CN106354693B - 一种fft处理器的块浮点方法 - Google Patents

一种fft处理器的块浮点方法 Download PDF

Info

Publication number
CN106354693B
CN106354693B CN201610756966.7A CN201610756966A CN106354693B CN 106354693 B CN106354693 B CN 106354693B CN 201610756966 A CN201610756966 A CN 201610756966A CN 106354693 B CN106354693 B CN 106354693B
Authority
CN
China
Prior art keywords
data
block
floating point
parameter
fft processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610756966.7A
Other languages
English (en)
Other versions
CN106354693A (zh
Inventor
刘大可
刘劭晗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201610756966.7A priority Critical patent/CN106354693B/zh
Publication of CN106354693A publication Critical patent/CN106354693A/zh
Application granted granted Critical
Publication of CN106354693B publication Critical patent/CN106354693B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/57—Arithmetic logic units [ALU], i.e. arrangements or devices for performing two or more of the operations covered by groups G06F7/483 – G06F7/556 or for performing logical operations

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Discrete Mathematics (AREA)
  • Computing Systems (AREA)
  • Complex Calculations (AREA)

Abstract

本发明涉及FFT处理器技术领域，公开了一种FFT处理器的块浮点方法，包括：在FFT处理器的某一级中，对该级的数据块进行相应的运算；根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存取公式对所述块浮点指数进行存储；在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存取公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作。该块浮点方法具有根据需要能够适当调整数据块大小的优点。

Description

一种FFT处理器的块浮点方法
技术领域
本发明涉及FFT处理器技术领域，特别是涉及一种FFT处理器的块浮点方法。
背景技术
FFT是离散傅里叶变换(DFT)的一种快速实现方法，可以将数据在时域和频域之间进行转换。在基于存储的定点FFT处理器中，由于存储器中的数据的字长有限，运算单元的计算结果通常需要进行缩放后才能存回存储器，然而，这样便会对计算的结果造成精度损失即， FFT运算所需的级数越多，基数越大，最终的计算结果的精度的损失就越大。
基于这一考虑，需采用块浮点技术来解决因缩放而对计算结果造成的精度损失。
在现有的用于基于存储的FFT处理器的块浮点技术中，数据块的大小只能为一个固定值。而对于需要同时支持2的整数幂点FFT运算和非2的整数幂点DFT运算的FFT处理器，其进行基数为2的整数幂的运算时数据块的大小和进行基数为非2的整数幂的运算时数据块的大小不同，因此需要一种FFT处理器中数据块大小可调的块浮点方法。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种FFT处理器的块浮点方法，以解决现有技术中无法支持数据块大小可调的FFT处理器的问题。
(二)技术方案
为了解决上述技术问题，本发明提供一种FFT处理器的块浮点方法，包括：在FFT处理器的某一级中，对该级的数据块进行相应的运算；根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存储公式以对所述块浮点指数进行存储；在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存储公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作。
其中，在根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存取公式对所述块浮点指数进行存取的步骤或在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存取公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作步骤中，所述FFT 处理器采用DIT、DIF、混合基或质因子算法将N点FFT运算分解为 m级蝶形运算，每一级蝶形运算的点数分别为N1,N2,…,Nm，待存取数据在每一级蝶形运算中可由n1,n2,…，nm唯一确定，其中，
nh(h＝1,2,3…..m)分别代表待存取数据在第h级的蝶形运算中的排序。
其中，将所述FFT处理器中的某一级定义为i级，将FFT处理器中的某一级的下一级定义为j级。
其中，所述块浮点指数存储公式为
其中，bank为数据块中的数据所在的堆，addr为数据块中的数据在所在的堆中的地址，nk为在所述第j级的数据块中数据的参数集合中同时又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，nL为既不在所述第j级的数据块中数据的参数集合中又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，Nk为nk的可取值的数量,P为FFT处理器可以并行存取的最大数据并行度。其中，在所述第i级中，根据所述FFT处理器的数据无冲突算法，同一个数据块中的数据存在X个参数，分别为ni1,ni2,…,niX，其中，nig (1≤g≤X)的取值为na(1≤a≤m)或na中的部分二进制比特位，其中， na为所述第i级的数据块中数据的参数集合中的参数，ni1,ni2,…,niX相应的可取值数量为Ni1,Ni2,…,NiX。
其中，在第j级中，根据所述FFT处理器的数据无冲突算法，同一个数据块中的数据存在Y个参数，分别为nj1,nj2,…,njY，其中， njh(1≤h≤Y)的取值为nb(1≤b≤m)或nb中的部分二进制比特位，其中，nb为所述第j级的数据块中数据的参数集合中的参数， nj1,nj2,…,njY相应的可取值数量为Nj1,Nj2,…,NjY。
其中，在nj1,nj2,…,njY中，同时又不在ni1,ni2,…,niX中的参数有Z 个，分别为nk1,nk2,…,nkZ，各参数的相应的可取值数量分别为 Nk1,Nk2,…,NkZ。
其中，基于nk1,nk2,…,nkZ和Nk1,Nk2,…,NkZ构建第一平衡方程，所述第一平衡方程为
其中，nk为在所述第j级的数据块中数据的参数集合中同时又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，可以由Z个参数nk1,Nk1nk2,…,Nk(f-1)nkf…NkZ- 1nkZ相加得到，Nk为nk的可取值的数量，可以由Z个参数Nk1,Nk2,…,NkZ相乘得到。
其中，在n1,n2,…,nm中，且既不在ni1,ni2,...,niX中又不在 nj1,nj2,…,njY中的参数有U个，分别为nL1,nL2,…,nLU，各参数的可取值数量分别为NL1,NL2,…,NLU。
其中，基于nL1,nL2,…,nLU和NL1,NL2,…,NLU构建第二平衡方程，所述第二平衡方程为
其中，nL为既不在所述第j级的数据块中数据的参数集合中又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，可以由U个参数nL1,NL1nL2,…,NL(t-1)nLt…NLU- 1nLU相加得到，NL为nL的可取值的数量，可以由U个参数相乘得到。
(三)有益效果
本发明提供的块浮点方法，与现有技术相比，具有如下优点：
与现有技术中的基于存储的FFT处理器中使用的块浮点技术只能所有数据共用一个数据块，或者将2的整数幂点FFT的数据分为多个数据块，其数据块的大小为固定值，而对于需要同时支持2的整数幂点FFT和非2的整数幂点DFT的高精度FFT处理器，需要一种 FFT处理器中数据块大小可调的块浮点方法。本申请的块浮点方法恰好能够用解决这一技术问题，即，能够用于数据块大小可调的FFT 处理器。
附图说明
图1为本申请的实施例的FFT处理器的块浮点方法的步骤流程示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实例用于说明本发明，但不用来限制本发明的范围。
如图1所示，图1示意性地显示了该块浮点方法包括：
步骤S410，在FFT处理器的某一级中，对该级的数据块进行相应的运算。
步骤S420，根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存取公式对所述块浮点指数进行存储。
步骤S430，在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存取公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作。本申请的块浮点方法，与现有技术中的基于存储的FFT处理器中使用的块浮点技术只能所有数据共用一个数据块，或者将2的整数幂点FFT的数据分为多个数据块，其数据块的大小为固定值，而对于需要同时进行2的整数幂点FFT和非2的整数幂点DFT的高精度FFT处理器，需要一种可以根据需求调整数据块大小的块浮点方法。然而，本申请的块浮点方法恰好能够用解决这一技术问题，即，能够用于数据块大小可调的FFT处理器。
需要说明的是，块浮点数据由尾数和指数组成，一个数据块包含多个数据，同一个数据块中的数据共享同一个指数。
为进一步优化上述技术方案中的步骤S420和步骤S430，在上述技术方案的基础上，块浮点指数存储公式为
其中，bank为数据块中的数据所在的堆，addr为数据块中的数据在所在的堆中的地址，nk为在所述第j级的数据块中数据的参数集合中同时又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，nL为既不在所述第j级的数据块中数据的参数集合中又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，Nk为nk的可取值的数量，P为FFT处理器可以并行存取的最大数据并行度。
需要说明的是，本申请的块浮点指数存储公式可以保证在FFT 处理器的每一级中每个数据块有且只有一个块浮点指数，并且能够并行无冲突存取所需的块浮点指数。
在FFT处理的不同级中，同一组n1,n2,…,nm确定的数据对应的块浮点指数在块浮点指数存储器中的存储地址不同。第i级计算出的块浮点指数存储地址公式可以分别用于第i级的缩放单元向块浮点指数存储器中存储块浮点指数以及下一级的对齐单元从块浮点指数存储器中读取块浮点指数。
容易理解，本申请的FFT处理器中的块浮点单元包括块浮点指数存储器、对齐单元、缩放单元和块浮点控制单元。其中，块浮点指数存储器用于存储数据的块浮点指数。块浮点指数在块浮点指数存储器中的地址由其所在的堆和堆中的地址唯一确定。
对齐单元用于当FFT处理器从数据存储器向运算单元中读取数据时，从块浮点指数存储器中并行读取数据在上一级的数据块的指数，并根据指数对数据进行对齐操作。
缩放单元用于当处理器从运算单元向数据存储器中写回结果数据时，根据本级的同一个数据块中的数据计算出数据块指数，并将数据块指数写回块浮点指数存储器，同时将数据块中的数据进行缩放操作之后，写回数据存储器。
块浮点控制单元属于FFT处理器控制单元的一部分，可以用于控制块浮点指数存储器的乒乓结构、对齐单元和缩放单元，并计算需要从块浮点指数存储器中读取或写回数据的地址。
在上述技术方案的基础上，在根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存取公式以对所述块浮点指数进行存储的步骤或在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存储公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作步骤中，所述FFT处理器采用DIT、DIF、混合基或质因子算法将N点FFT运算分解为m级蝶形运算，每一级蝶形运算的点数分别为N1,N2,…,Nm，待存取数据在每一级蝶形运算中可由n1,n2,…,nm唯一确定，其中，nh(h＝1,2,3···,m)分别代表待存取数据在第h级的蝶形运算中的排序。
在一个实施例中，将FFT处理器中的某一级定义为i级，将FFT 处理器中的某一级的下一级定义为j级。
