STM32F407-Discovery的硬件FPU

2023-11-09 11:44
文章标签 硬件 discovery stm32f407 fpu

本文主要是介绍STM32F407-Discovery的硬件FPU，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本文基于STM32 HAL 库版本：STM32Cube_FW_F4_V1.27.0

1. STM32F407的FPU简介

FPU：Float Point Unit，也就是浮点运算单元。如果是定点 CPU（没有 FPU 的 CPU）计算浮点数，则按照 IEEE-754 标准，完成运算需要大量的指令，很耗费时间，几乎不能满足实时性的要求。但是对于有 FPU 的芯片来说，完成一个浮点运算或许只是几条指令就可以搞定，速度相对就快很多。

STM32F4具有有 32 位单精度硬件FPU[能加速计算float类型的数据]，支持浮点指令集，相对于Cortex M0 和 Cortex M3高出数十倍甚至上百倍的运算性能。

STM32F4通过配置协处理器控制寄存器（CPACR）就可以决定是否使用FPU，如果使用了FPU，遇到浮点运算，则自动开启硬件加速。

该寄存器描述如下图：

只需要把bit 20/21/22/23都配成1，即可开启FPU硬件加速。

2. 配置

文件：system_stm32f4xx.c，是否开启FPU由两个宏定义来进行管理：

__FPU_PRESENT：这个宏是指当前的IC是否具有FPU

__FPU_USED：是否开启FPU

__FPU_PRESENT在对应头文件中就有定义，这里是：stm32f407xx.h

是否开启取决于应用场景，只需要在MDK中配置即可：

Floating Point Hardware：选择Single Precision则自动关联到宏__FPU_USED且将其值置为1；如果选择Not Used，则宏__FPU_USED的值为0。

3. 对比测试

实例：运算128个点的复数fft，使用GPIO输出高低电平测量算法运行时长。

用户src目录下新增两个文件：complex.c和fft.c

complex.c：

#include "complex.h"void complex_add(complex a, complex b, complex *c)
{c->real = a.real + b.real;c->img = a.img + b.img;
}void complex_sub(complex a, complex b, complex *c)
{c->real = a.real - b.real;c->img = a.img - b.img;
}void complex_mul(complex a, complex b, complex *c)
{c->real = a.real*b.real - a.img*b.img;c->img = a.real*b.img + a.img*b.real;
}void complex_div(complex   a, complex b, complex*c)
{c->real = (a.real*b.real + a.img*b.img)/(b.real*b.real + b.img*b.img);c->img = (a.img*b.real - a.real*b.img)/(b.real*b.real + b.img*b.img);
}

