企业官网建设流程全解析

简介：这份资源面向嵌入式开发初学者与数字信号处理方向的工程师，围绕STM32F1系列单片机（ARM Cortex-M3内核）讲解并实现快速傅里叶变换，帮助读者在资源受限的MCU上完成时域到频域的转换，适用于通信、音频与图像处理等信号分析场景。压缩包共225个文件，约4.12MB，以60个h头文件与56个c源文件为核心，配合30个o目标文件、30个d依赖文件及27个crf等编译中间产物，另含uvprojx、uvoptx工程文件、map映射文件、hex烧录文件与bat脚本，构成一套可直接编译调试的完整Keil工程。内容覆盖Cortex-M3内核特性、Cooley-Tukey蝶形运算与位反转、内存布局、定时器中断触发、CMSIS-DSP库调用及误差与实时性分析等关键知识点。目前已有10174人学习下载，适合希望从零搭建FFT工程、对照源码理解算法实现并优化运算效率的读者参考。

1. 为什么在单片机上做 FFT，难点从来不是算法本身

很多人第一次在 STM32 上跑 FFT，都会有一个错觉：算法不是现成的吗，把公式抄进去不就行了。真正上手才发现，翻车的往往不是蝶形运算写错了，而是采样数据一塌糊涂、内存被栈冲爆、算出来的频谱全是镜像和噪声。FFT 本身是确定性的数学过程，可它跑在只有几十 KB RAM、没有 FPU 或者 FPU 只支持单精度的单片机上，问题就从「算法对不对」变成了「数据怎么进来、中间结果放哪、精度怎么保」。

这也是为什么「STM32 单片机实现 FFT」这个题目值得拆开讲。它表面上是一个算法移植问题，底层其实是三件事的耦合：ADC 采样与定时器触发的时序、定点/浮点运算在有限位宽下的取舍、以及内存布局对缓存和 DMA 的友好程度。搞懂这三层，你才算真正理解为什么同一份 FFT 代码，有人跑出来干净利落，有人跑出来全是鬼影。下面从采样这一层开始，一层层往下剥。

2. 采样与触发：频谱干不干净，在你按下 FFT 之前就定了

FFT 只是把时域样本变换到频域，它不会凭空创造信息，也不会修复已经坏掉的采样。频谱里出现的每一个杂散，几乎都能在采样阶段找到根源。这一章先把「数据怎么进到 RAM」这件事讲透，因为它是后面所有精度的前提。

2.1 定时器触发 ADC：为什么不能用循环里软件采样

最常见的错误写法是在主循环里while(1){ adc_val = ADC_GetConversion(); buffer[i++] = adc_val; }。这样采出来的数据，采样间隔取决于循环里其他代码的执行时间，抖动可能达到几十微秒。FFT 默认你送进去的是等间隔采样，一旦间隔不均匀，频谱就会发生频谱泄漏和杂散抬升，原本干净的单一频率会糊成一片。

正确的做法是让定时器硬件产生固定频率的触发信号，ADC 在每次触发时自动启动一次转换，转换完成由 DMA 把结果搬到缓冲区，全程不经过 CPU。这样采样间隔由定时器时钟和预分频决定，抖动在纳秒级。常见的实现思路是：TIM 配置成 PWM 或更新事件输出，作为 ADC 的外部触发源；ADC 配置成外部触发、连续转换关闭、DMA 循环模式；DMA 配成半满和全满中断，半满时处理前半段，全满时处理后半段，实现「边采边算」。

// 定时器触发 + ADC + DMA 的典型配置骨架（以常见 HAL 风格为例） // TIM: 更新事件作为 TRGO 输出 htim3.Init.Prescaler = 0; htim3.Init.Period = (SystemCoreClock / 2 / SAMPLE_RATE) - 1; // 定时器时钟的一半 HAL_TIM_Base_Start(&htim3); // ADC: 外部触发，触发源选 TIM3_TRGO hadc1.Init.ContinuousConvMode = DISABLE; // 关键：不要连续转换 hadc1.Init.ExternalTrigConv = ADC_EXTERNALTRIGCONV_T3_TRGO; HAL_ADC_Start_DMA(&hadc1, (uint32_t*)adc_buf, FFT_LEN); // DMA: 循环模式，半满/全满中断 // 半满回调里对 adc_buf[0..N/2-1] 做 FFT，全满回调里对后半段做

