第三章 数字信号处理基础：采样、量化与变换

各位同学，大家好。这一章我们聊聊数字信号处理里最基础、也最绕不开的几个概念。说实话，我当年刚接触这些理论时，觉得它们又枯燥又抽象。直到后来在项目里吃了亏，才明白这些基础有多重要。今天我就结合自己的经验，带大家把这些东西捋清楚。

本章核心脉络：模拟信号 → 采样 → 量化编码 → 离散傅里叶变换(DFT) → 快速傅里叶变换(FFT)

模拟信号 采样定理 量化与编码 离散傅里叶变换 FFT 时域→频域 连续→离散→数字→频谱分析 fs ≥ 2·fmax | X[k] = Σ x[n]·e^(-j2πkn/N)

3.1 采样定理——别让你的信号"说谎"

采样定理，也叫奈奎斯特采样定理。说白了就是一句话：采样频率必须大于信号最高频率的两倍。为什么？我给大家举个例子。

想象你在拍一个旋转的风扇。如果相机快门速度太慢，你拍到的风扇叶片可能是倒着转的。这就是混叠效应。在信号处理里，如果采样率不够，高频信号会伪装成低频信号混进来，你根本分不清真假。

⚠️ 我曾经踩过的坑：有一次做雷达中频信号采集，信号带宽是50MHz，我心想采样率用100MHz总够了吧？结果频谱里出现了奇怪的假峰。查了半天才发现，我忽略了信号中的带外噪声和杂散。后来我老老实实按2.5倍采样率来设计，问题才解决。

实际工程中，我建议采样率至少取信号最高频率的2.5到3倍。别卡着2倍去设计，太危险了。另外，采样前一定要加抗混叠滤波器，把带外能量滤干净。

💡 小技巧：在FPGA里做采样时，我习惯在ADC数据进来后先做一个简单的FIR滤波，哪怕只是3阶的，也能有效抑制带外噪声。

3.2 量化与编码——精度和资源的博弈

采样把连续时间变成了离散时间，量化则是把连续幅度变成离散数值。这个过程必然引入误差，我们叫它量化噪声。

量化位数每增加1位，信噪比大约提升6dB。12位的ADC理论动态范围是72dB，16位就是96dB。听起来很美好，对吧？但你要知道，位数越高，数据量越大，FPGA里的资源消耗也越大。

量化位数 理论SNR (dB) 数据位宽 典型应用
8位 49.9 8 bit 视频、简单控制
12位 74.0 12 bit 中频接收机
14位 86.0 14 bit 雷达、通信
16位 98.1 16 bit 高精度测量

编码方式也值得注意。常用的有原码、补码、格雷码。在FPGA里，我几乎只用补码。为什么？因为补码做加减法最方便，不需要额外处理符号位。格雷码在跨时钟域传输时有用，但运算起来麻烦。

核心观点：量化位数不是越高越好。够用就行，多出来的位数都是资源浪费。我一般先算一下系统需要的动态范围，再反推需要的位数。

3.3 离散傅里叶变换(DFT)——从时域看频域

DFT是把离散时间信号变换到离散频率域的工具。公式长这样：

X[k] = Σ x[n] · e^(-j·2π·k·n/N)   (n=0 to N-1)

看着复杂，其实本质就是做相关性运算。每个X[k]代表信号在频率k上的分量大小。N点DFT需要N²次复数乘法和加法。N=1024时，就是一百万次运算。在FPGA里直接这么干，资源根本扛不住。

我记得刚工作那会儿，导师让我在FPGA里实现一个1024点的频谱分析。我傻乎乎地按DFT公式写代码，综合出来一看，用了80%的DSP单元。导师看了直摇头，说：你回去看看FFT吧。

3.4 快速傅里叶变换(FFT)——工程界的救星

FFT不是新的变换，而是DFT的快速算法。它利用旋转因子的对称性和周期性，把计算量从N²降到N·log₂(N)。N=1024时，运算量从一百万次降到约一万次，差了100倍。

最常用的是基2时间抽取FFT。它的核心思想是分治：把大DFT拆成小DFT，再合并。流程如下：

  1. 将输入序列按奇偶分成两组
  2. 分别计算两组的N/2点DFT
  3. 用蝶形运算合并结果
  4. 递归直到2点DFT

在FPGA里实现FFT，我一般用流水线结构。数据流进来，经过各级蝶形运算，最后输出频谱。关键是要处理好位宽增长问题——每级蝶形运算都会增加位宽，不加处理的话数据会溢出。

💡 我的经验：在FPGA里做FFT时，我习惯在每级蝶形运算后做截位或舍入。具体截多少位，要看你的动态范围要求。保守的做法是每级保留1位增长，最后统一截断。

下面是一个简单的8点FFT蝶形运算的Verilog代码片段，供大家参考：

// 8点基2 FFT 蝶形运算单元
module butterfly (
    input  [15:0] a_real, a_imag,
    input  [15:0] b_real, b_imag,
    input  [15:0] w_real, w_imag,
    output [16:0] out1_real, out1_imag,
    output [16:0] out2_real, out2_imag
);
    // 蝶形运算: out1 = a + b*w, out2 = a - b*w
    wire [31:0] mult_real, mult_imag;
    // 复数乘法
    assign mult_real = b_real * w_real - b_imag * w_imag;
    assign mult_imag = b_real * w_imag + b_imag * w_real;
    // 加减运算
    assign out1_real = a_real + mult_real[30:15];
    assign out1_imag = a_imag + mult_imag[30:15];
    assign out2_real = a_real - mult_real[30:15];
    assign out2_imag = a_imag - mult_imag[30:15];
endmodule

⚠️ 注意：上面的代码做了简化处理。实际工程中要考虑饱和、舍入模式、流水线级数等问题。千万别直接拿这个代码去流片。

3.5 工程中的实用建议

最后，我给大家几点实在的建议：

  • 采样率选择：别卡着2倍，留余量。我一般取2.5倍以上。
  • 量化位数：先算动态范围，再选位数。12位够用就别上14位。
  • FFT实现：能用IP核就别自己写。Xilinx和Altera的FFT IP核经过充分验证，比自己写的稳定得多。
  • 调试方法：先用Matlab或Python验证算法，再移植到FPGA。别直接在硬件上调试，太浪费时间。

好了，这一章的内容就到这里。数字信号处理的基础概念虽然简单，但每个细节都值得深挖。希望大家在实际项目中多动手、多思考，把这些基础打牢。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →