谈谈对DSP C刚入门者的一些建议：
   1.DSP程序的定位配置－－－CMD文件，要求熟悉DSP的存储器结构。这一部分对接触硬件多一些的新手很容易，其实也就是配置一般的C语言编译器的一部分，比如AVR单片机的头文件，cpu选择等在DSP中就是这一部分完成。另外还要注意TI例程中对加密位，看门狗的处理。

   2.当然是C语言的一些基础了：运算符，优先级，几个基本流程控制语句。这些无论是什么C平台运行都一样的，基础中的基础。但是也很容易因为这些基础的简单的问题，导致一些很郁闷的结果。也是因为对这些基础的概念的理解深入程度影响你的软件思想。

   3.结构体，联合体，位域的运用，最好能有一个对比，了解运用的场合及优缺点。有了这些基础，就很容易明白TI例程的一些基本结构。

   4.变量的作用域以及生存期，这样才能从最初的单个的C文件过渡到C工程，才能更好地了解模块化编程地基本要素，实现基础。

   5.Q格式等的应用，因为大多数DSP都是定点的，而做运算处理的很多时候都不可避免要用到浮点数。使用Q格式才能更好的发挥dsp高速的特性。所以有人说“不会使用Q格式的DSP程序员不是优秀的程序员”！

   6.另外我觉得如果用DSP参与控制的话，最好能熟悉一些面向对象的程序语言，比如C++。要能了解用C实现面向对象的方法。为什么呢？一是面向对象我个人觉得在写程序方面模块化等要好一些，特别是控制领域，我看过一些高手的PLC程序也是采用的面向对象的思想构件模块的，从那以后我的单片机程序才开始这样靠拢，也确实发现了一些好处。比如对那些c流程中多次要操作的资源，有时候会出现一些共用操作的位置错误。二是TI的例程中有好多地方用到了这些思想，要明白这些东西，你才能更容易理解那些例程。这一部分我推荐一本书《DSP C2000程序员高手进阶》。

  7.数据结构知识，DSP要做运算，肯定要涉及到一些好的数据结构。才能更好的优化算法。

  8.matlab的运用。matlab提供了强大的数学运算能力，还能对DSP结合CCS进行仿真。可以把程序员从繁琐的底层编程中解放出来。个人感觉matlab给编程思想和底层程序提供了一个连接，一个平台。

数字上变频器(DUC)和数字下变频器(DDC)不仅仅是通信应用(如软件无线电)中的关键，而且在需要窄带信号高速流的应用中也是重要的。另外，DDC结构容易控制所有取样速率下的混淆防止分样。

做为1个例子，让我们看看数字记录5MHz带宽(中心在50MHz)信号的问题。此信号可以是来自RF-IF模拟下变频器的信号或者是直接从天线接收的信号。为了满足尼奎斯特准则，我们需要以105ms/s取样率取样此信号。然而，为了合理地捕获此信号，应该在较高的取样率(至少200ms/s)取样此信号。假设ADC为16位，在该速率下被取样的信号会产生400MB/s数据。也许更难办的是以这样高速率采集和存储数据缺乏商业可用的方案。大多数可用的PC基数字器仅能在大约几分之几秒内存储此数据。

数字下变频

DDC在持续时间期间可以数字记录RF信号。在此实例中，我们仅需要记录5MHz信号(中心频率50MHz)，而不是ADC的整个尼奎斯特带宽。DDC允许除去其余数据，并降低数据率。在现场可编程门阵列(FPGA)中实现时，简单的数字下变频分为3个性质不同的步：频率变换、滤波和分样(图1)。

频率变换和滤波

第1步是频率变换。5MHz频带需要降低变换到基带，靠乘或与载频(fc)正弦信号混频实现这种变换。用数字控制振荡器(NCO)数字产生正弦波。NCO通常也称之为本机振荡器(LO)，它可以在精确频率和相位下产生取样波形。

随着信号从50MHz变频到基带，信号拷贝也从50 MHz变频到100 MHz。基于此原因，新的基带信号必须滤波，去除较高频率的信号。然而，到此我们的任务没有完成。我们仍有1个在200ms/s取样的低频基带信号。传输额外不必要数据时不希望PC总线过载，我们重新取样信号来降低有效取样率。这靠分样实现，在规则的时间间隔内从数字化的信号中去除数据点。在此例中，取样从200ms/s下降到10ms/s，每20个取样去除19个取样。

防止混淆的分样

采用分样，数字化器的采集引擎继续以同样的最大速率进行取样。然而，仅有少量的采集点被存储、被取出和传输到PC，这降低取样率到所希望的水平。但是，此技术不是极简单的。