这里每个参数都有讲究。ContinuousConvMode必须关掉，否则 ADC 会自己连续转换，定时器触发就失效了。Period决定了采样率，它和 FFT 点数一起决定了频率分辨率：分辨率 = 采样率 / 点数。比如采样率 10 kHz、点数 1024，分辨率约 9.77 Hz，意味着两个频率相差小于这个值的信号无法被区分。DMA 用循环模式是为了让缓冲区首尾相接，避免手动重置指针带来的采样空档。

2.2 采样率、点数与频率分辨率的三方约束

很多人调 FFT 时只盯着点数，觉得点数越多越好，结果 RAM 不够、算得又慢。实际上这三个量是互相锁死的。采样率必须满足奈奎斯特，至少是你要分析的最高频率的两倍，工程上一般留 2.5 到 4 倍余量。点数决定了频率分辨率，也决定了运算量和内存占用。在 STM32 上，1024 点复数 FFT 的输入缓冲区如果是 32 位浮点，光输入就要 8 KB，加上输出和旋转因子，很容易吃掉十几 KB。

一个实用的取舍是：先用采样率和目标分辨率反推点数，再看 RAM 够不够。如果 RAM 紧张，就降低点数或者改用定点。比如要分析 0 到 1 kHz 的信号，采样率取 4 kHz，想要 4 Hz 分辨率，那点数就是 1000，取最近的 2 的幂 1024。如果 RAM 只够 512 点，那分辨率就降到约 7.8 Hz，这是硬约束，不是代码能绕过去的。

2.3 加窗：为什么矩形窗在非整数周期时必然泄漏

即使采样完全等间隔，如果信号频率不是频率分辨率的整数倍，也就是在一个采样窗口内不是整数个周期，FFT 会认为信号在窗口边界处发生了突变，频谱上就会出现泄漏，主瓣变宽、旁瓣抬高。这不是 bug，是 DFT 的数学性质。解决办法是加窗，用汉宁、汉明或布莱克曼窗在窗口两端把信号渐隐到零，减小边界突变。

代价是加窗会让主瓣变宽，频率分辨率下降，同时幅度需要做补偿。常见的实现思路是：如果只关心某个已知频率的幅度，用平顶窗，幅度精度最高；如果关心频率成分的相对分布，用汉宁窗，泄漏和分辨率折中。加窗是在时域逐点乘窗函数系数，可以在 DMA 半满中断里顺手做掉，几乎不增加额外开销。

提示：加窗系数表可以预先算好放在 Flash 里，运行时只做乘法，不要每次调用sin()现算，那会拖慢整个采样节奏。

3. 蝶形运算与旋转因子：FFT 到底省在哪，又贵在哪

采样数据准备好之后，就进入 FFT 本体。这一章讲清楚 FFT 相比 DFT 到底省了什么，以及旋转因子这个「看起来只是几个 cos/sin」的东西，为什么是精度的主要来源。

3.1 从 DFT 到 FFT：分治把 N² 降到 N·logN

DFT 的定义是每个输出频点都要和所有 N 个输入样本做一次复数乘加，总共 N² 次复数乘法。N 等于 1024 时就是约一百万次，在单片机上直接算会慢到无法接受。FFT 的核心是分治：把 N 点序列按奇偶拆成两个 N/2 点序列，分别做 DFT，再用旋转因子把两者组合起来。这样递归下去，运算量降到约 (N/2)·log₂N 次复数乘法，1024 点大约是 5120 次，比 DFT 少了两个数量级。

这个拆分在代码里通常用位反转加迭代实现，而不是真的递归，因为递归在单片机上栈开销太大。位反转的意思是：输入序列按索引的二进制位倒序重排，比如 8 点里索引 1（001）和 4（100）互换。重排之后，每一级蝶形运算的输入都是相邻的，可以原地计算，不需要额外缓冲区。

