企业官网建设流程全解析

简介：这份资源面向数字信号处理初学者与嵌入式DSP开发者，聚焦在TI TMS320F28035浮点DSP上实现快速傅里叶变换的完整工程代码，可用于频谱分析、滤波等实时信号处理场景的学习与移植。压缩包共约2000个文件，整体10.33MB，以528个C源码与237个头文件为核心，配合304套CCS工程与构建配置、104个链接命令文件、49个汇编文件及若干GEL调试脚本、数学库与说明文档，完整保留了Code Composer Studio下的工程结构。代码覆盖位反转、蝶形运算、旋转因子预计算、复数乘法与数据缓冲等FFT关键环节，并涉及CLA协处理器与浮点数学库的调用方式。已有548人学习下载，适合希望理解FFT算法落地细节、对照工程调试与验证结果的读者参考。

1. 从一份 TMS320F28035 FFT 代码说起：它到底能解决什么问题

如果你正在用 TMS320F28035 做电机控制、数字电源或者并网逆变器，大概率会遇到一个绕不开的需求：把 ADC 采回来的时域波形转成频域，看谐波分布、做锁相或者分析振动。这时候你需要的不是 MATLAB 里那条fft(x)，而是一份能在 C2000 定点 DSP 上跑起来、不依赖操作系统、RAM 占用可控的 FFT 实现。这份 TMS320F28035 FFT 代码就是干这个的——它把 TI 官方 C28x 定点库里的 RFFT 例程做了裁剪和适配，直接对着 F28035 的存储映射和 IQmath 风格的数据格式来写，拿来就能往工程里塞。

它适合两类人：一类是刚接手 F28035 项目、被 16 位定点 Q 格式和位反转折腾得够呛的新手；另一类是已经用过 C28x 库、但想搞清楚旋转因子表怎么生成、蝶形运算怎么对齐、结果怎么换算回真实幅值的熟手。代码本身不复杂，坑都在细节里——采样点数必须是 2 的幂、输入要按 Q15 归一化、输出要除以 N/2 才是单边谱幅值。下面我按“先跑通、再调参、最后避坑”的顺序拆一遍。

2. F28035 上跑 FFT 的底层逻辑：定点、Q 格式与存储布局

2.1 为什么 F28035 必须用定点 FFT

TMS320F28035 是 C28x 内核加 CLA 协处理器的定点芯片，主频 60MHz，没有硬件浮点单元。你当然可以用软件浮点库，但一次 256 点浮点 FFT 在 60MHz 上跑下来要几毫秒，电机控制环路根本等不起。定点 FFT 把三角函数和乘法都压到 Q15 格式里，用__IQmpy或者直接(long)a * b >> 15来做，256 点 RFFT 大概 30 到 50 微秒就能出结果，这才是能塞进 10kHz 控制中断里的量级。

常见做法是直接用 TI 的C28x_FPU_Lib或者C28x_IQmath_Lib里的 RFFT 函数，但那些库默认按 32 位数据宽度和特定内存段来组织。F28035 的 RAM 只有 16KB 左右，留给 FFT 的缓冲区往往只有 1KB 到 2KB，所以必须把输入输出都压成 16 位，旋转因子表也存成 Q15。这份代码就是按这个约束来写的。

2.2 Q15 格式与位反转：两个最容易翻车的地方

Q15 的意思是用一个 16 位有符号整数表示 -1 到 1 之间的小数，具体是实际值 = 整数 / 32768。ADC 采回来的 12 位无符号数要先减 2048 偏置，再左移 4 位变成 Q15。这一步如果忘了减偏置，频谱里会冒出一个巨大的直流分量，把交流谐波全淹了。

位反转是另一个玄学点。FFT 的输入必须是位反转顺序，比如 8 点 FFT 的输入索引顺序是 0,4,2,6,1,5,3,7。TI 的库函数RFFT_f32内部会做位反转，但如果你自己写蝶形，就得手动排。我一般会先用一个小数组验证位反转表对不对，再往大点数上套。

// 将 ADC 原始值转为 Q15 格式，N 为点数 #define ADC_OFFSET 2048 #define ADC_SCALE 16 // 左移 4 位，12 位变 16 位 void ADC_To_Q15(int16 *adc_buf, int16 *q15_buf, Uint16 N) { Uint16 i; for(i = 0; i < N; i++) { // 减偏置后左移，注意结果可能溢出，实际用 long 中转 long tmp = ((long)adc_buf[i] - ADC_OFFSET) << 4; // 饱和处理，防止超过 Q15 范围 if(tmp > 32767) tmp = 32767; if(tmp < -32768) tmp = -32768; q15_buf[i] = (int16)tmp; } }

