嵌入式ARM设计编程(五) 实现信号的FIR滤波操作

简介: 嵌入式ARM设计编程(五) 实现信号的FIR滤波操作
文章和代码已归档至【Github仓库: hardware-tutorial】,需要的朋友们自取。或者关注公众号【AIShareLab】,回复 嵌入式 也可获取。

一、实验目的

通过实验了解嵌入式汇编语言程序结构,完成文件读写操作,实现对信号的滤波处理。

二、实验环境

1、硬件:PC 机

1、软件:ADS1.2 集成开发环境

三、实验要求

(1)自行设计一个FIR的低通滤波器(7阶以上),可以采用Matlab等其他工具软件设计,也可以直接给定滤波器系数。

(2)生成一个1000点的信号,可以采用Matlab等其他工具软件生成,也可以录制一个声音文件,也可以生成一个正弦波信号。

(3)对该信号添加高斯白噪声噪声。

(4)按照实验要求编写汇编语言源程序。

(5)对汇编源程序进行编译、汇编。

(6)对程序进行调试。

(7)观察程序运行结果,给出信号原始波形和信号滤波以后的波形,说明滤波的效果。

四、实验代码

程序代码如下:

其中滤波器的设计,信号的生成以及波形及频谱图的生成均借用Matlab完成

#include <math.h>
#include <stdlib.h>
 
#define Length 1024
#define pi 3.1415926
int fs=4096;    //采样频率
int f1=100;        //信号频率
int f2=200;        //噪声频率
#define w1 2*pi*f1/fs    //信号角频率
#define w2 2*pi*f2/fs    //噪声角频率
 
int i;
long input[Length];        //
long output[Length];
int min( int a, int b);
const int BL = 347;
const int B[347] = {
       -2,      0,      0,      0,      0,      1,      1,      2,      3,
        4,      5,      6,      8,     10,     12,     15,     18,     21,
       24,     27,     31,     34,     38,     42,     46,     49,     53,
       56,     60,     62,     65,     67,     68,     69,     69,     69,
       67,     65,     62,     59,     54,     49,     44,     37,     30,
       23,     15,      7,     -1,     -9,    -17,    -24,    -32,    -38,
      -44,    -49,    -53,    -56,    -58,    -58,    -57,    -55,    -52,
      -48,    -42,    -35,    -28,    -19,    -10,      0,     10,     20,
       30,     39,     48,     57,     64,     70,     74,     77,     78,
       78,     75,     71,     65,     58,     49,     38,     26,     13,
       -1,    -15,    -30,    -44,    -58,    -71,    -83,    -94,   -102,
     -109,   -113,   -115,   -115,   -111,   -105,    -96,    -84,    -70,
      -54,    -36,    -16,      5,     27,     49,     71,     93,    113,
      131,    147,    161,    171,    178,    181,    180,    174,    164,
      150,    131,    109,     82,     52,     19,    -16,    -53,    -91,
     -128,   -166,   -201,   -234,   -263,   -289,   -309,   -323,   -330,
     -330,   -322,   -305,   -280,   -246,   -203,   -151,    -90,    -21,
       55,    139,    228,    323,    422,    524,    629,    733,    837,
      939,   1037,   1131,   1218,   1299,   1371,   1433,   1486,   1528,
     1558,   1576,   1582,   1576,   1558,   1528,   1486,   1433,   1371,
     1299,   1218,   1131,   1037,    939,    837,    733,    629,    524,
      422,    323,    228,    139,     55,    -21,    -90,   -151,   -203,
     -246,   -280,   -305,   -322,   -330,   -330,   -323,   -309,   -289,
     -263,   -234,   -201,   -166,   -128,    -91,    -53,    -16,     19,
       52,     82,    109,    131,    150,    164,    174,    180,    181,
      178,    171,    161,    147,    131,    113,     93,     71,     49,
       27,      5,    -16,    -36,    -54,    -70,    -84,    -96,   -105,
     -111,   -115,   -115,   -113,   -109,   -102,    -94,    -83,    -71,
      -58,    -44,    -30,    -15,     -1,     13,     26,     38,     49,
       58,     65,     71,     75,     78,     78,     77,     74,     70,
       64,     57,     48,     39,     30,     20,     10,      0,    -10,
      -19,    -28,    -35,    -42,    -48,    -52,    -55,    -57,    -58,
      -58,    -56,    -53,    -49,    -44,    -38,    -32,    -24,    -17,
       -9,     -1,      7,     15,     23,     30,     37,     44,     49,
       54,     59,     62,     65,     67,     69,     69,     69,     68,
       67,     65,     62,     60,     56,     53,     49,     46,     42,
       38,     34,     31,     27,     24,     21,     18,     15,     12,
       10,      8,      6,      5,      4,      3,      2,      1,      1,
        0,      0,      0,      0,     -2
};