// 基 2 时域抽取 FFT 的迭代骨架（定点/浮点通用结构） // 输入 x[] 已按位反转顺序重排，N 为 2 的幂 for (stage = 1; stage <= log2N; stage++) { int half = 1 << (stage - 1); // 本级蝶形的半跨度 int step = half << 1; // 本级蝶形的整跨度 for (start = 0; start < N; start += step) { for (j = 0; j < half; j++) { // 旋转因子 W = exp(-j*2*pi*j/step) float wr = twiddle_re[j * (N / step)]; float wi = twiddle_im[j * (N / step)]; int a = start + j; int b = a + half; // 蝶形：t = W * x[b]; x[b] = x[a] - t; x[a] = x[a] + t float tr = wr * xr[b] - wi * xi[b]; float ti = wr * xi[b] + wi * xr[b]; xr[b] = xr[a] - tr; xi[b] = xi[a] - ti; xr[a] = xr[a] + tr; xi[a] = xi[a] + ti; } } }

这段代码里，stage控制当前是第几级蝶形，half是本级中两个参与运算的样本的距离，step是下一级的分组跨度。旋转因子按j * (N/step)索引，是因为每一级用到的旋转因子是整张表的一个子集，这样只需要存一张 N/2 长度的表，而不是每级各存一张。原地计算意味着xr、xi数组既是输入也是输出，省掉一份缓冲区，这在 RAM 紧张的单片机上很关键。

3.2 旋转因子的精度：定点 Q15 与浮点的真实差距

旋转因子是 cos 和 sin 的采样值，理论上幅度恒为 1。但在定点运算里，用 Q15 表示时，1 对应 32767，cos 值会被量化到最近的整数，误差在 ±1/32768 左右。单次误差很小，但 FFT 有 log₂N 级，每级都会累积，1024 点有 10 级，误差可能放大到千分之几。对于要求 60 dB 以上动态范围的应用，Q15 定点往往不够，需要 Q31 或者干脆用浮点。

STM32 的 F 系列和 H 系列里，带 FPU 的型号支持单精度浮点硬件指令，一次浮点乘加只要几个周期，比软件模拟定点快得多，精度也更好。但要注意，单精度浮点只有 24 位有效尾数，在 1024 点 FFT 里累积误差仍然存在，只是比 Q15 好很多。如果对动态范围要求极高，比如音频分析要看到 -90 dB 的谐波，那就需要双精度，但双精度在单片机上要么没有硬件支持，要么慢到不实用，这时候通常改用 Q31 定点加块浮点缩放。

3.3 溢出与缩放：定点 FFT 为什么必须每级右移

定点 FFT 有一个绕不开的问题：蝶形运算里x[a] + t和x[a] - t的幅度可能比原值大一倍。如果输入已经占满了 Q15 的满量程，第一级蝶形就会溢出。常见的做法是每一级蝶形之后统一右移一位，相当于每级除以 2，总共除以 N。这样输出幅度是输入幅度的 1/N，不会溢出，但小信号会被压得更小，信噪比下降。

另一种做法是块浮点：每级运算前检查当前块的最大值，根据它决定这一级整体右移几位，并记录总的移位量，最后统一补偿。这样能保留更多小信号细节，但实现复杂，需要额外的求最大值和移位逻辑。在 STM32 上，如果 RAM 和算力允许，直接用浮点可以完全绕开这个问题，代价是内存翻倍、速度慢一些。选哪种，取决于你的动态范围要求和芯片资源，没有标准答案。

4. 内存布局与 DMA：为什么你的 FFT 跑一半就 HardFault

算法写对了，采样也配好了，结果一跑就进 HardFault，或者算出来的频谱前半段正常后半段是垃圾。这类问题十有八九出在内存和 DMA 的配合上。这一章专门讲这些「不是算法错，但比算法错更难查」的坑。

