大点数FFT设计中提高资源利用率的方法

应用系统对于高速大点数快速傅里叶变换(FFT)处理器的需求越来越大,但大点数FFT意味着资源、面积和功耗的大幅提高,因此如何减少资源和芯片面积成为了在FFT设计中需要考虑的重要问题之一。介绍了适合于大点数FFT设计的基16蝶形算法,并基于此算法针对如何在设计中提高运算单元和存储单元利用率的问题进行了探讨,提出了相应的解决方法。在FFT电路设计中进行了功能验证和资源比较,证实了方法的可行性。     

少模光纤通信频域均衡中的大点数FFT设计

为了减小频域均衡系统电路实现的功耗和面积,满足长距离少模光纤通信对均衡器的要求,对关键环节快速傅里叶变换(FFT)电路的实现进行了研究,采用2维分解算法将大点数的FFT运算转换为小点数FFT处理器的设计,降低了硬件复杂度。设计了基于现场可编程门阵列的高速蝶形运算核,实现了16384点FFT的2维R22SDF结构,提高存储器的资源利用率,减少了复数乘法器的使用;进行了理论分析和实验验证,取得了不同时钟频率下的电路结构占用资源的数据。结果表明,FFT运算器的正确性得到验证,该FFT运算器能够适应少模光纤通信系统中优化频域均衡电路结构的要求,能够实现200MHz数据传输速度的频域均衡实时处理。     

基于ADSP-TS201的大点数FFT实现

为了解决雷达信号处理中大点数脉压问题,将一维大点数FFT拆成二维实现。首先给出大点数FFT变换的数学原理,然后以96K点为例,介绍了其在通用处理器ADSP-TS201的实现过程。测试结果表明,所提出的处理方式不仅能正确实现大点数FFT变换,而且具有较好的实时性。     

大点数FFT算法的改进及其实现

针对高速实时信号处理的需要，提出了一种对任意长度序列进行FFT的快速改进算法。通过对FFT处理前数据添零个数和DFT分解参数的优化选择，显著降低了FFT处理的运算量。结合频域脉冲压缩等信号处理实例，探讨了该算法在高速DSP上实现时的资源分配、程序编程以及传输I／O瓶颈问题，分别提出了具体的解决方法，并在实际DSP系统中测试了这种改进算法的性能指标，将其和普通算法的性能作了比较。     

无存储访问冲突的基2×K并行FFT架构

提出了一种无存储访问冲突的基2×K并行FFT架构.该架构通过并行地址产生算法,使K个基2蝶形运算单元同时读取或写入所需的2 K个操作数,达到平均每周期完成K个基2蝶式运算的处理能力.与已有的并行FFT架构相比,新架构地址产生电路简单,并且对于不同的K值,并行地址产生模块结构相同.在资源消耗方面,不考虑旋转因子,N点FFT处理器只需要3 N/2个存储单元.     

低成本可调FFT处理器的超大规模集成电路设计

文章提出了一种以基-22／23为基础的流水线结构,用以实现低成本、超大规模集成电路（VLSI）的快速傅里叶变换（FFT）处理器设计。该处理器在减少普通复数乘法器级数的同时,通过单路延时反馈（SDF）存取方式,以最少的存储字来获得FFT结果。对于数据通路,我们采用了混合浮点的数据缩放方式,在保证信噪比的同时,降低了数据长...     

离散傅里叶变换的算术傅里叶变换算法

离散傅里叶变换(DFT)在数字信号处理等许多领域中起着重要作用.本文采用一种新的傅里叶分析技术—算术傅里叶变换(AFT)来计算DFT.这种算法的乘法计算量仅为O(N);算法的计算过程简单,公式一致,克服了任意长度DFT传统快速算法(FFT)程序复杂、子进程多等缺点;算法易于并行,尤其适合VLSI设计;对于含较大素因子,特别是素数长度的DFT,其速度比传统的FFT方法快;算法为任意长度DFT的快速计算开辟了新的思路和途径.     

基于全相位FFT的稳健型时间调制阵列测向

基于谐波特征分析的时间调制阵列测向方法的正确性与精度严重依赖接收谐波的估计精度. 传统的离散傅里叶变换(discrete Fourier transform, DFT)或快速傅里叶变换(fast Fourier transform, FFT)在估计谐波的幅相时,由于信号频率通常偏离采样频率的整数倍,会形成栅栏效应,从而引起基于谐波特征分析的时间调制阵列测向的精度降低甚至失效. 针对该问题,本文将全相位FFT引入二单元时间调制阵列接收谐波的分析中,通过提升谐波幅相估计的鲁棒性来提升时间调制阵列测向方法的稳健性. 仿真结果表明,当信号的载频为频谱分辨率的任意小数倍时,提出的全相位FFT时间调制阵列测向方法均能正确测向,且随着信噪比的增加,测向均方根误差收敛至0. 本文工作提升了基于谐波特征分析的单通道时间调制阵列测向方法的稳定性。     

基于魂芯二号A的大点数FFT实现

随着雷达系统分辨率的不断提高,机载SAR领域要求的FFT点数也在不断增加,而国产化应用平台也需要同步实现.本文介绍了 一种超大点数FFT的实现方法,并在国产化魂芯二号A高性能DSP上进行实现,实验结果表明魂芯二号A实现1024K点FFT时间仅为5.913ms,优于进口同类器件.     