这段代码里ADC_OFFSET和ADC_SCALE要根据实际 ADC 位数改。12 位 ADC 满量程 4096，偏置 2048，左移 4 位刚好把 ±2048 映射到 ±32768。如果你用的是 16 位外部 ADC，偏置和移位都要重算。饱和处理不能省，否则电机突加负载时 ADC 打满，Q15 溢出会变成反相的大负数，频谱直接乱掉。

2.3 旋转因子表：存 RAM 还是算实时

旋转因子就是cos(2πk/N)和sin(2πk/N)的 Q15 值。256 点 FFT 需要 128 组 cos/sin 对，每组两个 16 位，一共 512 字节。F28035 的 RAM 够放，但如果你同时跑多个 FFT 或者点数更大，就得考虑放 Flash 里用const修饰，运行时用memcpy搬到 RAM 或者直接寻址。

我一般会把旋转因子表放在 Flash 的.const段，链接器会自动处理。但要注意 C28x 的 Flash 访问速度比 RAM 慢，如果 FFT 在中断里跑，最好在初始化时把表拷到 RAM 里的一个专用数组，用#pragma DATA_SECTION指定到FFT_TABLE段。这样每次蝶形读表都是单周期访问，不会拖慢中断。

// 旋转因子表，N=256 时只需前 128 组 #pragma DATA_SECTION(fft_twiddle, "FFT_TABLE") const int16 fft_twiddle[256] = { // cos 表 128 个，sin 表 128 个，均为 Q15 // 具体数值由 MATLAB 或 Python 生成后粘贴 };

生成这张表的时候，Python 里用int(round(math.cos(2*math.pi*k/N) * 32767))就行，注意正负号别搞反。sin 表的第一项是 0，cos 表第一项是 32767，如果发现频谱相位不对，先查这两个值。

3. 把代码跑起来：从工程配置到第一次出频谱

3.1 工程里要加的源文件和链接器配置

拿到这份代码后，别急着全塞进现有工程。先建一个最小测试工程，只加三个文件：fft.c、fft_twiddle.c和main.c。fft.c里是蝶形运算和位反转，fft_twiddle.c放旋转因子表，main.c里造一个 256 点的正弦波加三次谐波，跑完 FFT 后把幅值打到数组里，用 CCS 的 Graph 功能看频谱。

链接器文件里要加一段：

// 在 .cmd 文件里定义 FFT 专用段 MEMORY { PAGE 0: FLASH : origin = 0x3E8000, length = 0x008000 PAGE 1: RAM : origin = 0x000400, length = 0x000400 } SECTIONS { FFT_TABLE : > RAM, PAGE 1 .text : > FLASH, PAGE 0 }

这里FFT_TABLE段被放到 RAM 的 0x400 起始处，长度 0x400 刚好 1KB，够放 256 点旋转因子表加输入输出缓冲。如果你的工程 RAM 更紧张，可以把表留在 Flash，只把输入输出缓冲放 RAM。

3.2 调用 FFT 函数的完整流程

假设你已经把 ADC 数据转成了 Q15 存在fft_input数组里，接下来就是调 FFT 和算幅值。代码里一般会提供FFT_Run(int16 *input, int16 *output, Uint16 N)这样的接口，内部先做位反转，再做 log2(N) 级蝶形。

#define FFT_SIZE 256 int16 fft_input[FFT_SIZE]; int16 fft_output[FFT_SIZE]; // 实部在前，虚部在后，各 128 个 int16 fft_mag[FFT_SIZE/2]; // 单边谱幅值 void main(void) { Uint16 i; // 1. 造测试数据：50Hz 基波 + 150Hz 三次谐波，采样率 12.8kHz for(i = 0; i < FFT_SIZE; i++) { float t = (float)i / 12800.0; float sig = 0.8 * sin(2*3.14159*50*t) + 0.2 * sin(2*3.14159*150*t); fft_input[i] = (int16)(sig * 32767); } // 2. 执行 FFT FFT_Run(fft_input, fft_output, FFT_SIZE); // 3. 计算单边谱幅值：sqrt(re^2 + im^2) / (N/2) for(i = 0; i < FFT_SIZE/2; i++) { long re = fft_output[i]; long im = fft_output[i + FFT_SIZE/2]; long mag = sqrt(re*re + im*im); // 实际用 IQsqrt 或查表 fft_mag[i] = (int16)(mag / (FFT_SIZE/2)); } while(1); }