4.1 栈、堆与静态缓冲区：FFT 数组该放哪

FFT 的输入输出数组通常比较大，1024 点浮点复数就是 8 KB。如果把它定义成局部变量，它会分配在栈上，而 STM32 默认栈大小往往只有 1 KB 到 4 KB，一进去就栈溢出，表现就是 HardFault 或者莫名其妙的变量被改写。正确的做法是定义成全局变量或static，让它落在.bss段，链接器会自动分配在 RAM 里。

如果用了 DMA，还要注意缓冲区所在的内存区域是否支持 DMA 访问。有些 STM32 型号的 CCM RAM 不支持 DMA，如果把 DMA 目标缓冲区放在那里，DMA 会静默失败或者触发总线错误。常见的实现思路是：查芯片参考手册的内存映射表，确认目标区域在 DMA 可访问的总线上，或者直接用链接脚本把 DMA 缓冲区定位到普通 SRAM。

// 正确：全局静态缓冲区，避免栈溢出，且便于 DMA 访问 #define FFT_LEN 1024 static float fft_in_re[FFT_LEN]; static float fft_in_im[FFT_LEN]; static uint16_t adc_buf[FFT_LEN]; // DMA 目标，注意对齐和内存区域 // 错误示范：局部数组，1024 点浮点复数直接压爆栈 // void bad(void) { float re[1024], im[1024]; ... }

4.2 半满/全满双缓冲：边采边算的时序陷阱

用 DMA 半满和全满中断实现边采边算，逻辑上是：半满时处理前半段，全满时处理后半段。但这里有一个隐蔽的竞争条件：如果 FFT 计算时间超过了半段采样的时间，就会出现「前半段还没算完，后半段已经采完并触发中断」，导致数据被覆盖或者处理顺序错乱。表现是频谱偶尔正常、偶尔全是噪声，很难复现。

解决办法有两个方向。一是降低采样率或减少点数，让 FFT 计算时间小于半段采样时间，这是最稳妥的。二是用更大的缓冲区分成更多段，比如四段缓冲，给计算留出更多余量。判断是否来得及，可以在 FFT 处理函数入口翻转一个 GPIO，用示波器看这个 GPIO 的高电平时间是否小于半段采样周期。这个土办法比任何理论估算都直接。

4.3 位反转与原地运算的内存访问模式

位反转重排会打乱内存访问顺序，索引跳来跳去，对没有缓存的 STM32 来说，影响主要是 Flash 里旋转因子表的访问。如果旋转因子表放在 Flash，每次蝶形都要读 Flash，而 Flash 访问速度比 SRAM 慢，可能成为瓶颈。常见的优化是把旋转因子表复制到 SRAM，或者用芯片的 ART 加速器、指令预取来缓解。另一个细节是位反转本身可以预先算好一张索引表，运行时直接查表重排，比每次现算位反转快得多，代价是多占 N 个整数的 RAM。

注意：位反转索引表用uint16_t就够存 1024 以内的索引，不要用int，省一半 RAM。

5. 避坑与排查：那些让频谱变成玄学的常见问题

这一章把实际调试中最容易踩的坑集中列出来，每条都按现象、原因、解决三步走。这些不是理论推演，是调试时反复遇到的真实模式。

5.1 频谱出现对称镜像，且无法分辨正负频率

现象：算出来的频谱左右完全对称，看不出信号频率是正还是负。原因：实数输入的 FFT 结果本身就是共轭对称的，这是数学性质，不是错误。如果你只采了实信号，频谱必然对称，正负频率各占一半能量。解决：如果只需要幅度谱，取前 N/2 点即可，后一半是冗余的。如果需要区分正负频率，必须用复数输入，也就是 I/Q 两路采样，这在单片机里通常需要两路 ADC 同步采样或者用希尔伯特变换构造正交信号。

5.2 主频点幅度随信号频率变化而波动

现象：同一个幅度的信号，频率不同时 FFT 算出来的峰值幅度不一样，有的偏高有的偏低。原因：没有加窗，或者信号频率不在频率分辨率的整数倍上，发生了扇贝损失，峰值落在了两个频点之间。解决：加汉宁窗或平顶窗，并对幅度做窗函数增益补偿。如果只关心特定频率的幅度，用平顶窗最准；如果看整体频谱形状，汉宁窗够用。

