描述

在這個項目中，我們將使用一些特殊功能以極快的速度從 Raspberry Pi Pico 的模數(shù)轉(zhuǎn)換器 (ADC) 捕獲數(shù)據(jù)，然后對數(shù)據(jù)進行快速傅里葉變換。這是許多項目的常見任務，例如涉及音頻處理或無線電的項目。

如果您正在閱讀這篇文章，那么您很可能已經(jīng)有了一個想要從中收集數(shù)據(jù)的傳感器。就我而言，我有一個麥克風連接到我的 Pico 的 A0 輸入。如果您只是來這里學習，您可以讓模擬輸入懸空而不連接任何東西。

你可以在 GitHub 上找到完整的程序。

1. 背景

Raspberry Pi Pico 如此有用的一個主要原因是其過多的硬件功能可以將處理器從執(zhí)行常規(guī) I/O 任務中解放出來。在我們的例子中，我們將使用 Pico 的直接內(nèi)存訪問 (DMA) 模塊。這是一項硬件功能，可以自動執(zhí)行涉及以極快的速度將大量數(shù)據(jù)傳入和傳出內(nèi)存到 IO 的任務。

DMA 模塊可以配置為一旦準備好就從 ADC 中提取樣本。以最快的速度，您可以以高達 0.5 MHz 的頻率進行采樣！

收集完所有這些數(shù)據(jù)后，您可能會想要對其進行一些處理。一項常見任務是將您的信息從時域轉(zhuǎn)換為頻域以進行進一步處理。就我而言，我有一個麥克風，我想從中收集音頻樣本，然后計算樣本中包含的最大頻率分量。最常用的算法是快速傅里葉變換。

2. ADC 采樣代碼

我的麥克風測試臺

?

?

如果您還沒有這樣做，我強烈建議您在 GitHub 上克隆 Raspberry Pi 的pico-examples庫。這是我開始使用的所有采樣代碼的地方。以下代碼的很大一部分來自此存儲庫中的 dma_capture 示例。

我將通過我的軟件的一些關鍵元素來解釋發(fā)生了什么。您可以在代碼部分找到完整的程序。

// set sample rate
adc_set_clkdiv(CLOCK_DIV);

這條線決定了 ADC 收集樣本的速度。“clkdiv”指的是時鐘分頻，它允許您拆分 48 MHz 基本時鐘以以較低的速率進行采樣。目前，收集一個樣本需要 96 個周期。這會產(chǎn)生每秒 48、000、000 個周期/每個樣本 96 個周期 = 每秒 500、000 個樣本的最大采樣率。

為了更慢地采樣，您可以增加時鐘分頻。將 CLOCK_DIV 設置為 960 會使每個樣本的周期數(shù)增加 10 倍，即每秒產(chǎn)生 50、000 個樣本。您猜對了，將 CLOCK_DIV 設置為 9600 會產(chǎn)生每秒 5, 000 個樣本。

void sample(uint8_t *capture_buf) {
    adc_fifo_drain();
    adc_run(false);

    dma_channel_configure(dma_chan, &cfg,
        capture_buf, // dst
        &adc_hw->fifo, // src
        NSAMP, // transfer count
        true // start immediately
    );

    gpio_put(LED_PIN, 1);
    adc_run(true);
    dma_channel_wait_for_finish_blocking(dma_chan);
    gpio_put(LED_PIN, 0);
}

這個函數(shù)實際上是從 ADC 收集樣本。處理器復位 ADC，清空其緩沖區(qū)，然后開始采樣。它還會在采樣期間打開 LED，這樣您就可以看到發(fā)生了什么。

3. FFT碼

// get NSAMP samples at FSAMP
sample(cap_buf);
// fill fourier transform input while subtracting DC component
uint64_t sum = 0;
for (int i=0;isum;i++)>+=cap_buf[i];}
float avg = (float)sum/NSAMP;
for (int i=0;ifloat;i++)>)cap_buf[i]-avg;}