在一个优选的实施例中，在所述第i级中，根据所述FFT处理器的数据无冲突算法，同一个数据块中的数据存在X个参数，分别为 ni1,ni2,…,niX，其中，nig(1≤g≤X)的取值为na(1≤a≤m)或na的部分二进制比特位，其中，na为所述第i级的数据块中数据的参数集合中的参数，ni1,ni2,…,niX相应的可取值数量为Ni1,Ni2,…,NiX。
需要说明的是，若第i个阶段不是最后一个计算阶段，则下一个阶段为第j＝i+1个阶段，若第i个阶段是最后一个阶段，则下一个阶段为数据输出阶段。
在一个优选的实施例中，在第j级中，根据FFT处理器的数据无冲突算法，同一个数据块中的数据存在Y个参数，分别为 nj1,nj2,…,njY，其中，njh(1≤h≤Y)的取值为nb(1≤b≤m)或nb的一部分，其中，nb为所述第j级的数据块中数据的参数集合中的参数， nj1,nj2,…,njY相应的可取值数量为Nj1,Nj2,…,NjY。
在一个实施例中，在nj1,nj2,…,njY中，同时又不在ni1,ni2,…,niX中的参数有Z个，分别为nk1,nk2,…,nkZ，各参数的相应的可取值的数量分别为Nk1,Nk2,…,NkZ。
在一个优选的实施例中，基于nk1,nk2,…,nkZ和Nk1,Nk2,…,NkZ构建第一平衡方程，所述第一平衡方程为
其中，nk为在所述第j级的数据块中数据的参数集合中同时又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，可以由Z个参数nk1,Nk1nk2,…,Nk(f-1)nkf…NkZ- 1nkZ相加得到，Nk为nk的可取值的数量，可以由Z个参数Nk1,Nk2,…,NkZ相乘得到。
公式中的(nk1,nk2,…,nkZ)参数的顺序可以适当地调换，以减小硬件的开销。
在一个优选的实施例中，在n1,n2,…,nm中，且既不在ni1,ni2,...,niX中又不在nj1,nj2,…,njY中的参数有U个，分别为nL1,nL2,…,nLU，各参数的可取值的数量分别为NL1,NL2,…,NLU。需要说明的是，公式中的参数(nL1,nL2,…,nLU)的顺序可以适当地进行调换，以减小硬件的开销。
在一个优选的实施例中，基于nL1,nL2,…,nLU和NL1,NL2,…,NLU构建第二平衡方程，所述第二平衡方程为
其中，nL为既不在所述第j级的数据块中数据的参数集合中又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，可以由U个参数nL1,NL1nL2,…,NL(t-1)nLt…NLU- 1nLU相加得到，NL为nL的可取值的数量，可以由U个参数NL1,NL2,…,NLU相乘得到。
实施例1：
假设FFT处理器可以并行存取的最大数据并行度P为16。且FFT 处理器采用混合基算法将N点FFT运算分解为m级蝶形运算：
且有：
根据数据无冲突存取算法，数据块在数据存储器中所在堆的公式为：
其中，为n1的位倒序。
在第i级，FFT处理器进行基Ni运算，若Ni＝16，则数据块大小为 16，同一个数据块中存在参数ni有16个不同的值；若Ni≠16且i≠1，则数据块大小为
其中为对向下取整。同一个数据块中存在参数ni有Ni个不同的值和参数n’1有个不同的值，其中n’1为n1的低比特，n’1相应的可取值数量为ni相应的可取值数量为Ni。
若第i个阶段不是最后一个计算阶段，则下一个阶段j＝i+1；若第i个阶段是最后一个计算阶段，则下一个阶段为数据输出阶段，其数据输出顺序与第一个阶段相同，即按照第j＝1个阶段的设置进行数据取出和对齐操作。
在第j个阶段，同一个数据块中存在参数nj有Nj个不同的值；若 Nj≠16，则还存在参数n”1有个不同的值，其中n”1为n1的低比特，相应的可取值数量为nj相应的可取值数量为 Nj。
因此，在第一个阶段，有i＝1，N1＝16。如果只有一级蝶形运算，即m＝1，则不存在nk1,nk2,…,nkZ和nL1,nL2,…,nLU，有
若m>1，则有
在中间的阶段，有1＜i＜m，则存在ni和n’1，其中n’1为n1的低比特，且存在nj＝ni+1和其中为n1的低比特，则nk1＝nj，且如果比大，则有nk2取n1的第位和第位之间的值，有
且有
则nL1,nL2,…,nLU为根据公式
nL＝nL1+NL1nL2+…+NL1NL2…NLU-1nLU，以计算nL。
在最后一个阶段，有i＝m，由于m＝1的情况已经列出，所以假设m＞1。则存在ni＝nm和nj＝n1，且存在n’1为n1的低比特。则nk为n1的高比特，有
综上所述，所有情况下的nk和nL均已得到，可根据公式
得到每个阶段数据块中的数据的指数在块浮点指数存储器中的存储公式。第i个级计算出的块浮点存储地址公式可以用于第i个级的缩放单元向块浮点指数存储器中存储块浮点指数操作和下一个级的对齐单元从块浮点指数存储器读取块浮点指数操作。
综上所述，本申请的块浮点方法与现有技术中的基于存储的FFT 处理器中使用的块浮点技术只能所有数据共用一个数据块，或者将2 的整数幂点FFT的数据分为多个数据块，其数据块的大小为固定值，而对于需要同时进行2的整数幂点FFT和非2的整数幂点DFT的高精度FFT处理器，需要一种FFT处理器中数据块大小可调的块浮点方法。本申请的块浮点方法能够用解决这一技术问题，即，能够用于数据块大小可调的FFT处理器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种FFT处理器的块浮点方法，其特征在于，包括：
