from machine import FFT
import array
import math
from ulab import numpy as np
PI = 3.14159265358979323846264338327950288419716939937510
rx = []
def input_data():
for i in range(64):
data0 = 10 math.cos(2 PI i / 64)
data1 = 20 math.cos(2 2 PI i / 64)
data2 = 30 math.cos(3 2 PI i / 64)
data3 = 0.2 math.cos(4 2 PI i / 64)
data4 = 1000 math.cos(5 2 PI * i / 64)
rx.append((int(data0 + data1 + data2 + data3 + data4)))
input_data() #初始化需要进行FFT的数据，列表类型
print(rx)
data = np.array(rx,dtype=np.int16) #把列表数据转换成数组
print(data)
fft1 = FFT(data, 64, 0) #创建一个FFT对象,运算点数为64，偏移是0x555
res = fft1.run() #获取FFT转换后的数据
print(res)
res = fft1.amplitude(res) #获取各个频率点的幅值
print(res)
res = fft1.freq(64,38400) #获取所有频率点的频率值
print(res)
Hardware board
k230 canmv
Software version
micropython v0.4
Bug frequency
all
Anything else
同时案例中的转换，为什么采用的是uint16
data = np.array(rx,dtype=np.uint16)
wangjianxin-canaan
commented
7 months ago
What happened
Reproduction steps
基础示例
#
欢迎使用CanMV IDE, 点击IDE左下角的绿色按钮开始执行脚本
from machine import FFT import array import math from ulab import numpy as np PI = 3.14159265358979323846264338327950288419716939937510
rx = [] def input_data(): for i in range(64): data0 = 10 math.cos(2 PI i / 64) data1 = 20 math.cos(2 2 PI i / 64) data2 = 30 math.cos(3 2 PI i / 64) data3 = 0.2 math.cos(4 2 PI i / 64) data4 = 1000 math.cos(5 2 PI * i / 64) rx.append((int(data0 + data1 + data2 + data3 + data4))) input_data() #初始化需要进行FFT的数据，列表类型
print(rx)
data = np.array(rx,dtype=np.int16) #把列表数据转换成数组
print(data)
fft1 = FFT(data, 64, 0) #创建一个FFT对象,运算点数为64，偏移是0x555 res = fft1.run() #获取FFT转换后的数据
print(res)
res = fft1.amplitude(res) #获取各个频率点的幅值
print(res)
res = fft1.freq(64,38400) #获取所有频率点的频率值
print(res)
Hardware board
k230 canmv
Software version
micropython v0.4
Bug frequency
all
Anything else
同时案例中的转换，为什么采用的是uint16 data = np.array(rx,dtype=np.uint16)
fft1 = FFT(data, 64, 0x555) 测试偏移量只支持16进制和8进制，是否在说明文档和案例中说明偏移的格式 同时，在进行偏移时FFT幅值为原来的1/2？
`from machine import FFT import array import math from ulab import numpy as np PI = 3.14159265358979323846264338327950288419716939937510
rx = [] def input_data(): for i in range(64): data0 = 10 math.sin(2 PI i / 64) +10 data1 = 0#20 math.cos(2 2 PI i / 64) data2 = 0#30 math.cos(3 2 PI i / 64) data3 = 0#0.2 math.cos(4 2 PI i / 64) data4 = 0# 1000 math.cos(5 2 PI * i / 64) rx.append((int(data0 + data1 + data2 + data3 + data4))) input_data() #初始化需要进行FFT的数据，列表类型
print(rx)
data = np.array(rx,dtype=np.int16) #把列表数据转换成数组
print(data)
fft1 = FFT(data, 64, 0xA) # 偏置10 ，16进制 res = fft1.run() #获取FFT转换后的数据
print(res)
res = fft1.amplitude(res) #获取各个频率点的幅值
print(res)`
结果
[9, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0] 除直流分量接近，幅值仅为原有10的1/2