Projektarbeit: Signalprozessortechnik FFT-Software für das EZ-Kit BF533 Studenten:Karsten Wiedmann Maik Gotzmann Studiengang:Informationstechnik Semester:6.

Slides:



Advertisements
Ähnliche Präsentationen
Aufbau, Abfrage, Analyse von Sprachdatenbanken
Advertisements

Spektrale Analysen in EMU-R: eine Einführung
Oszilloskop Was ist ein Oszilloskop? Wozu wird es benutzt?
Digitale Messdatenverarbeitung mit Mikrorechnern
3. Kapitel: Komplexität und Komplexitätsklassen
Faltung Entfaltung Bestimmung der (unbekannten) Funktion f aus den (bekannten) Funktionen h und g. Bezeichnung h(x) … Messdaten f(y) … Physikalisches Profil.
2.7 Signalprozessoren Spezielle Mikrorechner-Architekturen für die Verarbeitung analoger Signale in eingebetteten Systemen, z.B. im Audio- oder Video-Bereich.
Die akustische Analyse von Sprachlauten.
Die akustische Analyse von Sprachlauten
Spektra von periodischen Signalen. Resonanz.
Spektrale Analysen in EMU-R: eine Einführung Jonathan Harrington.
Spektrale Analysen in EMU-R: eine Einführung
Berechnung von digitalen Signalen
Spektrale Analysen in EMU-R: eine Einführung
Aufbau, Abfrage, Analyse von Sprachdatenbanken ErstellungAnalyse Abfrage Digitale Zeitsignale akustisch, artikulatorisch Etikettieren Verknüpfung mit Symbolen.
Aufbau, Abfrage, Analyse von Sprachdatenbanken ErstellungAnalyse Abfrage Digitale Zeitsignale akustisch, artikulatorisch Etikettieren Verknüpfung mit Symbolen.
Frequenz- und Zeitauflösung
Bewegung elektrischer Ladungen im elektrischen Feld
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Tobias Lauer.
Nichtperiodische Signale
FS_Geschwindigkeitsmessung
Algorithmische Geometrie
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Tafelanschrieb Informationstechnik WS04
Was sind Histogramme? (1)
Digital Audio Medientyp digital audio representation
Digital Audio Medientyp digital audio representation
Übung zur Vorlesung Signalverarbeitung Einführung
Signal-Klassifizierung
Akustisches Herzschlag-
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Die Fourier-Analyse Durch die Fourier-Analyse wird ein Sprachsignal in Sinusoiden zunehmender Frequenz zerlegt, sodass wenn diese summiert werden, das.
Parallel Matrix Multiplication
Multiraten-Systeme Referenzen Taktratenänderungen sind in der DSV
Herleitung DFT Spektrum zeitdiskretes Signal (periodisch) DFT IDFT
Analog-Digital Umsetzer NI USB 6009 Blockschaltbild
Kalibrierung eines Mikrofons unter DASYLab
Sampling, Rekonstruktion
Hochschule Fulda – FB ET Sommersemester 2014
Christian Schindelhauer Sommersemester Vorlesung
Systeme II Christian Schindelhauer Sommersemester 2007
Das Traveling Salesman Problem (TSP)
Fourier-Analyse und technologische Anwendungen
Kommunikationstechnik B Teil 2 – Digitale Modulationsverfahren
Audiowandlung und Formate
Medizinischen Physik V1: Signalaufnahme und Fourieranalyse
Analog-Digital-Wandler
X. Übungsblatt – Aufgabe X Bestimmen Sie jeweils die disjunktive Normalform (DNF) der Folgenden Funktionen: a)f 1 = b)f 2 = c)Bestimmen Sie die primären.
Kapitel 3: Fouriertransformation
Tutorial Messtechnik - Spektralanalyse, Signaltheorie -
Kapitel 2: Spektrum periodischer Signale (Fourierreihe)
Kapitel 4: Digitale Signale
Seminar Softwareproduktlinien Domänenspezifische Sprachen Sascha Draffehn von.
Analog-Digital-Wandlung und Alesis ADAT-Schnittstelle Rudolf-Diesel-Fachschule Markus Vogl 12. März 2009.
11 Ausgewählte Algorithmen der Computergraphik Digitale Geometrie Gebiete und Konturen Farbmodelle Renderalgorithmen Schnelle Multiplikation Fast Fourier.
Satellitennavigation 1 – Übung 3 GNSS-Signale Dipl.-Ing. Elias Gkougkas 1.
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse.
Kapitel 2: Fourierreihe
PSK (Phase Shift Keying)
Kapitel 5: Digitale Signale
Kapitel 2: Analoge, periodische Signale
Scan - Matching Vortrag über Scan-Matching und dessen Verfahren
Generierung von Flächenrepräsentationen aus Punktdaten
Kapitel 6: Einführung in die DFT
HCS Übung 6 Von: Patrick Denk Oleg Arenz
SiSy2 - Overview M d Q Tavares , TB425
Technische Grundlagen Digitalfunk
Mathematisches Modellieren Workshop am Kantonalen Fachschaftstag 2012
 Präsentation transkript:

