首页/文章/ 详情

大学毕业设计一席谈之四十一 压电信号的睡眠检测算法(4)浮点转定点

6月前浏览735

本文摘要:(由ai生成)

本文探讨了数字信号处理在本科生毕业设计中的应用,强调理论与实践结合的重要性。深入探讨了傅里叶变换、FIR滤波器、半带滤波器和定点化等主题,特别指出半带滤波器在音频处理、通信系统等中的应用。文章还详细解释了定点化的重要性及步骤,并通过MATLAB代码示例展示了如何通过半带滤波器进行下采样和定点数转换,提出了确定位数和防止溢出的问题,为本科生毕业设计提供了指导。

这个课题作为本科生的毕业设计题目非常的好!可以把课本《数字信号处理》的理论完美的和实践结合起来!当然是否能结合起来还要取决于学习的深度。如果只是依葫芦画瓢的写程序,那么永远也学不到精髓!程序要吃透肯定需要反复理解!

之前的程序里面涉及了傅里叶变换和FIR滤波器,还有抽取滤波器,现在又要涉及定点转换过程的讲解!这不就是数字信号处理教材里面的多个章节知识吗?所以,当你把本课题做完,自然半本书就消化了。下面是我们学院所用教材的目录,我列出和本课题相关的目录!

本人所用的教材!

这些知识虽然是理论,但是在实际应用中非常重要!如果大家以后接触到频谱仪,就知道此章节知识的重要性了!

因为重要,所以一一呈现!

还会造成谱间串扰!

频谱中信号的频率值如何换算?什么是栅栏效应?能不能彻底消除呢?等等。这些知识在多个领域都会得到应用!在《GPS信号的捕获》系列文章中这些知识的作用更是体现的淋漓尽致!

程序里面体现了多个知识点!比如进入FFT的长度是2的整次幂!如何计算频谱中峰值的频率!还有些知识点需要回看DFT的内容。

窗函数法和最优化设计法是最常用的!MATLAB中都有相应的函数可以完成这两种设计。

本产品的程序中采用了半带滤波器!

半带滤波器是一种特殊的数字滤波器,它在信号处理领域有着广泛的应用。其设计和工作原理基于特定的数学特性,使其在处理信号时具有高效性和优越的性能。
(1)原理
半带滤波器的核心原理在于其频率响应的特性。它的幅度频率响应关于四分之一采样频率π/2弧度对称,这意味着其通带和阻带的频率关系也是对称的。在理想情况下,半带滤波器的通带和阻带波纹相等,这些特征反映在滤波器的冲激响应中。对于抽头个数为奇数的半带滤波器,其接近一半的滤波器系数为零且交错在非零系数之间。
这种滤波器的一般频率响应可以通过数学公式表示,例如,对于一个N阶的半带FIR滤波器,其频率响应H(e^jω)可以通过特定的函数来定义,其中ω是归一化频率。半带滤波器的系数具有偶对成性,且长度为偶数(阶数为奇数),所有大于0的偶数序号的冲激响应值均为0。这种特性使得半带滤波器在实现时能够有效减少计算复杂度和资源消耗。
(2)应用
半带滤波器的应用非常广泛,它可以用于多种领域,包括但不限于:
1. 音频处理:在音频处理中,半带滤波器可以用来滤除多余的高频和低频信号,从而获得更加精确的音色。
2. 滤波器设计:在滤波器设计中,半带滤波器可以用来滤除多余的噪声,从而获得更加精确的信号。
3. 通信系统:在通信系统中,半带滤波器可以用来滤除多余的频率信号,从而提高信号的传输效率。
4. 信号处理:在信号处理领域,半带滤波器可以用来滤除噪声,提高信号的精度和可靠性。
此外,半带滤波器在数字下变频和抽取操作中也有重要应用。例如,在FPGA实现中,利用半带滤波器的高密度零值系数可以产生最小面积实现,从而优化硬件资源的使用。总的来说,半带滤波器通过其独特的频率响应和系数特性,在信号处理的多个领域中提供了高效和精确的解决方案。

定点化!

