最近在做一個(gè)有趣的小項(xiàng)目，其中有一小部分的內(nèi)容的是使用FFT做音樂(lè)頻譜顯示。于是就有了下面這個(gè)音樂(lè)頻譜顯示的低成本方案，話(huà)不多說(shuō)，看看低成本MCU如何實(shí)現(xiàn)FFT音樂(lè)頻譜顯示吧。

?音頻采集硬件電路

音頻采集的硬件電路比較簡(jiǎn)單，主要的器件就是麥克風(fēng)和LM358運(yùn)放。

圖中電路R5可調(diào)電阻的作用是來(lái)調(diào)節(jié)運(yùn)放的增益。R4的作用的是給運(yùn)放一個(gè)VDD*R4/(R3+R4) 的直流偏置，這里加直流偏置是由于ADC只能采集正電壓值，為了不丟失負(fù)電壓的音頻信號(hào)，給信號(hào)整體加了一個(gè)直流偏置。

但是這個(gè)圖還有一個(gè)小問(wèn)題，運(yùn)放的輸出端加了一個(gè)電容C2，C2會(huì)把直流偏置給隔掉。在設(shè)計(jì)時(shí)，這個(gè)電容可以去掉。

下圖是按照上圖搭建的音頻采集電路的輸出信號(hào)，圖中波動(dòng)信號(hào)是施加的外部音頻，是我們需要做音樂(lè)頻譜顯示需要的信號(hào)。該信號(hào)有一個(gè)2.3v的直流偏置，在后續(xù)處理時(shí)需要減去這個(gè)偏置。

?CTimer+ADC+DMA 音頻信號(hào)采集

為了呼應(yīng)標(biāo)題，我們選擇的MCU是LPC845，這是NXP的一款低成本的MCU。考慮到我們平常聽(tīng)的音樂(lè)頻率大都低于5kHz，在軟件設(shè)計(jì)時(shí)設(shè)置ADC采樣頻率為10kHz。不要問(wèn)為什么，問(wèn)就是采樣定理。

LPC845的ADC有8個(gè)觸發(fā)源，我們使用CTiimer match3來(lái)觸發(fā)ADC，將寄存器SEQA_CTRL的bit 14:12設(shè)置為0x5。CTimer match 3的輸出頻率為10kHz。

為了確保我們采集數(shù)據(jù)的實(shí)時(shí)性，DMA建議配置成雙buffer模式，以防止采樣的數(shù)據(jù)被覆蓋掉。

?FFT音頻信號(hào)處理

在DMA搬運(yùn)ADC采樣值時(shí)，使用了雙buffer來(lái)搬，ADC采樣值需要減去一個(gè)2.3V的直流偏置。

Samples[]數(shù)組用于FFT計(jì)算。

    //Calculate the FFT input buffer
   if(g_DmaTransferDoneFlag_A == true)
   {
 	  for (i=0; i<128; i++)
 	  {
 		 Samples[i] =(int16_t)(((g_AdcConvResult_A[i]   0xfff0) >> 4) - 2979);//substract the 2.3v offset in the Amplifier output
 	   }
 	 g_DmaTransferDoneFlag_A = false;

    }
   else if(g_DmaTransferDoneFlag_B == true)
   {
 	  for (i=0; i<128; i++)
 	  {
 		 Samples[i] =(int16_t)(((g_AdcConvResult_B[i]   0xfff0) >> 4) - 2979);//substract the 2.3v offset in the Amplifier output
 	  }
 	  g_DmaTransferDoneFlag_B = false;
   }

根據(jù)FFT算法的原理，在進(jìn)行FFT計(jì)算之前，還需要將ADC的采樣值Samples[]乘上一個(gè)窗函數(shù)，這里我們使用的漢寧窗函數(shù)，由于篇幅限制，具體原理可以去查看FFT算法相關(guān)的資料。

    //If 'Window' isn't rectangular, apply window
    if(Window == Triangular){
        //Apply a triangular window to the data.
        for(Cnt = 0; Cnt>L2Len;
            else Samples[Cnt] = ((int32_t)Samples[Cnt]*((Len/2)-Cnt))>>L2Len;
        }
    }
    else if(Window == Hann){
        //Use the cosine window wavetable to apply a Hann windowing function to the samples
        for(Cnt = 0; Cnt>L2Len;
            Samples[Cnt] = ((int32_t)Samples[Cnt]*(int32_t)CosWindow[Index])>>(CWBD);
        }
    }

前面說(shuō)了這么多，F(xiàn)FT算法才是實(shí)現(xiàn)音樂(lè)頻譜顯示的關(guān)鍵部分（其實(shí)上邊每一步都缺一不可）。

我在網(wǎng)上找了好多FFT算法的資料，大家在做頻譜顯示時(shí)，用到最多的就是CMSIS DSP的算法庫(kù)。于是乎，采用CMSIS DSP的庫(kù)貌似是首選。