fft.c：

#include <stdio.h>
#include <math.h>
#include "fft.h"
#include "complex.h"complex Wn, Temp, Res;int L, B, P, K;//输入序列的长度必须是2的整数次幂
void Reader_Sort(complex *x, int len)
{complex temp;int cur_rev = 0; //从0开始，递推出所有原自然排序数对应的倒序数int k = len / 2; //初始化权值系数int i, j;for (j = 1; j <= len - 1; j++) {//当前倒序数的最高位为0，if (cur_rev < k) {//把temp的最高位从0变为1(加上权系数)即可得到下一个倒序数cur_rev = cur_rev + k;} else {//当前倒序数的最高位为1while (cur_rev >= k) {//把最高位从1变为0(减去权系数即可)cur_rev = cur_rev - k;//没跳出循环就说明次高位为1，则更新权系数，将当前位设为0，......k = k / 2;}//当前位(最高位)为0，跳出while()，置为1(加上权系数)，即得当前倒序数cur_rev = cur_rev + k;//还原权系数值k = len / 2;}//printf("j=%d, cur_rev=%d\n", j, cur_rev);//互换x[j]和x[cur_rev]if (j < cur_rev) {//实数部分互换temp.real = x[j].real;x[j].real = x[cur_rev].real;x[cur_rev].real = temp.real;//虚数部分互换temp.img = x[j].img;x[j].img = x[cur_rev].img;x[cur_rev].img = temp.img;}}
}void FFT(complex *input_seq, int SEQ_N, int SEQ_M, complex res_seq[])
{int i, j, r;int L, B, K, P;complex Temp, Wn, Res;if (!input_seq) {printf("input sequence can be NULL\n");return ;}Reader_Sort(input_seq, SEQ_N);for (L=1; L <= SEQ_M; L++) {B=1;B=(int)pow(2, L-1);for (j=0; j<=B-1; j++) {K=(int)pow(2, SEQ_M-L);P=1;P=K*j;for (i=0; i<=K-1; i++) {r=j;r=j+2*B*i;Temp = input_seq[r];Wn.real = cos((2*PI)/SEQ_N*P);Wn.img = -1*sin((2*PI)/SEQ_N*P);complex_mul(input_seq[r+B], Wn, &Res);input_seq[r].real=input_seq[r].real + Res.real;input_seq[r].img=input_seq[r].img + Res.img;input_seq[r+B].real=Temp.real - Res.real;input_seq[r+B].img=Temp.img - Res.img;}}}if (!res_seq) {printf("result sequence is NULL\n");return ;} else {for(i=0; i<N; i++){res_seq[i].real = input_seq[i].real;res_seq[i].img = input_seq[i].img;}}
}void iFFT(complex *input_seq, int SEQ_N, int SEQ_M, complex res_seq[])
{int i, j, r;int L, B, K, P;complex Temp, Wn, Res;if (!input_seq) {printf("input sequence can be NULL\n");return ;}Reader_Sort(input_seq, SEQ_N);for (L=1; L <= SEQ_M; L++) {B=1;B=(int)pow(2, L-1);for (j=0; j<=B-1; j++) {K=(int)pow(2, SEQ_M-L);P=1;P=K*j;for (i=0; i<=K-1; i++) {r=j;r=j+2*B*i;Temp = input_seq[r];Wn.real = cos((2.0*PI)/SEQ_N*P);Wn.img = sin((2.0*PI)/SEQ_N*P);complex_mul(input_seq[r+B], Wn, &Res);input_seq[r].real=input_seq[r].real + Res.real;input_seq[r].real=(1.0/2) * input_seq[r].real;input_seq[r].img=input_seq[r].img + Res.img;input_seq[r].img=(1.0/2) * input_seq[r].img;input_seq[r+B].real=Temp.real - Res.real;input_seq[r+B].real=(1.0/2) * input_seq[r+B].real;input_seq[r+B].img=Temp.img - Res.img;input_seq[r+B].img=(1.0/2) * input_seq[r+B].img;}}}if (!res_seq) {printf("result sequence is NULL\n");return ;} else {for(i=0; i<N; i++){res_seq[i].real = input_seq[i].real;res_seq[i].img = input_seq[i].img;}}
}

对应地用户目录inc下新增文件complex.h和fft.h

complex.h：

#ifndef __COMPLEX_H_
#define __COMPLEX_H_typedef struct {float real;float img;
} complex;void complex_add(complex a, complex b, complex *c);
void complex_sub(complex a, complex b, complex *c);
void complex_mul(complex a, complex b, complex *c);
void complex_div(complex   a, complex b, complex*c);#endif

fft.h：

#ifndef _FFT_H_
#define _FFT_H_
#include "complex.h"#define PI (3.14159267)
/*
参数：
（1）N=2^M
（2）L=1~M，第L级
（3）旋转因子的指数p，k是p的增量，p=p*k
（4）B是 元素抽取间隔 = 运算的种类(旋转因子的种类)
*/#define N (128)
#define M (log(N)/log(2))void FFT(complex *input_seq, int SEQ_N, int SEQ_M, complex res_seq[]);
void iFFT(complex *input_seq, int SEQ_N, int SEQ_M, complex res_seq[]);#endif