为什么要进行浮点数转换为定点数的工作呢?这可以降低产品中处理器的性能要求,意味着可以降低产品的成本。在写算法前,厂家给出的信号采样文件中采样值都是整数形式,那么可以知道AD采样后的结果就是整数。如果此时程序转化为定点处理算法,那么将减小信号的处理时间,减小了信号处理器的计算压力!这对应着教材的最后一章!在单片机中的转换没有在FPGA中灵活,因为数据类型确定后,位数也就确定了!对于本科生而言,学会写在单片机中的定点数字信号处理程序已经是非常优秀的,至少比当年的我厉害十倍!

一起来看看AI对于定点化的知识讲解!

提问:算法程序中浮点如何转定点?

回答:在算法程序中,浮点数转换为定点数通常涉及以下步骤:
确定定点数的位宽和位格式:首先,你需要确定定点数的位宽(即总共有多少位),以及这些位如何分配给整数部分和小数部分。例如,一个8位定点数可能有4位表示整数部分,4位表示小数部分。当然实际中经常只有整数部分。
选择浮点数的表示格式:浮点数通常有两种表示格式:单精度(32位)和双精度(64位)。了解你的浮点数是哪种格式很重要,因为这会影响转换的细节。
缩放浮点数值:浮点数通常由尾数(或称为有效数字)、指数和基数(或称为偏移量)组成。为了将浮点数转换为定点数,你需要将其缩放到合适的范围,使得转换后的定点数不会溢出。
转换过程:
分离尾数和指数:将浮点数的尾数和指数分离。这通常涉及到位操作,如掩码和位移。
调整尾数:根据定点数的小数位数调整尾数。这可能涉及到四舍五入或截断。
计算新的指数:根据定点数的格式,计算新的指数值。这可能需要将浮点数的指数偏移量转换为定点数的偏移量。
组合新的尾数和指数:将调整后的尾数和计算出的新指数组合起来,形成定点数的二进制表示。
处理溢出和舍入误差:在转换过程中,可能会发生溢出或舍入误差。你需要决定如何处理这些情况,例如通过饱和(限制数值在最大/最小范围内)或返回错误信息,这些也就是防止溢出的措施。
测试和验证: 在成为产品级程序之前,需要测试转换过程以确保其准确性。这可能包括对一系列浮点数进行转换,并验证结果是否符合预期。
在实际编程中,这个过程可能会使用特定的库函数或内置语言功能来完成。
请注意,这个过程可能因编程语言和目标硬件平台的不同而有所变化。在某些情况下,编译器或处理器可能提供了专门的指令或函数来执行这种转换。
点评:理论很完备,因为这些都可以从网络上获取。但是有些讲的不切实际,当然更无法给出相关代码!这样的人工智能对于工科而言只能算是非常好的帮手!写程序还是要靠自己!!!上述内容也经过本人剪裁才看起来更加顺畅!未来会怎样,尚不清楚!我的观点是在编程方面肯定能替代人类!相比较而言,我更期待脑机接口技术的进步带来的变化!

其实也不复杂!
首先就是把含有小数的书都变成整数,然后确定这种情况下数据所需要的位宽,确保不溢出。最后才是比较与浮点程序的性能差异。这样的总结是不是比 AI 的好懂一些!一起来看看定点程序的代码吧!
%----       通过半带滤波器下采样   ----- 
hbfir_coef = [0.000347 0 0.00251 0 -0.010159 0 0.0306 0 -0.082 0 0.309 0.5 0.309 0 -0.082 0 0.0306 0 -0.0102 0 0.0025 0 0.00035];  
hbfir_coef_13 = floor(hbfir_coef*1024*4); 
% 13位有符号存储
% 提问:为什么要13位?这个位数如何确定?

来源:通信工程师专辑
MATLAB通信理论人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-05-12
最近编辑:6月前
算法工匠
博士后 | 高级工程师 诚信做事 认真讲课 传播知识
获赞 395粉丝 2586文章 342课程 40
点赞
收藏
作者推荐
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