上面的這一部分用來自 ADC 的樣本填充 cap_buf 數(shù)組，然后為傅里葉變換庫對其進行預處理。對于許多應用程序，在應用傅里葉變換之前從數(shù)據(jù)序列中減去平均值是有利的。沒有這個，任何 DC 電平（高于零的信號偏移）都會導致接近零的輸出頻率區(qū)間具有巨大的幅度。我使用的庫KISS FFT期望信號具有浮點類型，因此我還在轉(zhuǎn)換樣本的同時減去平均值。

// compute fast fourier transform
kiss_fftr(cfg , fft_in, fft_out);
// compute power and calculate max freq component
float max_power = 0;
int max_idx = 0;
// any frequency bin over NSAMP/2 is aliased (nyquist sampling theorum)
for (int i = 0; i < NSAMP/2; i++) {
    float power = fft_out[i].r*fft_out[i].r+fft_out[i].i*fft_out[i].i;
    if (power>max_power) {
        max_power=power;
        max_idx = i;
    }
}

float max_freq = freqs[max_idx];
printf("Greatest Frequency Component: %0.1f Hz\n",max_freq);

下一部分計算 FFT，然后計算輸出數(shù)據(jù)中的最大頻率分量。FFT 的輸出是復值，因此要獲得可用的功率值，您可以取復數(shù)結(jié)果的大小。

另請注意，我們不會循環(huán)遍歷 FFT 的所有 NSAMP 輸出值，而是只對 NSAMP/2 進行 bin 處理。由于Nyquist 采樣定理，任何大于 1/2 采樣率的頻率都會混疊在一起，因此這些 bin 對我們沒有用處。這是信號處理中的一個基本結(jié)果，如果您不熟悉，值得進一步研究！

在音頻的情況下，人耳通?？梢月牭礁哌_ 20 kHz 左右的頻率。我使用 960 的 CLOCK_DIV 值，產(chǎn)生 50 kHz 的采樣率。因此，我可以捕獲的最大非混疊頻率是 25 kHz，這應該綽綽有余！

// BE CAREFUL: anything over about 9000 here will cause things
// to silently break. The code will compile and upload, but due
// to memory issues nothing will work properly
#define NSAMP 1000

最后要指出的代碼是 NSAMP，即收集的樣本數(shù)。在信號處理中，樣本數(shù)量的增加和減少之間存在基本的權衡。更多的樣本將需要更長的時間來收集和處理，但會產(chǎn)生更高分辨率的傅里葉變換。更少的樣本將導致更短的采樣周期和更快的處理，但您的傅立葉變換將更加精細。

對于 Pico，我發(fā)現(xiàn)分配過多內(nèi)存會導致難以調(diào)試的故障。如果您將 NSAMP 設置得太大，您的 Pico 將沒有足夠的內(nèi)存來分配給保存樣本的數(shù)組。代碼仍然可以正常編譯和上傳，但您可能會遇到一些奇怪的行為。在我的示例中，將 NSAMP 保持在 9000 以下似乎沒問題。

3.編譯上傳

如果您還沒有這樣做，請下載Raspberry Pi Pico 入門。這是一個可靠的資源，可為您提供設置構(gòu)建系統(tǒng)以及編譯 C/C++ 代碼并將其上傳到 Pico 所需的一切。

下面的所有說明都適用于 macOS/Linux，但我想 CMake 在 Windows 上也有類似的過程。

• 要編譯我的代碼，首先在 GitHub 上克隆我的存儲庫。
• 導航到 adc_fft 目錄
• 創(chuàng)建一個名為“build”的目錄
• 在里面導航，然后輸入“cmake../”
• 輸入“make”，如果你正確安裝了 Pico 構(gòu)建系統(tǒng)，一切都應該編譯
• 將您的 Pico 置于引導加載程序模式，然后將 adc_fft.uf2 文件拖放到出現(xiàn)的驅(qū)動器中

應該就是這樣！您可以通過 USB 監(jiān)控程序的輸出。它將輸出從 A0 采樣的數(shù)據(jù)中的最大頻率分量，并且 LED 應快速閃爍。

在我的例子中，我將麥克風連接到模擬引腳，并通過從揚聲器輸入麥克風音調(diào)來驗證我的代碼是否正確。如果您有任何問題，請告訴我！