Projektarbeit: Signalprozessortechnik FFT-Software für das EZ-Kit BF533 Studenten:Karsten Wiedmann Maik Gotzmann Studiengang:Informationstechnik Semester:6 Betreuer:Dr. Wolf-Dieter Heinitz Datum:

I. Gliederung 1. Aufgabestellung 2. Systemtheoretische Grundlagen 2.1 Die Fouriertransformation, DFT und FFT 2.2 Ausgewählte Funktionen und Spektren 2.3 Anzahl der Abtastwerte 2.4 Fensterbewertung der Abtastwerte 2.5 Der Leakage-Effekt 2.6 Aliasing und das Abtasttheorem 3. Programmierung DSP 3.1 Experimenteller Aufbau 3.2 Programmablaufplan 3.3 Programmierung / Ausgewählte Quelltextauszüge 4. Durchführung und Auswertung 4.1 Rechenzeit 4.2 Maximale Anzahl der Samplewerte 4.3 Optimierung des Quelltextes: Parallelanweisung 5. Praktische Vorführung Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1

1. Aufgabenstellung Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Es ist ein FFT zu programmieren. Das analoge Eingangssignal soll dabei mit einer Samplingfrequenz fs = 96 kHz abgetastet werden und das berechnete Spektrum ist analog auszugeben. Nutzen sie dazu eine Standard-Library und bestimmen sie Programmlaufzeiten. Praktische Demonstration des FFT-Algorithmus an einem Testaufbau mit Generator und Oszilloskop.

2.1 Die Fouriertransformation, DFT und FFT Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Fouriertransformation: ● Zerlegung eines periodischen Signals in seine periodischen Grundfunktionen, deren unterschiedliche Frequenzen Vielfache von 1/T sind Diskrete Fourirtransformation (DFT) ● Berechnung der Fouriertransformation mittels digitaler Recheneinheit ● Übergang vom Kontinuierlichen und Unendlichen ins Diskrete und Begrenzte => Begrenzte Abtastlänge => Konsequenz: Auftreten von Besonderheiten in den Spektren Fast-Fourier-Transformation (FFT) ● Effiziente Implementierung einer DFT ● Meist Vorliegend als Bibliotheksfunktion

2.2 Ausgewählte Funktionen und Spektren Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Die Sinus-Funktion ● Beispiel ➔ Frequenz: f = 4Hz ➔ Abtastfrequenz: fs = 512Hz ➔ Samples: N = 1024 ● Korrespondenz ● Spektrum ➔ zwei Dirac-Impulse ➔ an den Stellen ±ω

2.2 Ausgewählte Funktionen und Spektren Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Die Rechteck-Funktion ● Beispiel ➔ Frequenz: f = 4Hz ➔ Periodendauer: T = 0.25s ➔ Abtastfrequenz: f s = 640Hz ● Korrespondenz ● Spektrum ➔ Si-gedämpfe Spektral- anteile ➔ Abb.: nur positive Spektralanteile, da Betragsspektrum

2.3 Anzahl der Abtastwerte Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Spektrales Auflösungsvermögen ● Beschreibt den Abstand zweier Spektrallinien ● => mehr Abtastwerte, bessere Auflösung Problem ● Einerseits: Nahe bei einander liegende Frequenzen können nicht mehr unterschieden ● Andererseits: begrenzter Speicherplatz N=128 N=102 4

2.4 Fensterbewertung der Abtastwerte Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Fensterbewertung ● Begrenzte Abtastfolge bedeutet im systemtheoretischen Sinne eine Überlagerung der undendlichen Funktion mit einem Rechteckfenster ● Überlagerung im Zeitbereich => Faltung im Zeitbereich ● Korrespondenz: ● => Durch Rechteckfenster folgt Überlagerung mit Si-Funktion im Spektrum Beispiel: Sinus-Funktion ● Überlagerung der Dirac-Impulse Anwendung verschiedener Fenstertypen ➔ Kaiser-Fenster ➔ Hamming-Fenster ➔ Hanning-Fenster ➔ Blackman-Fenster, etc.

2.5 Der Leakage-Effekt Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Hintergrund ● Voraussetzung: Spektralfrequenzen sollen Vielfache von 1/T: ● => Verhältnis zwischen Sampleanzahl und Signalfrequenz ● => Fensterlänge entscheidet über Einhalten des Verhältnis Problem ● Fensterlänge von Signalfrequenz abhängig ● Signalfrequenz meist nicht bekannt ➔ optimale Fensterbreite kann nicht bestimmt werden ➔ keine Spektrallinie in Punkt f 1 abgebildet ➔ Maximum der Si-Fkt kann nicht ermittelt werden ➔ Es entsteht ein Frequenzversatz ! ● Minderung durch Einsatz von Fensterfunktionen

2.6 Aliasing und das Abtasttheorem Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 1. Nyquist-Theorem ● Ein Signal muss mindestens mit der doppelten Frequenz des höchsten auftretenden Frequenzanteils abgetastet werden, so dass eine einwandfreie Rückgewinnung des Signals aus dem Spektrum gewährleistet werden kann. ● Abtastung für zur Peridisierung des Spektrums an den Stellen f g ● Wenn überlappen sich die Spektren ● => zwischen originalen und wiederholen Frequenzanteilen kann nicht mehr unterschieden werden ● => es kommt zu nicht linearen Signalverzerrungen ● Wichtiger Paramter bei AD-Umsetzer ● Einsatz eines Anti-Aliasing-Tiefpasses

3.1 Experimenteller Aufbau Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1

3.2 Programmablaufplan Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Die wichtigsten Variablen:

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 volatile short sCodec1836TxRegs[CODEC_1836_REGS_LENGTH] = { DAC_CONTROL_1| 0x002, DAC_CONTROL_2| 0x000, DAC_VOLUME_0| 0x3ff, DAC_VOLUME_1| 0x3ff, DAC_VOLUME_2| 0x3ff, DAC_VOLUME_3| 0x3ff, DAC_VOLUME_4| 0x000, DAC_VOLUME_5| 0x000, ADC_CONTROL_1| 0x040, ADC_CONTROL_2| 0x000, ADC_CONTROL_3| 0x000 }; Initialisierung:

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Twiddle-Table: void twidfftrad2_fr16(complex_fract16 twiddle_table[], int fft_size); Fensterung der Eingangssamples Bestandteil der Berechnung der komplexen Faktoren nach: mit:k: Aktuelle Samplenr. (1..FFT-Size) N: Anzahl der FFT-Punkte

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Interrupt-Service-Routine: Interrupt bestätigen RXBuffer auslesen DMA-Anomalie brücksichtigen Integer in fract16 konvertieren

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Interrupt-Service-Routine: Fallunterscheidung, ob ausreichend Samples zur Berechnung der FFT gespeichert wurden Ausgabe des Triggersignals Ausgabe FFT-Wert

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Unterprogramm Process_Data(): Radix-2 FFT mit reellen Eingangswerten

3.3 Programmierung / Ausgewählte Quelltextauszüge Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Unterprogramm Process_Data(): Radix-2 FFT mit reellen Eingangswerten

4.1 Rechenzeit Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 ● Bestimmung der Taktzyklen mittels Cycle-Register für Durchführung der FFT in Abhängigkeit von N ● Approximation der Regressionsgeraden ergibt Verhalten ● Entspricht der Komplexität der Radix-2-FFT

4.2 Maximale Anzahl der Samplewerte Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Limitierung der FFTSize durch die Größe des internen Speichers In Standardkonfiguration: 2x32 KByte für Daten Rechenbeispiel mit FFTSize=2048: = 36 KByte Ohne Programmoptimierung, max. FFTSize=2048 Ab VisualDSP++ V.5.0 kein Temp[]-Array mehr nötig

4.3 Optimierung des Quelltextes: Parallelanweisung Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 Parallelanweisungen ● Steigerung der Performance durch höhere Codedichte ● Ausführung mehrerer Operationen in einer Instruktion ➔ Entscheidend: Länge des Oppcodes ➔ Meisten Operationen 16Bit oder 32Bit ➔ Maximale Instruktionslänge ist 64Bit ➔ Kombination einer 32Bit-Operation mit zwei speziffischen 16Bit-Operationen Beispiel: Schiebebefehl zweier Variablen Unoptimierter Assemblercode ➔ Schiebebefehl: 32Bit ➔ Registeroperation: 16Bit Optimierter Assemblercode ➔ 32Bit (Schiebebefehl) ➔ + 16Bit (RegisterOperation) ➔ + 16Bit (NOP)

Projektarbeit: FFT-Software für das EZ-Kit BF Seite 1 5. Praktische Vorführung Vielen Dank für die Aufmerksamkeit!