main.h中添加头文件

main.c：

/* Includes ------------------------------------------------------------------*/
#include "main.h"int fft_test(void)
{int i;complex INPUT_SEQ[N], RES_SEQ[N], OUTPUT_SEQ[N];float SEQ_DAT[N], dataR[N], dataI[N];//构造实数序列for (i=0; i < N; i++) {SEQ_DAT[i]=i+0.0;}//构造虚数序列for (i=0; i<N; i++) {INPUT_SEQ[i].real=SEQ_DAT[i];INPUT_SEQ[i].img=0;}//	for (i=0; i <N; i++) {
//		printf("before fft: INPUT_SEQ[%d].real=%f, INPUT_SEQ[%d].img=%f\n", i, INPUT_SEQ[i].real, i, INPUT_SEQ[i].img);
//	}
//	printf("\n\n");BSP_LED_Off(LED6); //使用GPIO测量代码运行时间FFT(INPUT_SEQ, N, M, RES_SEQ);
//	for (i=0; i <N; i++) {
//		printf("fft: RES_SEQ[%d].real=%f, RES_SEQ[%d].img=%f\n", i, RES_SEQ[i].real, i, RES_SEQ[i].img);
//	}
//	printf("\n\n");iFFT(RES_SEQ, N, M, OUTPUT_SEQ);BSP_LED_On(LED6);//	for (i=0; i <N; i++) {
//		printf("ifft: OUTPUT_SEQ[%d].real=%f, OUTPUT_SEQ[%d].img=%f\n", i, OUTPUT_SEQ[i].real, i, OUTPUT_SEQ[i].img);
//	}
//	printf("\n\n");return 0;
}int main(void)
{HAL_Init();BSP_LED_Init(LED6);/* Configure the system clock to 168 MHz */SystemClock_Config();/* 串口2初始化: 只用tx功能 */if(uart2_init(9600)){Error_Handler();}fft_test();while(1) {;}return 0;
}