5.3 低频段出现大量杂散，高频段反而干净

现象：频谱低频部分一堆小尖峰，高频部分很干净。原因：通常是电源纹波、地线噪声或者 ADC 参考电压不稳，这些低频干扰被采进来了。也可能是采样窗口内信号不是整数周期，泄漏的能量集中在主瓣附近，看起来像低频杂散。解决：先检查模拟前端，加 RC 低通滤波，确保参考电压干净；再确认是否加窗。如果杂散频率正好是工频的整数倍，那基本就是电源干扰。

5.4 FFT 结果每次运行都不一样，重复性差

现象：同样的输入信号，每次跑出来的频谱都有细微差别，峰值位置偶尔跳变。原因：采样和计算没有同步好，DMA 缓冲区在计算时被新数据覆盖，或者中断优先级配置不当导致处理被延迟。解决：检查 DMA 半满/全满中断和 FFT 处理的时序，确保计算期间对应半段缓冲区不被写入。用 GPIO 翻转配合示波器看时序是最快的定位手段。另外确认 FFT 处理函数没有被更高优先级中断打断太久。

5.5 定点 FFT 输出幅度远小于预期

现象：输入信号幅度正常，但 FFT 输出的峰值幅度只有预期的几十分之一。原因：定点 FFT 每级右移一位，总共右移了 log₂N 位，相当于整体除以 N。1024 点就是除以 1024，幅度自然小。解决：这是定点 FFT 的正常行为，需要在最后统一左移补偿，或者用块浮点记录总移位量。补偿时注意不要溢出，如果补偿后超过 Q15 范围，说明输入信号本身太大，需要在前端加衰减。

6. 精度、速度与 RAM 的三角取舍：没有最优，只有匹配

把 FFT 跑起来只是第一步，真正难的是在精度、速度、RAM 这三者之间找到匹配你应用的那个点。这三者构成一个不可能三角：想要高精度就得用浮点或 Q31，内存翻倍、速度下降；想要快就用 Q15 定点加查表，但动态范围受限；想要省 RAM 就减点数，分辨率跟着降。任何声称「三者都最优」的方案，要么是应用场景特殊，要么是牺牲了某个你没注意到的指标。

我一般会这么理解这个取舍：先确定你的应用到底需要多高的动态范围。如果是检测一个强信号的存在与否，比如判断某个频率有没有能量，Q15 定点加 512 点足够，RAM 只要几 KB，速度也快。如果是音频谐波分析，要看 -80 dB 的细节，那必须浮点加 1024 点以上，RAM 十几 KB 跑不掉。如果是电力谐波监测，关心的是 2 到 50 次谐波的幅度精度，平顶窗加浮点是比较稳的组合。

验证你的选择是否合理，有一个简单办法：用一个已知频率和幅度的信号源，或者用 DAC 自己生成一个纯净正弦，送进 ADC，看 FFT 出来的峰值幅度和理论值差多少，底噪在什么水平。如果峰值误差在 1% 以内、底噪低于你关心的最小信号 20 dB，那这套参数就是匹配的。如果差得远，先别改算法，回头查采样和窗函数。

还有一个容易被忽略的点是旋转因子表的生成方式。用sin()和cos()在运行时现算，精度取决于库函数实现，而且慢；预先用高精度算好存表，精度和速度都更好，代价是占 Flash。在 STM32 上，一张 1024 点的浮点旋转因子表大约 8 KB Flash，对大多数型号来说可以接受。如果 Flash 也紧张，可以利用对称性只存 1/4 表，运行时用索引变换还原，这是常见的省空间手法。

从那以后我每次在单片机上做 FFT，都会先用 GPIO 加示波器确认采样时序，再跑一个纯正弦验证幅度和底噪，最后才去调实际信号。这个顺序看起来笨，但能省掉大量在算法里瞎找问题的时间。希望帮到你。

本文还有配套的精品资源，点击获取