但是不用不知道，一用才發(fā)現(xiàn)，由于CMSIS DSP的庫(kù)使用的是查表的方式，我的64K Flash的LPC845輕輕松松就被撐爆了。沒(méi)辦法，只能改用其他方案。經(jīng)過(guò)不懈的查閱資料，在GitHub找到一份FFT算法的代碼，這個(gè)代碼寫(xiě)的非常簡(jiǎn)潔，而且用起來(lái)很好用，感謝發(fā)布者pyrohaz，下面是FFT代碼的一部分。

/*
  FIX_MPY() - fixed-point multiplication   scaling.
  Substitute inline assembly for hardware-specific
  optimization suited to a particluar DSP processor.
  Scaling ensures that result remains 16-bit.
*/
inline short FIX_MPY(short a, short b)
{
    /* shift right one less bit (i.e. 15-1) */
    int c = ((int)a * (int)b) >> 14;
    /* last bit shifted out = rounding-bit */
    b = c   0x01;
    /* last shift + rounding bit */
    a = (c >> 1) + b;
    return a;
}
fix_fft(short fr[], short fi[], short m, short inverse)函數(shù)，F(xiàn)FT計(jì)算函數(shù)

int fix_fft(short fr[], short fi[], short m, short inverse)
{
    int mr, nn, i, j, l, k, istep, n, scale, shift;
    short qr, qi, tr, ti, wr, wi;

    n = 1 << m;

    /* max FFT size = N_WAVE */
    if (n > N_WAVE)
        return -1;

    mr = 0;
    nn = n - 1;
    scale = 0;

    /* decimation in time - re-order data */
    for (m=1; m<=nn; ++m) {
        l = n;
        do {
            l >>= 1;
        } while (mr+l > nn);
        mr = (mr   (l-1)) + l;

        if (mr <= m)
            continue;
        tr = fr[m];
        fr[m] = fr[mr];
        fr[mr] = tr;
        ti = fi[m];
        fi[m] = fi[mr];
        fi[mr] = ti;
    }       

接 fix_fft(short fr[], short fi[], short m, short inverse)函數(shù)

   l = 1;
    k = LOG2_N_WAVE-1;
    while (l < n) {
        if (inverse) {
            /* variable scaling, depending upon data */
            shift = 0;
            for (i=0; i 16383 || m > 16383) {
                    shift = 1;
                    break;
                }
            }
            if (shift)
                ++scale;
        } else {
            /*
                fixed scaling, for proper normalization --
                there will be log2(n) passes, so this results
                in an overall factor of 1/n, distributed to
                maximize arithmetic accuracy.
            */
            shift = 1;
        }

接fix_fftr(short f[], int m, int inverse)函數(shù)

 /*
            it may not be obvious, but the shift will be
            performed on each data point exactly once,
            during this pass.
        */
        istep = l << 1;
        for (m=0; m>= 1;
                wi >>= 1;
            }
            for (i=m; i>= 1;
                    qi >>= 1;
                }
                fr[j] = qr - tr;
                fi[j] = qi - ti;
                fr[i] = qr + tr;
                fi[i] = qi + ti;
            }
        }
        --k;
        l = istep;
    }
    return scale;
}


/*
  fix_fftr() - forward/inverse FFT on array of real numbers.
  Real FFT/iFFT using half-size complex FFT by distributing
  even/odd samples into real/imaginary arrays respectively.
  In order to save data space (i.e. to avoid two arrays, one
  for real, one for imaginary samples), we proceed in the
  following two steps: a) samples are rearranged in the real
  array so that all even samples are in places 0-(N/2-1) and
  all imaginary samples in places (N/2)-(N-1), and b) fix_fft
  is called with fr and fi pointing to index 0 and index N/2
  respectively in the original array. The above guarantees
  that fix_fft "sees" consecutive real samples as alternating
  real and imaginary samples in the complex array.
*/
int fix_fftr(short f[], int m, int inverse)
{
    int i, N = 1<<(m-1), scale = 0;
    short tt, *fr=f, *fi= f[N];

    if (inverse)
        scale = fix_fft(fi, fr, m-1, inverse);
    for (i=1; i

int fix_fft(short fr[], short fi[], short m, short inverse) 是FFT算法的計(jì)算函數(shù)，fr[]是ADC采集到信號(hào)值的實(shí)部，fi[]是ADC采集到信號(hào)值的虛部。經(jīng)過(guò)fix_fft函數(shù)處理之后，fr[]是FFT計(jì)算所得實(shí)部，fi[]是計(jì)算所得的虛部。

我們最終要顯示的音樂(lè)頻譜其實(shí)是FFT頻域中音頻的幅值，幅值的計(jì)算是實(shí)部的平方+虛部的平方開(kāi)根號(hào)。下面是具體的幅值計(jì)算部分的代碼，每一個(gè)幅值點(diǎn)對(duì)應(yīng)OLED的一列像素點(diǎn)。

//Calculate the magnitude
    for(Cnt = 0; Cnt>ColumnFilter; //calculate the DB
            }
            else{
                Col[Index] += (BufSum-Col[Index])>>ColumnFilter;  //calculate the amplitude
            }

            //Limit maximum column value
            if(Col[Index] >= YPix-9) Col[Index] = YPix-10;

            IndO = Index;
            BufSum = 0;
        }
    }

來(lái)源：恩智浦MCU加油站

免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理

審核編輯 黃宇