配置使用FPU，则128个点的正反变换用时大概是0.7ms。

测量结果：

如果不用FPU(可以直接屏蔽这行代码进行测试)：则用时0.2s左右。

测量结果：

串口打印：逆变换后的数据

[09:42:26.534] ifft: OUTPUT_SEQ[1].real=1.000000, OUTPUT_SEQ[1].img=0.000000
[09:42:26.598] ifft: OUTPUT_SEQ[2].real=2.000000, OUTPUT_SEQ[2].img=0.000000
[09:42:26.663] ifft: OUTPUT_SEQ[3].real=3.000000, OUTPUT_SEQ[3].img=0.000000
[09:42:26.726] ifft: OUTPUT_SEQ[4].real=4.000000, OUTPUT_SEQ[4].img=0.000000
[09:42:26.790] ifft: OUTPUT_SEQ[5].real=5.000000, OUTPUT_SEQ[5].img=0.000000
[09:42:26.854] ifft: OUTPUT_SEQ[6].real=6.000000, OUTPUT_SEQ[6].img=0.000000
[09:42:26.918] ifft: OUTPUT_SEQ[7].real=7.000000, OUTPUT_SEQ[7].img=0.000000
[09:42:26.982] ifft: OUTPUT_SEQ[8].real=8.000000, OUTPUT_SEQ[8].img=0.000000
[09:42:27.046] ifft: OUTPUT_SEQ[9].real=9.000000, OUTPUT_SEQ[9].img=0.000000
[09:42:27.110] ifft: OUTPUT_SEQ[10].real=10.000000, OUTPUT_SEQ[10].img=0.000000
[09:42:27.174] ifft: OUTPUT_SEQ[11].real=11.000000, OUTPUT_SEQ[11].img=0.000000
[09:42:27.254] ifft: OUTPUT_SEQ[12].real=12.000000, OUTPUT_SEQ[12].img=0.000000
[09:42:27.317] ifft: OUTPUT_SEQ[13].real=13.000000, OUTPUT_SEQ[13].img=0.000000
[09:42:27.381] ifft: OUTPUT_SEQ[14].real=14.000000, OUTPUT_SEQ[14].img=0.000000
[09:42:27.445] ifft: OUTPUT_SEQ[15].real=15.000000, OUTPUT_SEQ[15].img=0.000000
[09:42:27.525] ifft: OUTPUT_SEQ[16].real=16.000000, OUTPUT_SEQ[16].img=0.000000
[09:42:27.589] ifft: OUTPUT_SEQ[17].real=17.000000, OUTPUT_SEQ[17].img=0.000000
[09:42:27.653] ifft: OUTPUT_SEQ[18].real=18.000000, OUTPUT_SEQ[18].img=0.000000
[09:42:27.717] ifft: OUTPUT_SEQ[19].real=19.000000, OUTPUT_SEQ[19].img=0.000000
[09:42:27.780] ifft: OUTPUT_SEQ[20].real=20.000000, OUTPUT_SEQ[20].img=0.000000
[09:42:27.860] ifft: OUTPUT_SEQ[21].real=21.000000, OUTPUT_SEQ[21].img=0.000000
[09:42:27.924] ifft: OUTPUT_SEQ[22].real=22.000000, OUTPUT_SEQ[22].img=0.000000
[09:42:27.988] ifft: OUTPUT_SEQ[23].real=23.000000, OUTPUT_SEQ[23].img=0.000000
[09:42:28.052] ifft: OUTPUT_SEQ[24].real=24.000000, OUTPUT_SEQ[24].img=0.000000
[09:42:28.132] ifft: OUTPUT_SEQ[25].real=25.000000, OUTPUT_SEQ[25].img=0.000000
[09:42:28.196] ifft: OUTPUT_SEQ[26].real=26.000000, OUTPUT_SEQ[26].img=0.000000
[09:42:28.260] ifft: OUTPUT_SEQ[27].real=27.000000, OUTPUT_SEQ[27].img=0.000000
[09:42:28.324] ifft: OUTPUT_SEQ[28].real=28.000000, OUTPUT_SEQ[28].img=0.000000
[09:42:28.404] ifft: OUTPUT_SEQ[29].real=29.000000, OUTPUT_SEQ[29].img=0.000000
[09:42:28.468] ifft: OUTPUT_SEQ[30].real=30.000000, OUTPUT_SEQ[30].img=0.000000
[09:42:28.532] ifft: OUTPUT_SEQ[31].real=31.000000, OUTPUT_SEQ[31].img=0.000000
[09:42:28.596] ifft: OUTPUT_SEQ[32].real=32.000000, OUTPUT_SEQ[32].img=0.000000
[09:42:28.676] ifft: OUTPUT_SEQ[33].real=33.000000, OUTPUT_SEQ[33].img=0.000000
[09:42:28.740] ifft: OUTPUT_SEQ[34].real=34.000000, OUTPUT_SEQ[34].img=0.000000
[09:42:28.803] ifft: OUTPUT_SEQ[35].real=35.000000, OUTPUT_SEQ[35].img=0.000000
[09:42:28.868] ifft: OUTPUT_SEQ[36].real=36.000000, OUTPUT_SEQ[36].img=0.000000
[09:42:28.947] ifft: OUTPUT_SEQ[37].real=37.000000, OUTPUT_SEQ[37].img=0.000000
[09:42:29.011] ifft: OUTPUT_SEQ[38].real=38.000000, OUTPUT_SEQ[38].img=0.000000
[09:42:29.075] ifft: OUTPUT_SEQ[39].real=39.000000, OUTPUT_SEQ[39].img=0.000000
[09:42:29.139] ifft: OUTPUT_SEQ[40].real=40.000000, OUTPUT_SEQ[40].img=0.000000
[09:42:29.203] ifft: OUTPUT_SEQ[41].real=41.000000, OUTPUT_SEQ[41].img=0.000000
[09:42:29.282] ifft: OUTPUT_SEQ[42].real=42.000000, OUTPUT_SEQ[42].img=0.000000
