4. 定点数运算与浮点数模拟：定点数表示、Q格式、浮点转定点、精度分析

好，咱们进入第四章。这一章，说实在的，是雷达信号处理嵌入式优化的「硬骨头」，也是最能体现功力的地方。

你想想看，雷达信号处理，动不动就是几百兆的采样率，几千点的FFT，还有各种矩阵运算。如果用浮点，DSP或者FPGA的资源很快就烧光了。怎么办？用定点数。

但定点数不是简单的「砍掉小数位」。怎么表示？怎么保证精度？怎么把浮点算法转成定点？这里面门道很多。我当年刚入行时，就因为定点化没做好，导致一个测距算法偏差了十几米，被老大骂得狗血淋头。嗯，从那以后，我对这块就特别上心。

4.1 定点数表示：为什么不用浮点？

浮点数，比如IEEE754标准的float，有符号位、指数、尾数。好处是动态范围大，坏处是硬件实现复杂，功耗高，速度慢。

定点数就简单了。说白了，就是固定整数部分和小数部分的位数。比如一个16位的定点数，你可以规定高8位是整数，低8位是小数。

我个人习惯把定点数理解成「带刻度的尺子」。整数部分决定你能量多大的数，小数部分决定你量得多精细。

举个例子：一个16位定点数，Q8格式（8位整数，8位小数）。编码值0x1234，实际值就是0x1234 / 256 = 4660 / 256 ≈ 18.203125。

4.2 Q格式：约定大于配置

Q格式是定点数最常用的表示法。它的写法是Qm.n，其中m是整数位数，n是小数位数。总位数就是m+n+1（符号位）。

常见的Q格式有：

Q格式	总位数	整数位	小数位	动态范围	精度
Q1.14	16	1	14	[-1, 0.9999]	2^(-14) ≈ 0.000061
Q8.7	16	8	7	[-128, 127.992]	2^(-7) ≈ 0.0078125
Q16.15	32	16	15	[-32768, 32767.999]	2^(-15) ≈ 0.0000305

我在项目中遇到过一个问题：用Q1.14格式做FFT，结果溢出得一塌糊涂。为什么？因为FFT的中间结果会放大，Q1.14的动态范围根本不够。后来我改用Q8.7，虽然精度差了点，但至少不溢出了。

4.3 浮点转定点：三步走

把浮点算法转成定点，不是简单地把float换成int。我总结了一个三步法：

1. 分析动态范围：找出算法中所有变量的最大值和最小值。可以用浮点仿真跑一遍，记录极值。
2. 选择Q格式：根据动态范围，确定整数位数。再根据精度要求，确定小数位数。
3. 实现定点运算：把浮点运算替换成定点运算，注意溢出和舍入。

举个例子，一个简单的浮点乘法：

// 浮点版本
float a = 1.5f;
float b = 2.3f;
float c = a * b;  // c = 3.45

// 定点版本（Q8.7格式）
int16_t a_fixed = (int16_t)(1.5f * 128.0f);  // 192
int16_t b_fixed = (int16_t)(2.3f * 128.0f);  // 294
int32_t temp = (int32_t)a_fixed * b_fixed;    // 192 * 294 = 56448
int16_t c_fixed = (int16_t)(temp >> 7);      // 右移7位，得到441
// 实际值 = 441 / 128.0f = 3.4453125

你看，定点乘法需要先扩大，再缩小。中间结果要用更宽的位宽保存，不然精度就丢了。

4.4 精度分析：别被误差坑了

定点化的精度损失主要来自三个方面：

• 量化误差：浮点转定点时，小数部分被截断或舍入。
• 运算误差：乘法后的右移，加法后的溢出。
• 累积误差：多次运算后，误差不断累积。

我曾经做过一个卡尔曼滤波的定点化，浮点版本精度0.1%，定点版本直接飙到5%。查了半天，发现是状态更新方程里，一个很小的增益系数被量化成了0。嗯，这就是典型的「精度饿死」问题。

怎么分析精度？我建议用「误差注入法」：

1. 用浮点仿真跑一遍，得到「黄金参考值」。
2. 用定点仿真跑一遍，得到「实测值」。
3. 计算误差：绝对误差、相对误差、均方根误差。

如果误差太大，就调整Q格式，或者在某些关键路径上保留浮点运算。

4.5 实战技巧：混合精度与饱和处理

实际工程中，很少只用一种Q格式。我常用的策略是：

• 输入数据：Q8.7或Q1.14，取决于ADC位数。
• 滤波器系数：Q16.15，保证系数精度。
• 中间结果：Q8.7或Q16.15，看运算复杂度。
• 输出数据：Q8.7，方便后续处理。

另外，饱和处理也很重要。定点数溢出后，会从最大值翻到最小值，这在雷达信号里是灾难性的。我习惯在每次运算后加饱和判断：

// 饱和加法
int16_t sat_add(int16_t a, int16_t b) {
    int32_t sum = (int32_t)a + b;
    if (sum > 32767) return 32767;
    if (sum < -32768) return -32768;
    return (int16_t)sum;
}

你看，多了一行判断，但避免了灾难性的溢出。

好了，这一章就到这里。定点数运算，说白了就是「用精度换资源，用技巧保性能」。下一章我们讲FFT的定点化实现，那才是真正考验功力的时候。