点击蓝字关注我们
关注、星标公众号,精彩内容每日送达
来源:网络素材
1、调用IP核
该IP核对应手册pg109_xfft.pdf,首先按照图片找到IP核:


2、配置界面介绍
本小节主要介绍Fast Fourier Transform9.1这个IP核配置界面的一些选项:
第1页:Configuration

图1
表1 Configuration界面介绍
第2页:Implementation
图2
表2 Implementation界面介绍



第3页:Detailed Implementation
图3
表3 Detailed Implementation


3、IP核端口配置
根据上述配置界面的介绍,下面以64点IFFT为例子,总结了使用IP核时所需的端口配置,如表4所示,需要注意的是表4中没有涉及的部分按照IP核的默认配置即可:
表4 64点IFFT运算IP核的设置表汇总


配置完成之后IP核的端口图如下:

图4 64点IFFT核端口图
按照下面图找到例化原语:

图5
打开.veo后缀的文件找到例化原语:

图6
对例化语句的介绍见表5,其中L表示IFFT/FFT的点数。
表5 例化原语介绍

需要说明的是,需要配置的端口有,1)aclk;2)aclken;3)s_axis_config_tdata ;4)s_axis_config_tvalid ;5)s_axis_config_tready;6)s_axis_data_tdata;7)s_axis_data_tvalid;8)s_axis_data_tready;9)m_axis_data_tdata;10)m_axis_data_tuser;11)m_axis_data_tready;12)m_axis_data_tlast
4、MATLAB生成测试数据
本次测试只需要使用TestBench验证即可,需要生成.txt后缀的文件,产生IFFT核的输入数据,主要程序为:
%% 该.m文件用来生成介绍IFFT核的数据,具体为64点的IFFT 16QAM
clear
close all
clc
rng default %产生固定数值的随机数据
%% 基于符号算法的目标距离和速度探测
%% 定义基本参数
Ns=1; %符号数
Nc=64; %子载波数
M=16; %调制方式
bit_num=log2(M); %一个码组中的码元个数
bit=randi([0 1],Nc*Ns*bit_num,1); %产生比特
norm=1/sqrt(10); %16qam 归一化因子
%% 16qam
bit_convert=(reshape(bit,bit_num,length(bit)/bit_num))';%二进制数据流按照调制的方式分成不同码元
data_2_to_10=bi2de(bit_convert,'left-msb'); %将每四位数据转换为十进制数
maxtix=reshape(data_2_to_10,Nc,Ns);
bit_mo=norm*qammod(data_2_to_10,M);
a_nm=reshape(bit_mo,Nc,Ns);
%% 发送端IFFT调制
IFFT_OUT=ifft(a_nm,64);
%% 数据保存为.txt文件
echo_real=real(a_nm);
echo_imag=imag(a_nm);
echo1_real=quantizer([16 11]);
echo1_imag=quantizer([16 11]);
fid_echo=fopen('C:\Users\15865\Desktop\FFT_IP_core_64point\IFFT_IP_core_64point_exam.txt','wt');
for j=1:Ns
echo2_real=num2bin(echo1_real,echo_real(:,j));
echo2_imag=num2bin(echo1_imag,echo_imag(:,j));
for i=1:Nc
imag_real_echo=[echo2_imag(i,:),echo2_real(i,:)];
fwrite(fid_echo,imag_real_echo);
fprintf(fid_echo,'\n');
end
end
fclose(fid_echo);
图中程序功能是生成了一段包含64个复数数据的数组,并将每个复数数据用16表示实部16位表示虚部共生成32位二进制数,最后将这组数据保存为.txt后缀文件。
5、测试verilog HDL
根据前文的配置编写一个简单的测试.v文件测试64点数据的IFFT运行结果,主要程序如下:
`timescale 1ns / 1ps
module IFFT_introduction(
input clk,
input rst_n,
input ifft_valid,
input [31:0] data_in,
// input last,
output s_config_tready,
output [31:0] m_data_tdata,
output s_data_tready,
output [7:0] m_data_tuser,
output m_data_tvalid,
output m_data_tlast
);
FFT_IP_core_64point ifft_u0(
.aclk(clk), // input wire aclk
.aclken(rst_n), // input wire aclken
.s_axis_config_tdata(8'd0), // input wire [7 : 0] s_axis_config_tdata
.s_axis_config_tvalid(1'b1), // input wire s_axis_config_tvalid
.s_axis_config_tready(s_config_tready), // output wire s_axis_config_tready
.s_axis_data_tdata(data_in), // input wire [31 : 0] s_axis_data_tdata
.s_axis_data_tvalid(ifft_valid), // input wire s_axis_data_tvalid