这段代码里FFT_Run的第二个参数fft_output是打包格式：前 128 个是实部，后 128 个是虚部。这是 TI C28x 库的惯例，不是标准复数交错格式，别搞混。算幅值时除以N/2是因为定点 FFT 每级蝶形都会让幅值翻倍，最后要归一化。如果你只关心相对大小，不除也行，但要做谐波百分比就得除。

3.3 用 CCS Graph 验证频谱对不对

跑完上面这段，在 CCS 里把fft_mag加到 Graph 窗口，设置 Q15 格式，采样率填 12800，点数填 128。正确的波形应该在 50Hz 和 150Hz 处各有一个峰，50Hz 的幅值接近 0.8，150Hz 接近 0.2。如果峰的位置对但幅值差一倍，检查归一化除数；如果峰的位置偏移，检查采样率和点数是否匹配；如果满屏都是杂波，大概率是 Q15 溢出或者位反转错了。

提示：第一次跑通前，先把输入数据固定成已知正弦，别直接接 ADC。ADC 的噪声和偏置会让频谱看起来像一锅粥，分不清是算法问题还是信号问题。

4. 避坑与排查：F28035 FFT 最常见的五个翻车点

4.1 现象：频谱里 0Hz 处有一个巨大峰值，交流成分被压得很低

原因：ADC 原始值没减偏置，或者减了偏置但没做 Q15 归一化，导致输入信号里混入了很大的直流分量。FFT 的 0 号输出就是所有输入之和，直流越大，这个值越夸张。

解决：在ADC_To_Q15里确认ADC_OFFSET等于 ADC 满量程的一半。12 位 ADC 是 2048，16 位是 32768。减完之后再左移，左移位数要保证最大交流幅值不超过 32767。如果 ADC 参考电压不是 3.3V，偏置值不变，但实际信号幅值要重新折算。

4.2 现象：FFT 结果每次都不一样，同一路信号跑两次频谱形状变了

原因：输入缓冲区被其他中断改写，或者 FFT 函数内部用了全局变量做临时存储，而中断里又调了同一个函数。F28035 的中断嵌套很常见，如果 FFT 没做可重入保护，数据就会串。

解决：给 FFT 函数加一个忙标志，或者把输入输出缓冲都定义成局部静态数组，确保每次调用前数据已经稳定。更稳妥的做法是在 ADC 中断里只做采样，把数据存到乒乓缓冲，主循环里再跑 FFT。如果非要在中断里跑，把 FFT 的临时数组也放到栈上，别用全局。

4.3 现象：编译通过但运行到 FFT 函数就进ILLEGAL_ISR或跑飞

原因：旋转因子表被链接到了 Flash 但没初始化，或者FFT_TABLE段和别的段重叠了。C28x 的 Flash 里const数据默认是初始化过的，但如果你手动指定了段又没在.cmd里正确映射，表里的值就是 0xFFFF，蝶形运算直接溢出。

解决：在.cmd里确认FFT_TABLE段有明确的LOAD和RUN地址。如果表放 RAM，要确保启动代码里有从 Flash 到 RAM 的拷贝循环。简单办法是先不指定段，让编译器自动分配，跑通后再优化。

4.4 现象：256 点 FFT 跑一次要 200 多微秒，中断周期不够用

原因：旋转因子表在 Flash 里，每次蝶形读表都要等 Flash 周期；或者用了软件浮点做幅值计算，sqrt和除法拖慢了整体。

解决：把旋转因子表拷到 RAM，用memcpy在初始化时做一次。幅值计算改用 IQmath 的IQsqrt或者查表法，别用math.h里的sqrt。如果还嫌慢，把 FFT 拆成两级：第一级在中断里做，第二级在主循环做，但这样会引入延迟，锁相环参数要重调。

4.5 现象：频谱峰值位置对，但幅值比理论值小一半或大一倍

原因：归一化除数搞错了。定点 FFT 每级蝶形让幅值乘 2，N 点 FFT 共 log2(N) 级，所以最终幅值要除以 N。但单边谱只取前 N/2 个点，能量等效于除以 N/2。如果你用了 TI 库的RFFT_f32，它内部已经做了 1/N 缩放，你再除就多除了。