[09:42:29.346] ifft: OUTPUT_SEQ[43].real=43.000000, OUTPUT_SEQ[43].img=0.000000
[09:42:29.410] ifft: OUTPUT_SEQ[44].real=44.000000, OUTPUT_SEQ[44].img=0.000000
[09:42:29.474] ifft: OUTPUT_SEQ[45].real=45.000000, OUTPUT_SEQ[45].img=0.000000
[09:42:29.554] ifft: OUTPUT_SEQ[46].real=46.000000, OUTPUT_SEQ[46].img=0.000000
[09:42:29.618] ifft: OUTPUT_SEQ[47].real=47.000000, OUTPUT_SEQ[47].img=0.000000
[09:42:29.682] ifft: OUTPUT_SEQ[48].real=48.000000, OUTPUT_SEQ[48].img=0.000000
[09:42:29.746] ifft: OUTPUT_SEQ[49].real=49.000000, OUTPUT_SEQ[49].img=0.000000
[09:42:29.827] ifft: OUTPUT_SEQ[50].real=50.000000, OUTPUT_SEQ[50].img=0.000000
[09:42:29.890] ifft: OUTPUT_SEQ[51].real=51.000000, OUTPUT_SEQ[51].img=0.000000
[09:42:29.954] ifft: OUTPUT_SEQ[52].real=52.000000, OUTPUT_SEQ[52].img=0.000000
[09:42:30.018] ifft: OUTPUT_SEQ[53].real=53.000000, OUTPUT_SEQ[53].img=0.000000
[09:42:30.098] ifft: OUTPUT_SEQ[54].real=54.000000, OUTPUT_SEQ[54].img=0.000000
[09:42:30.162] ifft: OUTPUT_SEQ[55].real=55.000000, OUTPUT_SEQ[55].img=0.000000
[09:42:30.226] ifft: OUTPUT_SEQ[56].real=56.000000, OUTPUT_SEQ[56].img=0.000000
[09:42:30.290] ifft: OUTPUT_SEQ[57].real=57.000000, OUTPUT_SEQ[57].img=0.000000
[09:42:30.354] ifft: OUTPUT_SEQ[58].real=58.000000, OUTPUT_SEQ[58].img=0.000000
[09:42:30.433] ifft: OUTPUT_SEQ[59].real=59.000000, OUTPUT_SEQ[59].img=0.000000
[09:42:30.497] ifft: OUTPUT_SEQ[60].real=60.000000, OUTPUT_SEQ[60].img=0.000000
[09:42:30.561] ifft: OUTPUT_SEQ[61].real=61.000000, OUTPUT_SEQ[61].img=0.000000
[09:42:30.625] ifft: OUTPUT_SEQ[62].real=62.000000, OUTPUT_SEQ[62].img=0.000000
[09:42:30.705] ifft: OUTPUT_SEQ[63].real=63.000000, OUTPUT_SEQ[63].img=0.000000
[09:42:30.769] ifft: OUTPUT_SEQ[64].real=64.000000, OUTPUT_SEQ[64].img=0.000000
[09:42:30.833] ifft: OUTPUT_SEQ[65].real=65.000000, OUTPUT_SEQ[65].img=0.000000
[09:42:30.897] ifft: OUTPUT_SEQ[66].real=66.000000, OUTPUT_SEQ[66].img=0.000000
[09:42:30.977] ifft: OUTPUT_SEQ[67].real=67.000000, OUTPUT_SEQ[67].img=0.000000
[09:42:31.040] ifft: OUTPUT_SEQ[68].real=68.000000, OUTPUT_SEQ[68].img=0.000000
[09:42:31.104] ifft: OUTPUT_SEQ[69].real=69.000000, OUTPUT_SEQ[69].img=0.000000
[09:42:31.168] ifft: OUTPUT_SEQ[70].real=70.000000, OUTPUT_SEQ[70].img=0.000000
[09:42:31.248] ifft: OUTPUT_SEQ[71].real=71.000000, OUTPUT_SEQ[71].img=0.000000
[09:42:31.312] ifft: OUTPUT_SEQ[72].real=72.000000, OUTPUT_SEQ[72].img=0.000000
[09:42:31.376] ifft: OUTPUT_SEQ[73].real=73.000000, OUTPUT_SEQ[73].img=0.000000
[09:42:31.440] ifft: OUTPUT_SEQ[74].real=74.000000, OUTPUT_SEQ[74].img=0.000000
[09:42:31.520] ifft: OUTPUT_SEQ[75].real=75.000000, OUTPUT_SEQ[75].img=0.000000
[09:42:31.584] ifft: OUTPUT_SEQ[76].real=76.000000, OUTPUT_SEQ[76].img=0.000000
[09:42:31.647] ifft: OUTPUT_SEQ[77].real=77.000000, OUTPUT_SEQ[77].img=0.000000
[09:42:31.711] ifft: OUTPUT_SEQ[78].real=78.000000, OUTPUT_SEQ[78].img=0.000000
[09:42:31.775] ifft: OUTPUT_SEQ[79].real=79.000000, OUTPUT_SEQ[79].img=0.000000
[09:42:31.856] ifft: OUTPUT_SEQ[80].real=80.000000, OUTPUT_SEQ[80].img=0.000000
[09:42:31.919] ifft: OUTPUT_SEQ[81].real=81.000000, OUTPUT_SEQ[81].img=0.000000
[09:42:31.984] ifft: OUTPUT_SEQ[82].real=82.000000, OUTPUT_SEQ[82].img=0.000000
[09:42:32.048] ifft: OUTPUT_SEQ[83].real=83.000000, OUTPUT_SEQ[83].img=0.000000
[09:42:32.128] ifft: OUTPUT_SEQ[84].real=84.000000, OUTPUT_SEQ[84].img=0.000000
[09:42:32.192] ifft: OUTPUT_SEQ[85].real=85.000000, OUTPUT_SEQ[85].img=0.000000