为便于说明，假定数字化器的最大取样率是100MS/s，使其尼奎斯特频率为50 MHz，而信号有两个分量：10 MHz基频和20MHz激励频率分量。若数字化器分辨率为14位，则在100MS/S总数据率是200MB/s，这远远高于PCI总线理论极限132MB/s。这是采用较低取样率(如25MS/s)的1个原因。现在尼奎斯特频率应该是12.5MHz。然而，20MHz频率分量混淆回到5MHz。现在，不可能告知信号实际上是否是5MHz信号或混淆到5MHz的另外较高频率信号(20MHz，30MHz，45MHz)。

解决此问题的1种方案是称之为防止混淆分样的增强分样技术。在此技术中，数字化器继续在100MS/s最高取样率下采集数据，但加1个低通数字滤波器，在分样前截止尼奎斯特频率(图2)。

正交数字下变频

图1所示DDC只适用于单维调制信号。这种信号的1个实例是AM无线电的双边带幅度调制信号，它用比实际所需两倍的带宽。这样的信号在低和高于载频是相同的。

很多新式通信信号是两维调制。编码和调制这些复数信号为实数和虚数分量。用正交DDC适当地下变频复数信号。正交DDC不仅仅变频、滤波和分样ADC采样的IF信号，而且它也分离IF信号为实数和虚数分量。实数部分是同相(I)信号，虚数部分是90°相移(Q)信号。

在图3中，NCO产生两个载波信号：I载波和Q载波，它们相移90°。独立地混频这些信号，变频输入IF信号为基带I和Q分量，像从前那样滤波和分样每个通路。从此，可由FPGA进一步处理I和Q信号或后面的处理记录它们。

正交数字上变频

在数字通信领域，信号像经常被采集那样需要产生。很像DDC用于采集IF信号，DUC用于产生IF信号。DUC处理是DDC处理的严格反处理。代替下变频和分样，DUC采用内插和上变频。

内插或上取样转换低取样率调制信号为相当高取样率信号，以易于上变频。该步往往用软件实现，可以用任何因数乘整个的波形大小。例如，可以用2048内插因数内插16KB调制波形为32MB。最后，调制内插数据与载波混频，上变频基带信号为所需的载波频率。

任意波形产生器可以下载整个的上取样、上变频信号到板上存储器。然而，带DUC的产生器以硬件代替软件执行内插和上变频级导致明显更快速的波形计算和更小的波形大小。高效率处理和更小的波形节省了下载时间并使得再现时间更长，这改善了很多通信测量和检验的统计性能(如误码率，格子结构图，星座图)。

来源：电子产品世界

    FFT是离散傅立叶变换的快速算法，可以将一个信号变换
到频域。有些信号在时域上是很难看出什么特征的，但是如
果变换到频域之后，就很容易看出特征了。这就是很多信号
分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱
提取出来，这在频谱分析方面也是经常用的。

    虽然很多人都知道FFT是什么，可以用来做什么，怎么去
做，但是却不知道FFT之后的结果是什意思、如何决定要使用
多少点来做FFT。

    现在圈圈就根据实际经验来说说FFT结果的具体物理意义。
一个模拟信号，经过ADC采样之后，就变成了数字信号。采样
定理告诉我们，采样频率要大于信号频率的两倍，这些我就
不在此罗嗦了。

    采样得到的数字信号，就可以做FFT变换了。N个采样点，
经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT
运算，通常N取2的整数次方。

    假设采样频率为Fs，信号频率F，采样点数为N。那么FFT
之后结果就是一个为N点的复数。每一个点就对应着一个频率
点。这个点的模值，就是该频率值下的幅度特性。具体跟原始
信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT
的结果的每个点（除了第一个点直流分量之外）的模值就是A
的N/2倍。而第一个点就是直流分量，它的模值就是直流分量
的N倍。而每个点的相位呢，就是在该频率下的信号的相位。
第一个点表示直流分量（即0Hz），而最后一个点N的再下一个
点（实际上这个点是不存在的，这里是假设的第N+1个点，也
可以看做是将第一个点分做两半分，另一半移到最后）则表示
采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率
依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。
由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果
采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。
1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒
时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时
间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高频率
分辨力，则必须增加采样点数，也即采样时间。频率分辨率和
采样时间是倒数关系。
  假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是
An=根号a*a+b*b，相位就是Pn=atan2(b,a)。根据以上的结果，
就可以计算出n点（n≠1，且n<=N/2）对应的信号的表达式为：
An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。
对于n=1点的信号，是直流分量，幅度即为A1/N。
    由于FFT结果的对称性，通常我们只使用前半部分的结果，
即小于采样频率一半的结果。

    好了，说了半天，看着公式也晕，下面圈圈以一个实际的
信号来做说明。

    假设我们有一个信号，它含有2V的直流分量，频率为50Hz、
相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、
相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下：

S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)

    式中cos参数为弧度，所以-30度和90度要分别换算成弧度。
我们以256Hz的采样率对这个信号进行采样，总共采样256点。
按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个
点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号
有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第50个点、
第76个点上出现峰值，其它各点应该接近0。实际情况如何呢？
我们来看看FFT的结果的模值如图所示。

                      图1 FFT结果
    从图中我们可以看到，在第1点、第51点、和第76点附近有
比较大的值。我们分别将这三个点附近的数据拿上来细看：
1点： 512+0i
2点： -2.6195E-14 - 1.4162E-13i 
3点： -2.8586E-14 - 1.1898E-13i

50点：-6.2076E-13 - 2.1713E-12i
51点：332.55 - 192i
52点：-1.6707E-12 - 1.5241E-12i

75点：-2.2199E-13 -1.0076E-12i
76点：3.4315E-12 + 192i
77点：-3.0263E-14 +7.5609E-13i
  
    很明显，1点、51点、76点的值都比较大，它附近的点值
都很小，可以认为是0，即在那些频率点上的信号幅度为0。
接着，我们来计算各点的幅度值。分别计算这三个点的模值，
结果如下：
1点： 512
51点：384
76点：192
    按照公式，可以计算出直流分量为：512/N=512/256=2；
50Hz信号的幅度为：384/(N/2)=384/(256/2)=3；75Hz信号的
幅度为192/(N/2)=192/(256/2)=1.5。可见，从频谱分析出来
的幅度是正确的。
    然后再来计算相位信息。直流信号没有相位可言，不用管
它。先计算50Hz信号的相位，atan2(-192, 332.55)=-0.5236,
结果是弧度，换算为角度就是180*(-0.5236)/pi=-30.0001。再
计算75Hz信号的相位，atan2(192, 3.4315E-12)=1.5708弧度，
换算成角度就是180*1.5708/pi=90.0002。可见，相位也是对的。
根据FFT结果以及上面的分析计算，我们就可以写出信号的表达
式了，它就是我们开始提供的信号。

    总结：假设采样频率为Fs，采样点数为N，做FFT之后，某
一点n（n从1开始）表示的频率为：Fn=(n-1)*Fs/N；该点的模值
除以N/2就是对应该频率下的信号的幅度（对于直流信号是除以
N）；该点的相位即是对应该频率下的信号的相位。相位的计算
可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角
度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒
的信号，并做FFT。要提高频率分辨率，就需要增加采样点数，
这在一些实际的应用中是不现实的，需要在较短的时间内完成
分析。解决这个问题的方法有频率细分法，比较简单的方法是
采样比较短时间的信号，然后在后面补充一定数量的0，使其长度
达到需要的点数，再做FFT，这在一定程度上能够提高频率分辨力。
具体的频率细分法可参考相关文献。

[附录：本测试数据使用的matlab程序]
close all; %先关闭所有图片
Adc=2;  %直流分量幅度
A1=3;   %频率F1信号的幅度
A2=1.5; %频率F2信号的幅度
F1=50;  %信号1频率(Hz)
F2=75;  %信号2频率(Hz)
Fs=256; %采样频率(Hz)
P1=-30; %信号1相位(度)
P2=90;  %信号相位(度)
N=256;  %采样点数
t=[0:1/Fs:N/Fs]; %采样时刻

%信号
S=Adc+A1*cos(2*pi*F1*t+pi*P1/180)+A2*cos(2*pi*F2*t+pi*P2/180);
%显示原始信号
plot(S);
title('原始信号');

figure;
Y = fft(S,N); %做FFT变换
Ayy = (abs(Y)); %取模
plot(Ayy(1:N)); %显示原始的FFT模值结果
title('FFT 模值');

figure;
Ayy=Ayy/(N/2);   %换算成实际的幅度
Ayy(1)=Ayy(1)/2;
F=([1:N]-1)*Fs/N; %换算成实际的频率值
plot(F(1:N/2),Ayy(1:N/2));   %显示换算后的FFT模值结果
title('幅度-频率曲线图');

figure;
Pyy=[1:N/2];
for i="1:N/2"
 Pyy(i)=phase(Y(i)); %计算相位
 Pyy(i)=Pyy(i)*180/pi; %换算为角度
end;
plot(F(1:N/2),Pyy(1:N/2));   %显示相位图
title('相位-频率曲线图');