第2章嵌入式音频处理基础

第2章：嵌入式音频处理基础：定点数 vs 浮点数、Q格式详解、避免溢出的技巧

好，咱们进入正题。

做助听器算法，第一个绕不开的坎就是——数字表示。你想想看，一颗助听器芯片，主频可能就几十兆赫兹，RAM 可能只有几十 KB。在这种资源下跑音频算法，浮点数？想都别想。我刚开始从 PC 端算法转到嵌入式时，第一个被坑的就是这个。

2.1 定点数 vs 浮点数：为什么嵌入式必须选定点？

浮点数，说白了就是用科学计数法存小数。比如 3.14159，存成 3.14159 × 10^0。好处是动态范围大，精度高。但坏处也明显——硬件开销大，功耗高。

定点数呢？就是固定小数点位置。比如我们用 16 位整数来表示 -1 到 1 之间的数，小数点约定在第 15 位后面。这样加减乘除就是整数运算，快得很。

我个人的经验是：在助听器这种低功耗场景下，浮点运算单元（FPU）基本是奢侈品。就算有，为了省电，我也会尽量用定点。我在项目中遇到过一款芯片，开了 FPU 功耗直接翻倍，电池续航从 18 小时掉到 10 小时。你说你敢用吗？

  核心结论：助听器算法落地，99% 的情况用定点数。浮点数只用于 PC 端原型验证。

2.2 Q格式详解：小数点到底放哪？

Q 格式，就是约定小数点位置的规则。比如 Q15 表示 16 位有符号数，小数点在第 15 位后面，范围是 -1 到 0.999969。Q1.15 也是同样的意思，1 位整数位，15 位小数位。

常见的 Q 格式有这些：

Q格式	位数	整数位	小数位	范围	精度
Q15	16	1	15	-1 ~ 0.999969	3.05e-5
Q1.15	16	1	15	-1 ~ 0.999969	3.05e-5
Q8.8	16	8	8	-128 ~ 127.996	3.9e-3
Q4.12	16	4	12	-8 ~ 7.9997	2.44e-4

怎么选？我一般遵循两个原则：

看动态范围：音频信号一般归一化到 ±1，所以 Q15 最常用。但中间计算可能会放大，比如滤波器系数可能大于 1，这时候就要用 Q8.8 或 Q4.12。
看精度需求：自适应滤波器的系数更新，精度要求高，我会用 Q31（32 位）。但输出到 DAC 时，16 位就够了。

我的小技巧：写代码时，我会在变量名里带上 Q 格式。比如 coeff_q15、input_q31。这样三个月后回来看代码，一眼就知道数据在什么范围。

2.3 定点数的加减乘除：别踩坑

定点数的加减法很简单，只要两个数 Q 格式一样，直接加就行。但要注意——结果可能溢出。

举个例子：

int16_t a = 0x7FFF;  // Q15 格式，约等于 0.999969
int16_t b = 0x7FFF;  // Q15 格式
int16_t c = a + b;   // 结果 0xFFFE，变成 -2！

为什么会这样？因为 0x7FFF + 0x7FFF = 0xFFFE，在 16 位有符号数里是 -2。这就是溢出。

乘法更要注意。两个 Q15 数相乘，结果是 Q30，但只有 32 位寄存器。所以乘完后要右移 15 位，再转回 Q15。

int16_t a_q15 = 0x4000;  // 0.5
int16_t b_q15 = 0x4000;  // 0.5
int32_t temp = (int32_t)a_q15 * b_q15;  // 结果是 Q30
int16_t c_q15 = (int16_t)(temp >> 15);  // 右移15位，变回Q15
// c_q15 = 0x2000，即 0.25，正确

我曾经踩过的坑：做 LMS 自适应滤波器时，忘记对乘法结果做饱和处理。结果系数更新时偶尔溢出，导致滤波器发散，输出全是噪声。查了三天才找到原因。从那以后，我所有定点乘法后面都加饱和。

2.4 避免溢出的技巧：实战经验

溢出是定点算法的头号敌人。我总结了几个实用技巧：

预留保护位：中间计算用 32 位甚至 64 位。比如两个 16 位数相乘，用 32 位存结果。累加时用 64 位。
饱和截断：不要直接截断高位，要做饱和。比如结果大于 0x7FFF 就钳位到 0x7FFF。
动态缩放：根据信号能量动态调整 Q 格式。信号大时右移，信号小时左移。我在 AGC 算法里常用这招。
块浮点：一组数据共用一个指数。比如 16 个采样点，找到最大值，统一缩放。这样既保证精度，又避免溢出。

嗯，这里要注意——块浮点虽然好用，但实现起来有点麻烦。我一般只在 FFT 里用，因为 FFT 的中间结果动态范围特别大。

2.5 实战：一个简单的定点 FIR 滤波器

光说不练假把式。咱们写一个定点 FIR 滤波器：

#define TAP_NUM 32
#define Q_SHIFT 15

int16_t fir_q15(int16_t *coeff_q15, int16_t *buffer, int16_t input) {
    int32_t acc = 0;
    int i;
    
    // 更新缓冲区
    for(i = TAP_NUM - 1; i > 0; i--) {
        buffer[i] = buffer[i-1];
    }
    buffer[0] = input;
    
    // 乘累加，用32位累加器
    for(i = 0; i < TAP_NUM; i++) {
        acc += (int32_t)coeff_q15[i] * buffer[i];
    }
    
    // 饱和截断回Q15
    acc >>= Q_SHIFT;
    if(acc > 0x7FFF) acc = 0x7FFF;
    if(acc < -0x8000) acc = -0x8000;
    
    return (int16_t)acc;
}

你看，核心就是三步：乘、累加、饱和截断。我在项目中用这个结构跑了无数个滤波器，从来没出过问题。

  总结一下：定点数不是洪水猛兽。只要理解 Q 格式，做好溢出保护，它比浮点数更可靠、更省电。你想想看，一颗纽扣电池要撑一周，每一微安电流都得省。定点运算就是你的最佳选择。

下一章，咱们聊聊音频信号处理中最常用的——FFT 和滤波器设计。到时候我会分享一些我在助听器反馈抑制算法里的实战经验，保证让你少走弯路。

📚 课程目录