FFT特征提取算法
来自网络
滚动轴承故障诊断频域特征识别，关键在于转换为频域的实时性是否满足系统实时的工作需要，FFT变换是将时域信号转换为频域的有效方法。

FFT具有快速实时，物理关系明确的优点，能以较低的成本得到性能满足要求的系统，所以本课题讨论的故障诊断频域特征识别仍采用FFT变换。

TI公司的DSP有许多适应实时数字信号处理的特点，具有哈佛总线结构、片内缓存技术、流水线结构、特殊的寻址方式、高效的特殊指令以及硬件乘法器、位反转桶形位移器等硬件，因此数据运算速度很快，通常1024点的FFT在毫秒级之内(以所选用的DSP和系统时钟而有别)，因此用DSP实现FFT，实时性可以充分满足系统要求。

FFT在DSP处理器实现中采用的是按时间抽取的基2算法。

一般情况下，假定FFT程序的输入序列为复数，而在本课题应用背景中待处理序列为实数值，可以采用对称特性有效地计算FFT。

在此情况下，可以将原来的N点实数序列压缩为一个N/2点的复数序列。

对此压缩复数序列执行N/2点FFT，将得到的N/2点复数输出展开为N点复序列，它与原来N点实数输入信号的FFT相对应。

做完FFT变换后，要识别故障特征，还要对变换后的数据序列进行求模，从而判断出故障特征的幅度和频率信息。

所以FFT变换的流程如图5.6所示。

C5402的DSPLIB库提供了一套全面优化的用于实数和复数FFT的函数和一个位反转例程(cbrev)。

实数FFT函数rfft是一个宏，其如下调用Cfft和cbrev: #definerfft(x，nx，type)
{ Cfft_##type(x，nx/2);
Cbrev(x，x，nx/2);
unpack(x，nx);
}
FFT变换程序不仅要调用DSPL工B中的cfft--SCALE函数，而且还要对变换完后的数据进行位翻转和数据打包，所以分别调用了库中的cbrev和unPack函数，最后还要对输出数据进行求模来判断幅度和频率等参数。