4. 数据类型与字长优化：定点数与浮点数选择，Q格式详解，数据溢出与饱和处理
这一章，咱们聊聊DSP开发里最基础、也最容易被忽视的问题——数据类型。
说白了，就是你的数据用几个bit来存，用定点还是浮点。我见过太多工程师，算法在PC上跑得飞起，一搬到嵌入式DSP上就崩了。为什么？十有八九是数据类型没选对。
4.1 定点数 vs 浮点数：选哪个？
先问个问题：你的DSP芯片支持硬件浮点吗？
如果不支持，那浮点数运算全靠软件模拟。一次浮点乘法，可能要几十个甚至上百个指令周期。而定点乘法，一个周期就搞定。这差距，你想想看。
核心原则：
- 有硬件浮点单元（FPU）：用浮点，开发快，精度高。
- 无硬件浮点单元：必须用定点，否则性能惨不忍睹。
- 有FPU但资源紧张：部分关键路径用定点，其余用浮点。
我个人习惯是，只要芯片有FPU，我就先用浮点把算法调通。等性能瓶颈出来了，再针对性地把热点函数改成定点。这叫「先求对，再求快」。
我在项目中遇到过一件事：一个音频降噪算法，全浮点实现，在C6748（有FPU）上跑得挺好。后来换到C5509A（无FPU）上，直接卡死。一查，一个浮点除法占了80%的CPU时间。改成定点后，实时性就满足了。
4.2 Q格式详解：定点数的灵魂
定点数怎么表示小数？靠的就是Q格式。
Q格式的写法是 Qm.n，其中：
- m：整数部分的位数（含符号位）
- n：小数部分的位数
- 总位数 = m + n
举个例子，Q1.15 格式：
- 总共16位
- 1位符号位（整数部分）
- 15位小数部分
- 能表示的范围：-1 到 0.999969
- 精度：1/32768 ≈ 0.0000305
我的小技巧：
选Q格式时，先估算你的信号最大幅值。比如音频信号一般在±1之间，那Q1.15就够用。如果是传感器数据，范围是±100，那就得用Q8.8或Q16.16。
Q格式的转换公式很简单：
// 浮点转定点
int16_t fixed = (int16_t)(float_value * (1 << n));
// 定点转浮点
float float_value = (float)fixed_value / (1 << n);嗯，这里要注意：转换时会有量化误差。n越大，精度越高，但表示范围越小。这是个trade-off。
4.3 数据溢出：看不见的杀手
溢出是定点运算的头号敌人。两个大数相加，结果超过了最大值，就会绕回来。这在控制系统中，可能直接导致系统崩溃。
我曾经调试过一个电机控制程序，电机偶尔会猛抖一下。查了三天，最后发现是电流采样值做PI运算时，积分项溢出了。溢出后变成负数，控制器反向输出，电机就抽风了。
溢出的常见场景：
- 加法溢出：两个正数相加，结果超过最大值。
- 乘法溢出：两个Q15数相乘，结果需要32位才能存下。
- 累加溢出：多次累加后，结果超出寄存器范围。
怎么避免？三个办法：
- 扩大字长：16位不够用32位，32位不够用64位。
- 缩放到安全范围：运算前先除以一个系数，保证结果不溢出。
- 使用饱和运算：溢出时自动钳位到最大值或最小值。
4.4 饱和处理：最后的防线
饱和处理，说白了就是「截断但不绕回」。比如16位有符号数的范围是-32768到32767。如果计算结果超出这个范围，饱和处理会把它钳位到边界值。
很多DSP芯片都有硬件饱和指令。比如TI C6000系列的 SADD 指令，就是带饱和的加法。一条指令搞定，零开销。
// C语言实现饱和加法（16位）
int16_t sat_add(int16_t a, int16_t b) {
int32_t sum = (int32_t)a + (int32_t)b;
if (sum > 32767) return 32767;
if (sum < -32768) return -32768;
return (int16_t)sum;
}
// 使用DSP intrinsics（C6000系列）
int16_t sat_add_hw(int16_t a, int16_t b) {
return _sadd(a, b); // 硬件饱和加法
}我个人建议：在关键路径上，能用硬件饱和就别用软件模拟。一条指令和十几条指令的差距，在实时系统里就是生与死的区别。
4.5 实战：Q15格式的FIR滤波器
咱们来看一个实际例子。一个16阶FIR滤波器，用Q15格式实现。
#define TAPS 16
#define Q15_ONE 32768
// Q15格式的滤波器系数（已归一化到[-1, 1]）
int16_t coeff[TAPS] = { /* ... */ };
// Q15格式的输入数据
int16_t input[TAPS] = { /* ... */ };
// Q15 FIR滤波（带饱和）
int16_t fir_q15(int16_t *coeff, int16_t *data, int len) {
int32_t acc = 0;
for (int i = 0; i < len; i++) {
// Q15 * Q15 = Q30，左移1位对齐
acc += (int32_t)coeff[i] * (int32_t)data[i];
}
// 从Q30缩放到Q15，并饱和
acc = acc >> 15;
if (acc > 32767) acc = 32767;
if (acc < -32768) acc = -32768;
return (int16_t)acc;
}这里有个坑：Q15乘法结果是Q30格式，有31位有效位（含符号位）。直接右移15位会丢失精度。我习惯先判断是否需要饱和，再移位。
4.6 知识体系总览
下面这张图，把本章的核心逻辑串起来了：
4.7 避坑指南
最后，分享几个我踩过的坑：
避坑1： 我曾经在Q15乘法后忘记做饱和处理，结果滤波器输出偶尔出现尖峰。查了整整两天，才发现是乘法结果溢出后绕回了。从那以后，我所有定点运算都加饱和。
避坑2： 不同DSP的Q格式约定可能不同。有些芯片的Q15是0x8000表示-1，0x7FFF表示0.9999。但有些芯片用补码表示，0x8000是-32768。一定要看芯片手册。
避坑3： 浮点转定点时，不要直接截断。先四舍五入再截断，能减少量化误差。比如 (int16_t)(x * 32768.0 + 0.5)。
好了，这一章就到这里。数据类型的选择，看似简单，实则影响深远。选对了，事半功倍；选错了，事倍功半。希望你能把这些经验用在自己的项目里。