基12FFT算法

对N=12~M点DFT,本文介绍了一个基12FFT算法,该算法只有3.952N.log_2N次实数运算。     

一种新结构FFT算法及其FPGA实现

本文给出了一种面向FPGA实现的新结构FFT算法,并利用FPGA器件内部丰富的逻辑单元,RAM、ROM和DSP块实现了FFT核心运算的并行化,与利用传统结构实现的FFT相比大大提高了FFT的运算速度,与用DSP实现的FFT相比速度也要快得多。     

运用遗传算法结合FFT进行多单元失效阵列校准

提出了利用遗传算法（GA）结合快速傅立叶变换（FFT）方法来进行阵列失效的校准,通过引入傅立叶变换的变换域和角域的映射,在变换域中利用FFT计算个体阵列的阵因子,减少了GA评估个体的时间,从而大大提高了失效校准的速度。以一个-35分贝副瓣电平的32单元阵列为例,校准一单元失效和二单元失效的时间都减少了至少一个数量级,算法也可应用于两个以上单元失效的情况。     

应用于FFT处理器的新型串接CSD常数乘法器设计

快速傅里叶变换(FFT)广泛应用于正交频分复用(OFDM)系统的调制与解调中。FFT的输出需要输入序列与旋转因子(TF)进行复数乘法运算,由于正则有符号数(CSD)常数乘法器实现简单、硬件开销小,常用于此类复数乘法运算,但随着旋转因子常数值个数的增加,其硬件开销会成倍增长。为了降低硬件开销,利用参数分解减少常数值个数的方法,提出了一种新型串接CSD常数乘法器。仿真结果显示对比常用的布斯乘法器,该新型串接CSD常数乘法器设计方案实现与旋转因子Wi128、Wi256以及Wi512进行复数乘法运算的硬件资源消耗分别减少41%、34%和25%。     

基于迭代FFT算法的平面稀疏阵列优化方法

提出了一种基于迭代FFT算法的优化方法来实现平面稀疏阵列的峰值旁瓣电平优化,并给出了详细的优化步骤.在给定的旁瓣约束条件下,利用阵列因子与阵元激励之间存在的傅里叶变换关系,对不同的初始随机阵元激励分别进行迭代循环,就可以降低稀疏阵列的旁瓣电平.在迭代过程中,根据稀疏率将阵元激励按幅度大小置1置0来完成阵列稀疏.仿真实验...     

OFDM调制中高速FFT处理器设计的新方法

在宽带OFDM系统的实现中,FFT处理器是一个关键部分。通过对传统分裂基结构的改进,提出了适用于OFDM系统的FFT处理器的新方案。在方案中采用流水方式保证系统的速度,在计算、通信和存储间取得平衡,使取数据、计算旋转因子、复乘、DFT等操作协调一致,避免了瓶颈的出现。并且与以往提出的FFT处理器的方案进行比较,证明这种新方案采用了较少的乘法器数目以及较少的存储单元,提高了器件利用率。     

1M点FFT算法的FPGA设计与实现

采用可编程门阵列（FPGA）实现FFT算法,增加了信号处理的实时性。针对高速宽带信号的谱分析,提出了一种采用FPGA计算1M点FFT的实现方法,并对运算结果进行了测试验证。该成果同样适用于窄带信号的细微特征分析。     

大多普勒频偏SOQPSK信号FFT引导COSTAS环载波跟踪技术

SOQPSK信号包络恒定、相位连续,拥有很高的功率、频谱效率,在卫星通信、深空通信、航空遥测等系统中具有广泛的应用前景.为保证SOQPSK信号能够适应上述系统较大的载波多普勒平移,本文提出一种FFT引导COSTAS环的SOQPSK信号载波跟踪技术.算法首先利用FFT粗略估计多普勒频率,将载波频偏牵引至较小的误差范围,再利用改进的COSTAS环跟踪载波残差及相位误差,进而实现了对大频偏SOQPSK信号载波的稳态跟踪.仿真结果表明,本文所提算法不仅能够跟踪大频偏载波,而且在小频偏时性能亦优于传统方法.     

一种低复杂度的通用FFT处理器

利用R22SDF算法的低复杂度的特点,在其基础上演变出一种通用的FFT算法.该方法可适用于所有的2n点FFT运算.该算法采用流水线结构,以满足数据实时性处理的要求.     

基于FFT的有源欺骗干扰抑制

基于DRFM的干扰机转发的有源欺骗干扰由于具有目标回波相似的脉压增益和目标行为,严重影响了雷达获取真实目标信息的能力。针对该类干扰,根据雷达接收机匹配滤波器得到雷达回波脉压信号矩阵,对该脉压信号矩阵按行FFT得到雷达回波脉压信号频谱矩阵。基于该脉压信号频谱矩阵目标回波频点估计设置带通滤波器,并对脉压信号频谱矩阵滤波得到目标回波脉压信号频谱矩阵估计。对该目标回波脉压信号频谱矩阵按行IFFT得到目标回波脉压信号矩阵,从而得到了基于FFT的有源欺骗干扰抑制方法。仿真结果表明当雷达回波脉冲数为60时,在SwerlingI目标起伏下,该算法干扰抑制深度为20dB左右。在SwerlingII目标起伏下,该算法干扰抑制深度为19dB左右。