3. 浮点转定点策略：数据动态范围分析、Q格式选择方法论、精度损失评估与补偿
做DSP的人都知道，浮点运算在PC上跑得欢，一搬到嵌入式芯片上就卡壳。为什么？因为大多数嵌入式处理器没有硬件浮点单元，或者有但功耗太高。我这些年经手的项目，从音频编解码到电机控制，几乎都要过这一关——浮点转定点。
说白了，定点运算就是用整数去模拟小数。你想想看，一个32位的整数，能表示的范围是-2^31到2^31-1，但我们要处理的数据可能是0.001到1000之间。怎么塞进去？这就是Q格式要解决的问题。
3.1 数据动态范围分析
做转换之前，第一件事就是搞清楚你的数据到底有多大范围。我在项目中遇到过好几次，有人上来就选Q15格式，结果信号峰值一上来直接溢出，整个系统就崩了。
动态范围分析，说白了就是找两个数：最大值和最小值。但要注意，这个最大值不是理论最大值，而是实际运行中可能出现的最坏情况。
动态范围分析三步走：
- 理论分析：根据算法公式，推导出变量的理论边界。比如一个正弦波，最大值就是1.0，最小值就是-1.0。
- 仿真统计：用真实数据跑一遍浮点模型，记录每个变量的实际范围。我习惯在关键节点加个min/max监视器。
- 留余量：理论值乘以1.2到1.5的安全系数。为什么？因为实际硬件有噪声、有温漂，你永远不知道下一秒会不会冒出一个尖峰。
举个例子。我之前做音频均衡器，输入信号是16位ADC采的，范围是-32768到32767。经过一个二阶IIR滤波器后，中间变量的峰值能达到输入的3倍左右。如果直接按输入范围选Q格式，滤波器内部早就溢出了。
所以我的习惯是：先跑100组最坏情况的数据，抓出每个变量的实际峰值，再乘以1.5倍作为设计依据。
3.2 Q格式选择方法论
Q格式，就是约定一个数里面，整数部分占几位，小数部分占几位。比如Q15，就是1位符号位+15位小数，没有整数位。Q1.14，就是1位符号+1位整数+14位小数。
选Q格式，本质上是在动态范围和精度之间做权衡。整数位越多，能表示的范围越大，但小数位就少了，精度下降。反过来也一样。
我的Q格式选择口诀：
先定整数位，再定小数位。整数位够用就行，剩下的全给小数。
具体怎么选？我一般按这个流程来：
- 确定整数位I：根据动态范围分析得到的最大值M，需要满足 2^(I-1) ≥ M。注意符号位要单独占一位。
- 确定小数位F：总位数N减去符号位1，再减去整数位I，剩下的就是小数位。即 F = N - 1 - I。
- 检查精度：小数位对应的精度是 2^(-F)。如果这个精度满足你的要求，就OK。不满足就换更大的总位数。
举个例子。假设我们有一个变量，范围是-3.2到3.2，用16位定点表示。
- 最大值3.2，需要整数位能表示到4（因为2^2=4 ≥ 3.2），所以整数位I=2（不含符号位）。
- 符号位1位，整数位2位，剩下小数位 F = 16 - 1 - 2 = 13位。
- 精度 = 2^(-13) ≈ 0.000122，也就是万分之1.22。对于大多数音频应用，这个精度足够了。
所以这个变量用Q2.13格式最合适。
注意： 同一个算法里，不同变量的动态范围可能差很多。不要图省事全用同一个Q格式。我见过有人为了省代码，所有变量都用Q15，结果一个积分器输出直接溢出，查了两天bug才发现。
3.3 精度损失评估与补偿
定点运算一定会损失精度，这是物理规律。但我们可以评估损失有多大，然后想办法补偿。
精度损失主要来自三个方面：
| 损失来源 | 原因 | 典型场景 |
|---|---|---|
| 量化误差 | 浮点转定点时的舍入 | 常数初始化、ADC采样值转换 |
| 截断误差 | 乘法后结果截断 | 两个Q15数相乘，结果要截回Q15 |
| 溢出误差 | 中间结果超出表示范围 | 累加器、积分器 |
怎么评估？我的做法是：用定点模型和浮点模型跑同样的数据，逐点对比误差。
// 伪代码示例：评估定点精度损失
float float_output[N];
int16_t fixed_output[N];
// 跑浮点模型
run_float_model(input, float_output, N);
// 跑定点模型
run_fixed_model(input, fixed_output, N);
// 逐点对比
float max_error = 0.0;
float rms_error = 0.0;
for (int i = 0; i < N; i++) {
float fixed_float = (float)fixed_output[i] / 32768.0f; // 假设Q15
float error = fabs(float_output[i] - fixed_float);
if (error > max_error) max_error = error;
rms_error += error * error;
}
rms_error = sqrt(rms_error / N);
printf("最大误差: %f\n", max_error);
printf("RMS误差: %f\n", rms_error);
如果误差太大怎么办？有几种补偿手段：
- 增加字长：从16位换成32位，精度直接提升65536倍。代价是存储和计算量翻倍。
- 使用双精度累加：乘法用16位，但累加用32位甚至40位。很多DSP芯片都有这个特性。
- 舍入处理：不要直接截断，用四舍五入或者向偶数舍入。我习惯在截断前加一个0.5的偏置。
- 误差反馈：把每次的截断误差记录下来，加到下一次运算中。这个叫「噪声整形」，在音频处理里很常用。
我曾经踩过一个坑： 做IIR滤波器时，系数用Q15表示，但滤波器极点非常靠近单位圆。定点化之后，系数精度不够，滤波器直接不稳定了。后来我把系数换成Q31，问题解决。所以记住：靠近单位圆的极点，对系数精度极其敏感。
3.4 知识体系总览
下面这张图是我自己总结的浮点转定点决策流程，每次做新项目我都会拿出来对照一遍：
嗯，这张图基本概括了本章的核心逻辑。你想想看，从动态范围分析开始，到Q格式选择，再到精度评估，如果精度不达标就回到上一步调整。这个闭环我用了很多年，基本没出过大问题。
最后说一句：定点化没有银弹。每个算法、每个平台都有自己的特点。我的经验是，多跑仿真、多对比、多留余量，宁可多花一天做分析，也不要等板子调不通了再回头改。
公众号:蓝海资料掘金营，微信deep3321