在FFT处理器的某一级中，对该级的数据块进行相应的运算；
根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存取公式以对所述块浮点指数进行存储；
在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存取公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作；
将所述FFT处理器中的某一级定义为第i级，将FFT处理器中的某一级的下一级定义为第j级；
所述块浮点指数存储公式为
其中，bank为数据块中的数据所在的堆，addr为数据块中的数据在所在的堆中的地址，nk为在所述第j级的数据块中数据的参数集合中同时又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，nL为既不在所述第j级的数据块中数据的参数集合中又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，Nk为nk的可取值的数量，P为FFT处理器可以并行存取的最大数据并行度。
2.根据权利要求1所述的FFT处理器的块浮点方法，其特征在于，在根据运算得出的结果，以对所述数据块进行相应的缩放操作，并计算出该级的所述数据块的块浮点指数，并根据块浮点指数存取公式对所述块浮点指数进行存取的步骤或在所述FFT处理器的某一级的下一级中，根据所述块浮点指数存取公式读取所述块浮点指数，并根据所述块浮点指数进行相应的对齐操作步骤中，所述FFT处理器采用DIT、DIF、混合基或质因子算法将N点FFT运算分解为m级蝶形运算，每一级蝶形运算的点数分别为N1，N2，…，Nm，待存取数据在每一级蝶形运算中可由n1，n2，…，nm唯一确定，其中，nh(h＝1，2，3…m)分别代表待存取数据在第h级的蝶形运算中的排序。
3.根据权利要求2所述的FFT处理器的块浮点方法，其特征在于，在所述第i级中，根据所述FFT处理器的数据无冲突算法，同一个数据块中的数据存在X个参数，分别为ni1，ni2，…，niX，其中，nig的取值为na或na中的部分二进制比特位，其中，1≤g≤X，1≤a≤m，na为所述第i级的数据块中数据的参数集合中的参数，ni1，ni2，…，niX相应的可取值数量为Ni1，Ni2，…，NiX。
4.根据权利要求3所述的FFT处理器的块浮点方法，其特征在于，在第j级中，根据所述FFT处理器的数据无冲突算法，同一个数据块中的数据存在Y个参数，分别为nj1，nj2，…，njY，其中，njh的取值为nb或nb中的部分二进制比特位，其中，1≤h≤Y，1≤b≤m，nb为所述第j级的数据块中数据的参数集合中的参数，nj1，nj2，…，njY相应的可取值数量为Nj1，Nj2，…，NjY。
5.根据权利要求4所述的FFT处理器的块浮点方法，其特征在于，在nj1，nj2，…，njY中，同时又不在ni1，ni2，…，niX中的参数有Z个，分别为nk1，nk2，…，nkZ，各参数的相应的可取值数量分别为Nk1，Nk2，…，NkZ。
6.根据权利要求5所述的FFT处理器的块浮点方法，其特征在于，基于所述nk1，nk2，…，nkZ和所述Nk1，Nk2，…，NkZ构建第一平衡方程，所述第一平衡方程为
其中，nk为在所述第j级的数据块中数据的参数集合中同时又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，可以由Z个参数nk1，Nk1nk2，…，Nk(f-1)nkf…Nk Z-1nkZ相加得到，Nk为nk的可取值的数量，可以由Z个参数Nk1，Nk2，…，NkZ相乘得到。
7.根据权利要求4所述的FFT处理器的块浮点方法，其特征在于，在n1，n2，…，nm中，且既不在ni1，ni2，…，niX中又不在nj1，nj2，…，njY中的参数有U个，分别为nL1，nL2，…，nLU，各参数的可取值数量分别为NL1，NL2，…，NLU。
8.根据权利要求7所述的FFT处理器的块浮点方法，其特征在于，基于所述nL1，nL2，…，nLU和所述NL1，NL2，…，NLU构建第二平衡方程，所述第二平衡方程为
其中，nL为既不在所述第j级的数据块中数据的参数集合中又不在所述第i级的数据块中数据的参数集合中的参数集合的参数，可以由U个参数nL1，NL1nL2，…，NL(t-1)nLt…NLU-1nLU相加得到，NL为nL的可取值的数量，可以由U个参数NL1，NL2，…，NLU相乘得到。
CN201610756966.7A 2016-08-29 2016-08-29 一种fft处理器的块浮点方法 Expired - Fee Related CN106354693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610756966.7A CN106354693B (zh) 2016-08-29 2016-08-29 一种fft处理器的块浮点方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610756966.7A CN106354693B (zh) 2016-08-29 2016-08-29 一种fft处理器的块浮点方法