[09:42:32.255] ifft: OUTPUT_SEQ[86].real=86.000000, OUTPUT_SEQ[86].img=0.000000
[09:42:32.319] ifft: OUTPUT_SEQ[87].real=87.000000, OUTPUT_SEQ[87].img=0.000000
[09:42:32.399] ifft: OUTPUT_SEQ[88].real=88.000000, OUTPUT_SEQ[88].img=0.000000
[09:42:32.463] ifft: OUTPUT_SEQ[89].real=89.000000, OUTPUT_SEQ[89].img=0.000000
[09:42:32.527] ifft: OUTPUT_SEQ[90].real=90.000000, OUTPUT_SEQ[90].img=0.000000
[09:42:32.591] ifft: OUTPUT_SEQ[91].real=91.000000, OUTPUT_SEQ[91].img=0.000000
[09:42:32.671] ifft: OUTPUT_SEQ[92].real=92.000000, OUTPUT_SEQ[92].img=0.000000
[09:42:32.735] ifft: OUTPUT_SEQ[93].real=93.000000, OUTPUT_SEQ[93].img=0.000000
[09:42:32.799] ifft: OUTPUT_SEQ[94].real=94.000000, OUTPUT_SEQ[94].img=0.000000
[09:42:32.862] ifft: OUTPUT_SEQ[95].real=95.000000, OUTPUT_SEQ[95].img=0.000000
[09:42:32.926] ifft: OUTPUT_SEQ[96].real=96.000000, OUTPUT_SEQ[96].img=0.000000
[09:42:33.006] ifft: OUTPUT_SEQ[97].real=97.000000, OUTPUT_SEQ[97].img=0.000000
[09:42:33.070] ifft: OUTPUT_SEQ[98].real=98.000000, OUTPUT_SEQ[98].img=0.000000
[09:42:33.134] ifft: OUTPUT_SEQ[99].real=99.000000, OUTPUT_SEQ[99].img=0.000000
[09:42:33.198] ifft: OUTPUT_SEQ[100].real=100.000000, OUTPUT_SEQ[100].img=0.000000
[09:42:33.278] ifft: OUTPUT_SEQ[101].real=101.000000, OUTPUT_SEQ[101].img=0.000000
[09:42:33.341] ifft: OUTPUT_SEQ[102].real=102.000000, OUTPUT_SEQ[102].img=0.000000
[09:42:33.421] ifft: OUTPUT_SEQ[103].real=103.000000, OUTPUT_SEQ[103].img=0.000000
[09:42:33.485] ifft: OUTPUT_SEQ[104].real=104.000000, OUTPUT_SEQ[104].img=0.000000
[09:42:33.565] ifft: OUTPUT_SEQ[105].real=105.000000, OUTPUT_SEQ[105].img=0.000000
[09:42:33.629] ifft: OUTPUT_SEQ[106].real=106.000000, OUTPUT_SEQ[106].img=0.000000
[09:42:33.693] ifft: OUTPUT_SEQ[107].real=107.000000, OUTPUT_SEQ[107].img=0.000000
[09:42:33.773] ifft: OUTPUT_SEQ[108].real=108.000000, OUTPUT_SEQ[108].img=0.000000
[09:42:33.836] ifft: OUTPUT_SEQ[109].real=109.000000, OUTPUT_SEQ[109].img=0.000000
[09:42:33.917] ifft: OUTPUT_SEQ[110].real=110.000000, OUTPUT_SEQ[110].img=0.000000
[09:42:33.981] ifft: OUTPUT_SEQ[111].real=111.000000, OUTPUT_SEQ[111].img=0.000000
[09:42:34.061] ifft: OUTPUT_SEQ[112].real=112.000000, OUTPUT_SEQ[112].img=0.000000
[09:42:34.125] ifft: OUTPUT_SEQ[113].real=113.000000, OUTPUT_SEQ[113].img=0.000000
[09:42:34.189] ifft: OUTPUT_SEQ[114].real=114.000000, OUTPUT_SEQ[114].img=0.000000
[09:42:34.269] ifft: OUTPUT_SEQ[115].real=115.000000, OUTPUT_SEQ[115].img=0.000000
[09:42:34.333] ifft: OUTPUT_SEQ[116].real=116.000000, OUTPUT_SEQ[116].img=0.000000
[09:42:34.413] ifft: OUTPUT_SEQ[117].real=117.000000, OUTPUT_SEQ[117].img=0.000000
[09:42:34.476] ifft: OUTPUT_SEQ[118].real=118.000000, OUTPUT_SEQ[118].img=0.000000
[09:42:34.556] ifft: OUTPUT_SEQ[119].real=119.000000, OUTPUT_SEQ[119].img=0.000000
[09:42:34.620] ifft: OUTPUT_SEQ[120].real=120.000000, OUTPUT_SEQ[120].img=0.000000
[09:42:34.700] ifft: OUTPUT_SEQ[121].real=121.000000, OUTPUT_SEQ[121].img=0.000000
[09:42:34.764] ifft: OUTPUT_SEQ[122].real=122.000000, OUTPUT_SEQ[122].img=0.000000
[09:42:34.828] ifft: OUTPUT_SEQ[123].real=123.000000, OUTPUT_SEQ[123].img=0.000000
[09:42:34.908] ifft: OUTPUT_SEQ[124].real=124.000000, OUTPUT_SEQ[124].img=0.000000
[09:42:34.971] ifft: OUTPUT_SEQ[125].real=125.000000, OUTPUT_SEQ[125].img=0.000000
[09:42:35.051] ifft: OUTPUT_SEQ[126].real=126.000000, OUTPUT_SEQ[126].img=0.000000
[09:42:35.116] ifft: OUTPUT_SEQ[127].real=127.000000, OUTPUT_SEQ[127].img=0.000000