int min( int a, int b)
{
    return a < b? a : b;
}
 
int main() {
    int L,n;
    FILE *fp,*fp1;
    for(i=0;i<Length;i++){
            input[i]=1024*sin(w1*i)+1024*sin(w2*i);    //待滤波信号,乘以1024转换为Q10格式(sin范围为-1~1,将其转换为整数格式)}
    /*for(n=0;n<Length+BL;n++)                //卷积计算
    {
        output[n] = 0;
        for(m=0;(m<BL)&&(m<n);m++)
            output[n]+=B[m]*input[n-m];
    }*/
    for(n = 0; n < Length; n++)
    {    
        output[n] = 0;
        for(L = 0; L < min( n, BL); L++)
        {    
            output[n] += (B[L]*input[n-L]);
        }
    }
    fp1 = fopen("./input.txt","w");
    if(fp1==NULL)
    {
        printf("error\n");
        exit(0);
    }
    for(i=0;i<Length;i++)
    {
        fprintf(fp1,"%d\n",input[i]);
    }
    fclose(fp1);
    fp = fopen("./numbers.txt","w");
    if(fp==NULL)
    {
        printf("error\n");
        exit(0);
    }
    for(i=0;i<Length;i++)
    {
        fprintf(fp,"%d\n",output[i]);
    }
    fclose(fp);
    printf("Finish!");
    return 0;

输入信号波形图如下:

输入信号频谱图如下:

输出信号波形图如下:

输出信号频谱图如下:


欢迎关注公众号【AIShareLab】,一起交流更多相关知识,前沿算法,Paper解读,项目源码,面经总结。

目录
相关文章
|
2月前
|
数据处理
基于ARM的嵌入式原理与应用:ALU的功能与特点
基于ARM的嵌入式原理与应用:ALU的功能与特点
189 0
|
6月前
|
存储 Ubuntu 编译器
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(三)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(三)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(三)
|
6月前
|
Ubuntu Unix Linux
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(一)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(一)
|
6月前
|
Linux 编译器 语音技术
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(二)
合肥中科深谷嵌入式项目实战——基于ARM语音识别的智能家居系统(二)
|
5月前
|
机器学习/深度学习 人工智能 计算机视觉
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
好的资源-----打卡机+Arm+Qt+OpenCV嵌入式项目-基于人脸识别的考勤系统-----B站神经网络与深度学习,商城
|
6月前
|
存储 算法 Linux
详细解读ARM嵌入式整理
详细解读ARM嵌入式整理
45 0
|
7月前
|
安全 Unix Linux
【ARM】在NUC977上搭建基于boa的嵌入式web服务器
【ARM】在NUC977上搭建基于boa的嵌入式web服务器
190 0
|
24天前
|
机器学习/深度学习 弹性计算 人工智能
阿里云服务器架构有啥区别?X86计算、Arm、GPU异构、裸金属和高性能计算对比
阿里云ECS涵盖x86、ARM、GPU/FPGA/ASIC、弹性裸金属及高性能计算等多种架构。x86架构采用Intel/AMD处理器,适用于广泛企业级应用;ARM架构低功耗,适合容器与微服务;GPU/FPGA/ASIC专为AI、图形处理设计;弹性裸金属提供物理机性能;高性能计算则针对大规模并行计算优化。
|
2月前
|
编解码 弹性计算 应用服务中间件
阿里云服务器Arm计算架构解析:Arm计算架构云服务器租用收费标准价格参考
阿里云服务器架构分为X86计算、Arm计算、高性能计算等多种架构,其中Arm计算架构以其低功耗、高效率的特点受到广泛关注。本文将深入解析阿里云Arm计算架构云服务器的技术特点、适用场景以及包年包月与按量付费的收费标准与最新活动价格情况,以供选择参考。
|
2月前
|
机器学习/深度学习 弹性计算 编解码
阿里云服务器计算架构X86/ARM/GPU/FPGA/ASIC/裸金属/超级计算集群有啥区别?
阿里云服务器ECS提供了多种计算架构,包括X86、ARM、GPU/FPGA/ASIC、弹性裸金属服务器及超级计算集群。X86架构常见且通用,适合大多数应用场景;ARM架构具备低功耗优势,适用于长期运行环境;GPU/FPGA/ASIC则针对深度学习、科学计算、视频处理等高性能需求;弹性裸金属服务器与超级计算集群则分别提供物理机级别的性能和高速RDMA互联,满足高性能计算和大规模训练需求。