解决：先确认你用的 FFT 实现有没有内部缩放。自己写的蝶形一般没有，要手动除 N/2。TI 的定点 RFFT 有些版本会在最后一级做 1/2 缩放，累计缩放因子是 1/N，这时候单边谱幅值直接取模就行，不用再除。最笨也最可靠的办法：输入一个幅值为 1 的直流（所有点都是 32767），看 0 号输出是多少，反推缩放系数。

5. 进阶技巧：用 CLA 分担 FFT 计算与定点溢出保护

5.1 把 FFT 拆到 CLA 上跑

F28035 的 CLA 是一个独立浮点协处理器，虽然主频也是 60MHz，但它不占用 C28x 的流水线。如果你的 FFT 点数不大（128 点以内），可以把蝶形运算搬到 CLA 上，C28x 只负责 ADC 采样和结果读取。CLA 支持浮点，所以旋转因子可以直接用float，省掉 Q15 转换的麻烦。

具体做法是：在 CLA 里定义一个__interrupt void cla_fft_task(void)，把输入数据通过CLAtoCPU消息 RAM 传进去，算完再传回来。CLA 的 FFT 代码可以直接用 TI 的CLA_FPU_Lib里的RFFT_f32，但要注意 CLA 的 RAM 更小，128 点 FFT 的输入输出加旋转因子表大概要 1.5KB，得仔细分配。

// CLA 任务里调用浮点 FFT 的片段 __interrupt void cla_fft_task(void) { // 从消息 RAM 读输入 float *in = (float *)0x0000A000; float *out = (float *)0x0000A400; // 调用 CLA 浮点 RFFT，点数 128 RFFT_f32(in, out, 128, 0); // 通知 C28x 算完了 Cla1Regs.MIFRC.bit.INT1 = 1; }

这段代码里0x0000A000是 CLA 消息 RAM 的地址，具体值查 F28035 手册的 CLA 数据 RAM 映射。RFFT_f32的第四个参数是缩放标志，0 表示不缩放，1 表示除以 N。CLA 跑浮点 FFT 的速度和 C28x 跑定点差不多，但省了 Q15 转换和溢出判断，代码更干净。

5.2 定点溢出保护：饱和与缩放策略

定点 FFT 最怕中间级溢出。256 点 Q15 输入，如果信号幅值接近满量程，第一级蝶形后实部虚部就可能超过 32767。常见做法有两种：一是每级蝶形后右移 1 位，相当于整体除以 N，但会损失精度；二是只在最后一级做饱和判断，中间用 32 位累加。

我一般用第二种：蝶形里的乘加用long做，结果存回int16前判断是否超过 ±32767，超了就钳位。这样只在最后一级损失一点精度，中间过程不会溢出。代价是每次蝶形多两条比较指令，256 点 FFT 大概多 10 微秒，换来的稳定性很值。

// 带饱和的蝶形运算核心 #define SATURATE(x) ((x) > 32767 ? 32767 : ((x) < -32768 ? -32768 : (x))) void butterfly(int16 *a, int16 *b, int16 wr, int16 wi) { long tr = (long)(*b) * wr - (long)(*(b+1)) * wi; long ti = (long)(*b) * wi + (long)(*(b+1)) * wr; tr >>= 15; // Q15 乘法后右移 ti >>= 15; int16 ar = *a; int16 ai = *(a+1); *a = SATURATE(ar + (int16)tr); *(a+1) = SATURATE(ai + (int16)ti); *b = SATURATE(ar - (int16)tr); *(b+1) = SATURATE(ai - (int16)ti); }

这段里wr和wi是旋转因子的实部和虚部，a和b指向两个复数点。注意tr和ti右移 15 位之前是long，不会溢出。饱和宏在加减之后立即生效，保证写回的都是合法 Q15。如果你发现频谱底噪比预期高，先把饱和去掉跑一次，对比一下是不是钳位引入的谐波。

5.3 验证 FFT 结果的一个笨办法

拿信号发生器给一个 1kHz 正弦，幅值 1V，ADC 参考 3.3V，那么 Q15 输入幅值大概是1/3.3*32767 ≈ 9929。跑完 FFT 后，1kHz 对应的 bin 是1000/12800*256 = 20，看第 20 个fft_mag是不是接近 9929。如果差得远，先查 ADC 前端有没有衰减或放大，再查归一化除数。这个办法虽然土，但能一次性把信号链和算法链都串起来验证。

从那以后我每次调 FFT，都先拿信号发生器打一个单频正弦，确认 bin 位置和幅值都对，再上真实信号。希望帮到你。

本文还有配套的精品资源，点击获取