4. 小结

（1）使用FPU可以加快运算，该实例中大概快了200/0.7=286倍

（2）这个实例中的fft是浮点fft，并且是算法的直接实现，没有做任何优化，计算三角函数会耗时很长，实际应用过程中，可直接使用CMSIS的DSP库。里面的fft，iir/fir滤波器以及各种数学运算库都已经是针对ST系列芯片做了很好的优化，方便快速实现和开发算法。

这篇关于STM32F407-Discovery的硬件FPU的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/375887。

相关文章

【STM32】SPI通信-软件与硬件读写SPI

【STM32】SPI通信-软件与硬件读写SPI

SPI通信-软件与硬件读写SPI 软件SPI一、SPI通信协议1、SPI通信2、硬件电路3、移位示意图4、SPI时序基本单元(1)开始通信和结束通信(2)模式0---用的最多(3)模式1(4)模式2(5)模式3 5、SPI时序(1)写使能(2)指定地址写(3)指定地址读 二、W25Q64模块介绍１、W25Q64简介２、硬件电路３、W25Q64框图４、Flash操作注意事项软件SPI读写W2
阅读更多...
机器视觉硬件选型根据某项目相机镜头

机器视觉硬件选型根据某项目相机镜头

一 项目总需求 1、大视野检测需求: (1)大视野： ①产品尺寸15.6寸屏幕，产品大小：350mm x 225mm； ②产品料盘尺寸大小：565mm x 425mm; ③工作距离：880mm；检测精度：500μm； 1、大视野检测需求: (1)大视野： ①产品尺寸15.6寸屏幕，产品大小：350mm x 225mm； ②产品料盘尺寸大小：565mm x 425mm; 工作距离：
阅读更多...
学习硬件测试05：NTC（ADC）+正弦波（DAC）+DMA（ADC+DAC）（P73、P76、P78）

学习硬件测试05：NTC（ADC）+正弦波（DAC）+DMA（ADC+DAC）（P73、P76、P78）

文章以下内容全部为硬件相关知识，鲜有软件知识，并且记的是自己需要的部分，大家可能看不明白。 一、NTC（ADC） 1.1实验现象 本实验用 NTC 采集温度，数码管实时显示温度数据（整数），左下角 USB 小串口每隔 1S 打印温度信息。 1.2硬件电路 NTC 电阻是一个模拟温度传感器，随着温度的升高，电阻值逐渐减小。电路简单介绍如下: 电源滤波电容在 25℃ 室温下 NTC 电
阅读更多...
集运系统需要与哪些硬件设备集成？

