【瑞萨AI挑战赛】加速FFT算法交流频率主动预测功能
致谢：感谢瑞萨官方提供本次FPB-RA6E2快速原型板的评测机会，为本次实践与报告撰写提供了有力支持。**一.目标完成任务**
1. **完成快速原型板卡的环境与调试**
2. **完成快速原型板卡的基本功能编译**
3. **尝试移植FFT快速测频算法**
4. **模型测试**
**二.FFT算法介绍**
** FFT（快速傅里叶变换）是离散傅里叶变换（DFT）的高效实现算法，核心作用是将时域信号（如传感器采集的连续电压信号）快速转换为频域信号，清晰呈现信号的频率分布特征，大幅降低DFT算法的计算量，提升信号处理效率。其核心原理是通过分治思想，将N点DFT分解为多个小点数DFT的组合，减少乘法与加法运算次数，广泛应用于数字信号处理、传感器数据分析、通信、音频处理等领域，也是本次评测中板卡加速验证的核心算法。**
** FFT算法在交流电频率计算已经得到广泛的应用了，但是FFT算法的频率计算是有限的，对于高速使用或者对于频率有快速响应要求的情况下,FFT算法反而就会显示出他的滞后性，本次为了目的是否能够通过模型训练来加速FFT算法**
**三.基础测评过程**
1. **软件安装：安装e² studio IDE与瑞萨FSP软件包，配置编译器与调试器，确保IDE可正常识别板载J-Link仿真器；**
2. **项目初始化：创建基于FPB-RA6E2的快速入门项目，复制demo项目并修改名称，编译项目确认无报错；**
3. **外设配置：配置ADC与DMAC模块，选择引脚作为ADC采样通道，启用扫描中断与传输中断，关联ADC与DMAC模块以实现数据高速采集；**
4. **调试配置：添加SEGGER\_RTT组件，初始化RTT功能，通过J-Link RTT Viewer查看调试信息，验证ADC数据采集功能正常；**
5. **基础测试：编写简单测试程序，实现ADC传感器数据采集与打印，确认板卡供电稳定、外设工作正常，数据采集无丢失、无异常噪声。**
四.调试过程
!(https://www.eefocus.com/forum/data/attachment/forum/202603/18/143247zwxohghyfyghno45.png)
第一次使用studio调试软件，因为有过gcc的经验所以上手起来还是比较快的，第一次安装的时候遇到VSC++一直安装不上后来从网上寻找到的小脚本工具才正常安装上了，如果你遇到同样的问题，我会在文末把小工具分享出来。
!(https://www.eefocus.com/forum/data/attachment/forum/202603/18/143254z5k52s5dzorxzo2t.png)
通过打印信息将所获取的频率给打印出来，通过自己写的相关脚本把数据给包装起来。
!(https://www.eefocus.com/forum/data/attachment/forum/202603/18/143257zmwoohfsfthhsbwq.png)
模拟数据测试，从文件打包出来的历史数据。
---
示例代码内容
````/*
#include "r_fft.h"
#include "rtthread.h"
#include "dsp/fft.h"
/* 配置FFT算法参数 */
#define FFT_POINTS 1024 // FFT计算点数（2的幂次，适配瑞萨FFT库）
#define FFT_SAMPLE_FREQ1000 // 采样频率1kHz（与ADC采集频率一致）
#define FFT_DATA_BUF_LEN (FFT_POINTS * 2)// 复数数组长度（实部+虚部）
/* 定义FFT输入输出缓冲区（对齐内存，提升运算效率） */
ALIGN(4) static rt_int16_t fft_input_buf;// 输入：实部在前，虚部补0
ALIGN(4) static rt_int16_t fft_output_buf; // 输出：复数结果
static float fft_magnitude; // 存储频域幅值（仅取前半部分有效数据）
/* 模拟ADC采样数据（实际场景替换为板卡ADC采集数据） */
static void fft_simulate_adc_data(rt_int16_t *buf, rt_uint32_t len)
{
rt_uint32_t i;
/* 生成混合正弦波：50Hz + 100Hz（模拟传感器时域信号） */
for (i = 0; i < len/2; i++)
{
/* 实部：50Hz正弦波 + 100Hz正弦波，幅值缩放至16位范围 */
buf = (rt_int16_t)(3000 * rt_sin(2 * RT_PI * 50 * i / FFT_SAMPLE_FREQ)
+ 2000 * rt_sin(2 * RT_PI * 100 * i / FFT_SAMPLE_FREQ));
buf = 0; // 虚部初始化为0
}
}
/* 计算FFT幅值（模值），仅保留前N/2个频点（奈奎斯特频率） */
static void fft_calc_magnitude(rt_int16_t *fft_out, float *magnitude, rt_uint32_t points)
{
rt_uint32_t i;
for (i = 0; i < points/2; i++)
{
/* 幅值 = 根号(实部² + 虚部²)，缩放为浮点值 */
float real = (float)fft_out / 32768.0f;
float imag = (float)fft_out / 32768.0f;
magnitude = rt_sqrt(real*real + imag*imag);
}
}
/* 打印FFT关键频点结果（仅打印幅值前10个频点，简化输出） */
static void fft_print_result(float *magnitude, rt_uint32_t points)
{
rt_uint32_t i;
rt_kprintf("\nFFT计算结果（前10个频点）：\n");
rt_kprintf("频点(Hz) | 幅值\n");
rt_kprintf("------------------\n");
for (i = 0; i < 10; i++)
{
/* 频点频率 = 采样频率 * 频点索引 / FFT点数 */
rt_uint32_t freq = FFT_SAMPLE_FREQ * i / points;
rt_kprintf("%-8d | %.4f\n", freq, magnitude);
}
}
void hal_entry(void)
{
rt_kprintf("\nHello RT-Thread!\n");
rt_kprintf("==================================================\n");
rt_kprintf("This example project is a FFT algorithm routine!\n");
rt_kprintf("FFT Points: %d | Sample Freq: %dHz\n", FFT_POINTS, FFT_SAMPLE_FREQ);
rt_kprintf("==================================================\n");
/* 初始化FFT输入缓冲区 */
rt_memset(fft_input_buf, 0, sizeof(fft_input_buf));
rt_memset(fft_output_buf, 0, sizeof(fft_output_buf));
rt_memset(fft_magnitude, 0, sizeof(fft_magnitude));
do
{
/* 1. 模拟ADC采集时域数据 */
fft_simulate_adc_data(fft_input_buf, FFT_DATA_BUF_LEN);
/* 2. 执行FFT计算*/
r_fft_execute(fft_input_buf, fft_output_buf, FFT_POINTS);
/* 3. 计算频域幅值 */
fft_calc_magnitude(fft_output_buf, fft_magnitude, FFT_POINTS);
/* 4. 打印FFT结果 */
fft_print_result(fft_magnitude, FFT_POINTS);
/* 5. 延时1秒，循环执行FFT */
rt_thread_mdelay(1000);
}while(1); // 无限循环执行FFT
}`
````
五.结论
本次测试的过程还是很赶时间的，很多扩展功能还没有测试到，不过还是很感谢官方给的本次测试机会
六.附录
解决编译软件权限不足的问题链接：(https://itxiaozhang.com/fix-visual-cpp-error-1402-registry-permission/)
页:
[1]