.s_axis_data_tready(s_data_tready), // output wire s_axis_data_tready
// .s_axis_data_tlast(s_axis_data_tlast), // input wire s_axis_data_tlast
.m_axis_data_tdata(m_data_tdata), // output wire [31 : 0] m_axis_data_tdata
.m_axis_data_tuser(m_data_tuser), // output wire [7 : 0] m_axis_data_tuser
.m_axis_data_tvalid(m_data_tvalid), // output wire m_axis_data_tvalid
.m_axis_data_tready(1'b1), // input wire m_axis_data_tready
.m_axis_data_tlast(m_data_tlast) // output wire m_axis_data_tlast
);
wire [15:0] ifft_64point_out_RE,ifft_64point_out_IM;
// assign RE={{4{m_data_tdata[15]}},m_data_tdata[15:4]};//IFFT归一化处理,除Nfft
// assign IM={{4{m_data_tdata[39]}},m_data_tdata[39:28]};
assign ifft_64point_out_IM=m_data_tdata[31:16]; //虚部
assign ifft_64point_out_RE=m_data_tdata[15:0]; //实部
endmodule
这段程序调用了FFT IP核的例化原语,并将部分接口作为函数的输入和输出,方便TestBench调用。
6、TestBench仿真
主要程序如下:
`timescale 1ns / 1ps
module ifft_tb();
reg clk; //系统时钟
reg rst_n; //复位信号,低有效
reg ifft_valid; //数据有效位,指示输入数据有效
reg [31:0] data_in; //输入数据
wire s_config_tready;
wire [31:0] m_data_tdata;
wire s_data_tready;
wire [7:0] m_data_tuser;
wire m_data_tvalid;
wire m_data_tlast;
IFFT_introduction u0( //例化.v文件
.clk(clk),
.rst_n(rst_n),
.ifft_valid(ifft_valid),
.data_in(data_in),
.s_config_tready(s_config_tready),
.m_data_tdata(m_data_tdata),
.s_data_tready(s_data_tready),
.m_data_tuser(m_data_tuser),
.m_data_tvalid(m_data_tvalid),
.m_data_tlast(m_data_tlast)
);
reg [31:0] mem [63:0];
initial begin //$readmemb Vivado内置函数调用.txt文件
$readmemb("C:/Users/15865/Desktop/FFT_IP_core_64point/IFFT_IP_core_64point_exam.txt",mem);
clk=0;
rst_n=0;
#1000;
rst_n=1;
#10_000;
$stop;
end
always #10 clk<=~clk; //50MHz
reg [6:0] count;
//计数
always@(posedge clk or negedge rst_n) begin
if(!rst_n)
count<='d0;
else if(count<='d63)
count<=count+1'b1;
else
count<='dz;
end
// 产生信号和数据
always@(posedge clk or negedge rst_n) begin
if(!rst_n) begin
ifft_valid<='d0;
data_in<='d0;
end
else if(count>='d0 && count<='d63) begin
ifft_valid<=1;
data_in<=mem[count];
end
else begin
ifft_valid<=1'b0;
data_in<='d0;
end
end
endmodule
7、Modelsim结果与MATLAB输出结果验证
本节将验证Modelsim和MATLAB输出结果的一致性,并简单介绍Modelsim输出结果向MATLAB数据的转换。
Modelsim 输出结果如下图:

图10
由于数据有64个而这里验证前三个中间三个和后三个的方式验证Modelsim数据和MATLAB数据正确性:
表6数据验证
需要注意的是,Modelsim输出的结果并不是小数,而是忽略了小数点的整数,要想获得和MATLAB类似的浮点数,需要我们将输出结果变换,这里以Modelsim输出的最后一个数为例(即表6中序号64),可见图11。

图11
对于该结果需要我们将输出结果除以2^(a+ b),a为用以表示小数的位宽数,本文中为11,b为FFT点数的2次幂幂值,本文为6,因此对于每一个Modelsim的输出结果都需要除以2^17,这里实部-15302/2^17=-0.1167,虚部-23234/2^17=-0.1773。
从表6中数据可以看出,IFFT 核执行的运算和MATLAB的运算结果十分接近,验证成功。
8、FFT运算
与IFFT运算类似,配置不用更改只需将第5小节程序中,s_axis_config_tdata端口配置改为8’d1即可,其他无需变动。

想要了解FPGA吗?这里有实例分享,ZYNQ设计,关注我们的公众号,探索