集运系统需要与哪些硬件设备集成？

随着电商和跨境贸易的不断发展，集运服务越来越受到海外用户的青睐。集运系统作为一种高效的跨境物流管理工具，可以协调各个环节之间的物流流程，提高物流效率和管理水平，被越来越多的集运企业采用。而集运系统作为集运服务的重要组成部分，也需要配套相应的硬件设备才能更好地支持跨境集运业务。下面就来介绍一下集运系统需要哪些硬件设备支持呢？ 1.PDA：是一种便携式电子设备，可以轻松地进行数据采集和处理，具有移
阅读更多...
一台笔记本电脑的硬件都有哪些以及对应的功能

一台笔记本电脑的硬件都有哪些以及对应的功能

一台笔记本电脑的硬件通常包括多个关键组件，这些组件共同协作，确保电脑的正常运行。以下是笔记本电脑的主要硬件及其功能： 1. 中央处理器（CPU） 功能：CPU 是电脑的“大脑”，负责处理所有的计算和指令执行。它执行操作系统和应用程序的指令，控制其他硬件设备。常见品牌：Intel（如 Core i3/i5/i7/i9）、AMD（如 Ryzen 系列）。 2. 内存（RAM） 功能：内存用于存
阅读更多...
Pr：首选项 - 音频硬件

Pr：首选项 - 音频硬件

Pr菜单：编辑/首选项 Edit/Preferences Premiere Pro 首选项中的“音频硬件” Audio Hardware选项卡可以指定计算机的音频设备和设置，还可以指定 Pr 用于音频回放和录制的 ASIO 和 MME 设置（仅限 Windows）或 CoreAudio 设置（仅限 macOS）。 当连接音频硬件设备时，该类型设备的硬件设置（如默认输入、默认输出、主时钟、延迟和
阅读更多...
合宙Air780E硬件设计手册02

合宙Air780E硬件设计手册02

上文文主要介绍了Air780E的硬件设计中的的应用接口部分。 上文链接：Air780E低功耗4G模组硬件设计手册01-CSDN博客 在本文我们会继续介绍Air780E的硬件设计介绍。  二、应用接口 2.10  SIM卡接口 Air780E支持2路SIM卡接口，支持ETSI和IMT-2000卡规范，支持1.8V和3.0VUSIM卡。 以满足双SIM 卡切换的需求。 2.10.1. S
阅读更多...
硬件-经典开机电路

硬件-经典开机电路

文章目录 一：网友公司祖传的开机电路二：电路符号名称三：电路原理分析道友：对于利益相关的人，要展示你的实力和智力。对于利益不相关的人，展示你的礼貌就好。 一：网友公司祖传的开机电路 业务逻辑：一般是肯定要设计一个电路，能把这个电池电压有时候可以关断，断开或者连接导通到这个VS，然后用VS去产生这种内部使用的电压。前置要求：按键K1，按下闭合，系统上电开机；按键按一下就会自动
阅读更多...
2.1ceph集群部署准备-硬件及拓扑

2.1ceph集群部署准备-硬件及拓扑

硬件配置及建议 时至今日，ceph可以运行在各种各样的硬件平台上，不管是传统的x86架构平台(intel 至强系列、基于amd的海光系列等)，还是基于arm的架构平台(比如华为鲲鹏)，都可以完美运行ceph集群，展现了其强大的适应能力。 ceph的不同组件对硬件的需求有些许不同，下面是官方推荐的硬件要求： 组件资源最低配置要求OSD处理器最少1 core每200-500 MB/s最少1 co
阅读更多...
单片机软件工程师确认硬件

单片机软件工程师确认硬件

文章目录 简介流程确认能连接usb和调试器确认芯片信息确认芯片存储是否正常确认屏幕是否能点亮确认其他硬件 方式方法 简介 硬件工程师给出板子后，后面就是软件工程师的事儿了。 通常来说并不会很顺利。 流程 确认能连接usb和调试器 也是在“计算机管理”中 或者 在keil 调试那里能发现你连的板子。 确认芯片信息 1，直接用眼看上面的封装信息 2，使用相关命令确认一下
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2