Publications (2)

Publication Number Publication Date
CN106354693A CN106354693A (zh) 2017-01-25
CN106354693B true CN106354693B (zh) 2019-09-17

Family

ID=57856829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610756966.7A Expired - Fee Related CN106354693B (zh) 2016-08-29 2016-08-29 一种fft处理器的块浮点方法

Country Status (1)

Country Link
CN (1) CN106354693B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133194B (zh) * 2017-04-11 2019-11-26 西安电子科技大学 基于混合基底的可配置fft/ifft协处理器
CN109618249B (zh) * 2018-11-07 2021-12-07 上海励耘电子有限公司 一种ofdm-pon接收端定点fft字长优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5481488A (en) * 1994-10-21 1996-01-02 United Microelectronics Corporation Block floating point mechanism for fast Fourier transform processor
US6411978B1 (en) * 1999-05-26 2002-06-25 Infineon Technologies Ag I. Gr. Mechanism for block floating point FFT hardware support on a fixed point digital signal processor
CN101551790A (zh) * 2008-04-03 2009-10-07 中兴通讯股份有限公司 快速傅立叶变换实现方法及装置
CN103901405A (zh) * 2014-04-21 2014-07-02 西安电子科技大学 实时块浮点频域四路脉冲压缩器及其脉冲压缩方法
CN104679721A (zh) * 2015-03-17 2015-06-03 成都金本华科技股份有限公司 一种fft处理器的运算方法
CN104679720A (zh) * 2015-03-17 2015-06-03 成都金本华科技股份有限公司 一种实现fft的运算方法
CN105183701A (zh) * 2015-09-06 2015-12-23 北京北方烽火科技有限公司 1536点fft处理方式及相关设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5481488A (en) * 1994-10-21 1996-01-02 United Microelectronics Corporation Block floating point mechanism for fast Fourier transform processor
US6411978B1 (en) * 1999-05-26 2002-06-25 Infineon Technologies Ag I. Gr. Mechanism for block floating point FFT hardware support on a fixed point digital signal processor
CN101551790A (zh) * 2008-04-03 2009-10-07 中兴通讯股份有限公司 快速傅立叶变换实现方法及装置
CN103901405A (zh) * 2014-04-21 2014-07-02 西安电子科技大学 实时块浮点频域四路脉冲压缩器及其脉冲压缩方法
CN104679721A (zh) * 2015-03-17 2015-06-03 成都金本华科技股份有限公司 一种fft处理器的运算方法
CN104679720A (zh) * 2015-03-17 2015-06-03 成都金本华科技股份有限公司 一种实现fft的运算方法
CN105183701A (zh) * 2015-09-06 2015-12-23 北京北方烽火科技有限公司 1536点fft处理方式及相关设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于FPGA的块浮点FFT的实现;赵敏玲等;《兰州理工大学学报》;20090831;第35卷(第4期);第103-106页

Also Published As

Publication number Publication date
CN106354693A (zh) 2017-01-25

Similar Documents

Publication Publication Date Title
CN106649401A (zh) 分布式文件系统中的数据写入方法和装置
CN100538886C (zh) 多维数组在动态随机存取存储器上的快速读写方法和装置
CN106354693B (zh) 一种fft处理器的块浮点方法
CN104679720A (zh) 一种实现fft的运算方法
Gorbachev et al. Gauss and Markov quadrature formulae with nodes at zeros of eigenfunctions of a Sturm-Liouville problem, which are exact for entire functions of exponential type
Pan A projective simplex method for linear programming
Jeanmasson et al. On some explicit local time stepping finite volume schemes for CFD
White et al. Speeding up Fourier neural operators via mixed precision
Narushima et al. Global convergence of a memory gradient method for unconstrained optimization
CN102411557B (zh) 多粒度并行fft计算装置
US20140089370A1 (en) Parallel bit reversal devices and methods
CN106469134B (zh) 一种用于fft处理器的数据无冲突存取方法
US9213639B2 (en) Division of numerical values based on summations and memory mapping in computing systems
CN102411491B (zh) 一种用于并行fft计算的数据存取方法及装置
Nikol'skii Analysis III: Spaces of Differentiable Functions
CN106844022A (zh) 一种数据处理的方法及系统
Titarev et al. Analysis of ADER and ADER-WAF schemes
Lai et al. Parallel computations of local pagerank problem based on graphics processing unit
WO2015172718A1 (zh) 在存储器中进行多访问的方法、装置和存储系统
Elsner et al. ARKCoS: artifact-suppressed accelerated radial kernel convolution on the sphere
Alimorad D et al. A theoretical measure technique for determining 3D symmetric nearly optimal shapes with a given center of mass
Lu et al. Third order WENO scheme on sparse grids for hyperbolic equations
Nimako et al. Chunked extendible dense arrays for scientific data storage
Sochi Solving the flow fields in conduits and networks using energy minimization principle with simulated annealing
CN115394364B (zh) 原子动力学蒙特卡洛模拟的原子指纹计算方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190917

Termination date: 20210829