ) / CLOCKS_PER_SEC;
//cost1 = (double)(end - begin);
for (i = 0; i<8192; i++)
{
printf("%d\t%lf\n", i, pr[i]); //输出结果
}
printf("花费时间为:%lfs",cost1);
}
2.kfft.c
#include "math.h"
void kfft(pr, pi, n, k, fr, fi)
int n, k;
double pr[], pi[], fr[], fi[];
{
int it, m, is, i, j, nv, l0;
double p, q, s, vr, vi, poddr, poddi;
for (it = 0; it <= n - 1; it++) //将pr的实部和虚部循环赋值给fr[]和fi[]
{
m = it;
is = 0;
for (i = 0; i <= k - 1; i++)
{
j = m / 2;
is = 2 * is + (m - 2 * j);
m = j;
}
fr[it] = pr[is];
fi[it] = pi[is];
}
pr[0] = 1.0;
pi[0] = 0.0;
p = 6.283185306 / (1.0*n);
pr[1] = cos(p); //将w=e^-j2pi/n用欧拉公式表示
pi[1] = -sin(p);
for (i = 2; i <= n - 1; i++) //计算pr[]
{
p = pr[i - 1] * pr[1];
q = pi[i - 1] * pi[1];
s = (pr[i - 1] + pi[i - 1])*(pr[1] + pi[1]);
pr[i] = p - q; pi[i] = s - p - q;
}
for (it = 0; it <= n - 2; it = it + 2)
{
vr = fr[it];
vi = fi[it];
fr[it] = vr + fr[it + 1];
fi[it] = vi + fi[it + 1];
fr[it + 1] = vr - fr[it + 1];
fi[it + 1] = vi - fi[it + 1];
}
m = n / 2;
nv = 2;
for (l0 = k - 2; l0 >= 0; l0--) //蝴蝶操作
{
m = m / 2;
nv = 2 * nv;
for (it = 0; it <= (m - 1)*nv; it = it + nv)
for (j = 0; j <= (nv / 2) - 1; j++)
{
p = pr[m*j] * fr[it + j + nv / 2];
q = pi[m*j] * fi[it + j + nv / 2];
s = pr[m*j] + pi[m*j];
s = s*(fr[it + j + nv / 2] + fi[it + j + nv / 2]);
poddr = p - q;
poddi = s - p - q;
fr[it + j + nv / 2] = fr[it + j] - poddr;
fi[it + j + nv / 2] = fi[it + j] - poddi;
fr[it + j] = fr[it + j] + poddr;
fi[it + j] = fi[it + j] + poddi;
}
}
for (i = 0; i<n; i++)
{
pr[i] = sqrt(fr[i] * fr[i] + fi[i] * fi[i]); //幅度的计算
}
return;
}
编译结果并绘图
在TCC下进行编译,并用gnuplot绘图
plot "<FFT.exe" w l
二、python编写
python程序
import numpy as np#导入一个数据处理模块
import time
import matplotlib.pyplot as plt#导入一个绘图模块
# 依据快速傅里叶算法得到信号的频域
def test_fft():
sampling_rate = 8192 # 采样率
fft_size = 8192 # FFT取样长度
t = np.arange(0, 8.192, 1.0 / sampling_rate)
#np.arange(起点,终点,间隔)产生8.192s长的取样时间
x=0.6*np.sin(2*np.pi*500*t)+0.6*np.sin(2*np.pi*50*t)
# 两个正弦波叠加,500HZ和50HZ
# N点FFT进行精确频谱分析的要求是N个取样点包含整数个取样对象的波形。
# 因此N点FFT能够完美计算频谱对取样对象的要求是n*Fs/N(n*采样频率/FFT长度),
# 因此对8KHZ和512点而言,完美采样对象的周期最小要求是8000/512=15.625HZ,
# 所以156.25的n为10,234.375的n为15。
t1=time.perf_counter()
xs = x[:fft_size]# 从波形数据中取样fft_size个点进行运算
xf = np.fft.rfft(xs) / fft_size # 返回fft_size/2+1 个频率
t2 = time.perf_counter()
#利用np.fft.rfft()进行FFT计算,rfft()是为了更方便对实数信号进行变换,
# 由公式可知 / fft_size为了正确显示波形能量
# rfft函数的返回值是N/2+1个复数,分别表示从0(Hz)到sampling_rate/2(Hz)的分。
# 于是可以通过下面的np.linspace计算出返回值中每个下标对应的真正的频率:
freqs = np.linspace(0, sampling_rate*10, fft_size/2+1 ) # 表示频率
#freqs = np.linspace(0, sampling_rate/2 , fft_size/2 + 1) # 表示频率
xfp = 20 * np.log10(np.clip(np.abs(xf), 1e-20, 1e100))
#xfp = np.abs(xf) # 代表信号的幅值,即振幅
# 最后我们计算每个频率分量的幅值,并通过 20*np.log10()将其转换为以db单位的值。
# 为了防止0幅值的成分造成log10无法计算,我们调用np.clip对xf的幅值进行上下限处理
plt.figure(figsize=(8, 4))
plt.subplot(211)
plt.plot(t[:fft_size], xs)
plt.xlabel(u"时间(秒)", fontproperties='FangSong')
plt.title(u"500Hz和50Hz的波形和频谱", fontproperties='FangSong')
plt.subplot(212)
plt.plot(freqs, xfp)
plt.xlabel(u"频率(Hz)", fontproperties='FangSong')
#字体FangSong
plt.ylabel(u'幅值', fontproperties='FangSong')
plt.subplots_adjust(hspace=0.4)
'''subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
有六个可选参数来控制子图布局。值均为0~1之间。其中left、bottom、right、top围成的区域就是子图的区域。
wspace、hspace分别表示子图之间左右、上下的间距。实际的默认值由matplotlibrc文件控制的。
'''
plt.show()
print(f"python的FFT花费的时间为:{t2-t1}")
test_fft()
结果显示:
花费时间对比
python运行FFT花费时间:
python运行FFT花费时间为:3.1e-6
c运行FFT花费时间:
c运行FFT花费时间为:0.002000s