基于fft算法的MATLAB仿真

該方法易于在FPGA上實現(xiàn)相關算法，比直接用相乘來得簡單，而且但相關點數(shù)越多計算量相對而言比直接求解減少

仿真程序如下：

%步驟：

%（1） x，y都在高位補M（數(shù)據(jù)長度）個零

%（2） 求2M點FFT，X（K），Y（K）

%（3） 求乘積，Rxy（K）=X（K）*Y‘（K） 注：Y（K）取共軛

%（4） 求2M點IFFT， rxy= IFFT（Rxy（K））

clc;close all;clear all;

x1=load（‘D:My DocumentsMATLABdens_flow_ejieRF1.txt’）; %導入數(shù)據(jù)

y1=load（‘D:My DocumentsMATLABdens_flow_ejieRF2.txt’）; %導入數(shù)據(jù)

xcorr_size=512; %定義互相關的長度

xk=zeros（1，2*xcorr_size）;

yk=zeros（1，2*xcorr_size）;

label_x=zeros（1，2*xcorr_size）;

velo= zeros（1，2*xcorr_size）;

xk（1:xcorr_size）=x1（1:xcorr_size）; %以下為對比實驗，將用fft相關算法和XCORR實現(xiàn)進行對比，發(fā)現(xiàn)不用使用反折方法也能實現(xiàn)相關

yk（1:xcorr_size）=y1（1:xcorr_size）; %實現(xiàn)效果非常好

XK_FFT=fft（xk）;

YK_FFT=conj（fft（yk））; %求共軛，只是在復數(shù)乘法之前加了一個 取共軛操作

ZK= XK_FFT.*YK_FFT;

rxy=fftshift（ifft（ZK））; %用取實部的操作一樣

figure;

plot（rxy）;

title（‘fft算法實現(xiàn)線性相關’）;

rxy2=xcorr（xk（1:xcorr_size），yk（1:xcorr_size））;

figure;

plot（rxy2）;

title（‘matlab自帶相關函數(shù)xcorr結果’）;