1. 固定点算术基础解析
在数字信号处理（DSP）领域，固定点算术是构建高效实时系统的基石。与浮点数不同，固定点数通过预先确定小数点的位置，将数值的整数部分和小数部分固定在特定的二进制位上。这种表示方法在TI TMS320C50等嵌入式DSP处理器中尤为重要，因为它们通常缺乏硬件浮点运算单元。
1.1 二进制表示的本质
一个N位二进制数本身并不具备任何数学含义——它仅仅是2^N种可能状态中的一个。就像乐高积木可以拼成房屋或汽车，相同的二进制模式可以代表：
- 无符号整数（自然二进制）
- 有符号整数（补码表示）
- 电压值（如ADC采样结果）
- 物理量标度（如加速度计数据）
关键区别在于解释规则（scaling）的选择。以8位二进制数10011011为例：
- 作为U(8,0)：155（无符号整数）
- 作为A(6,1)：-38.5（有符号定点数）
- 作为U(4,4)：9.6875（无符号定点数）
1.2 无符号定点表示法（U(a,b)）
U(a,b)表示法中：
- 总位数N = a + b
- a代表整数部分位数
- b代表小数部分位数
- 取值范围：0 ≤ x ≤ 2^a - 2^(-b)
数值计算公式： x = (1/2^b) * Σ(2^n * x_n) （n从0到N-1）
实际案例：U(6,2)的8位数10110101 = (1/4)*(1 + 4 + 16 + 32 + 128) = 181/4 = 45.25
注意：当b=0时退化为普通无符号整数，此时范围是0到2^N-1
2. 有符号定点数的艺术
2.1 补码机制详解
有符号数采用A(a,b)表示，其核心是补码规则：
- 最高位为符号位（1表示负）
- 负数计算：取反加1
- 范围：-2^(N-1-b) ≤ x ≤ 2^(N-1-b) - 2^(-b)
补码的数学之美体现在：
- 零的唯一表示（全0）
- 减法可转换为加法运算
- 符号位参与运算无需特殊处理
案例：A(3,4)的8位数11011011 = -2^7 + 2^6 + 2^4 + 2^3 + 2^1 + 2^0 = -37.3125
2.2 动态范围与精度权衡
动态范围（DR）是最大绝对值与最小非零绝对值的比值：
- 有符号：DR = 2^(N-1)
- 无符号：DR = 2^N - 1 ≈ 2^N（N较大时）
精度（分辨率）取决于小数位数b： 分辨率 = 2^(-b)
实际工程中的典型选择：
- 音频处理：A(15,16)（32位Q15格式）
- 控制算法：A(7,8)（16位Q8格式）
- 传感器数据：U(10,6)（16位整数+小数）
3. DSP运算的位宽管理
3.1 加减法的位宽规则
关键原则：操作数必须具有相同的scaling
- 加法结果需要额外1位防止溢出
- 例：A(15,0) + A(15,0) → A(16,0)
实际案例（TI C50处理器）：
MOV A, #32767 ; 最大正数 A(15,0) ADD A, #1 ; 结果需要A(16,0)此时若用16位存储会溢出，实际需要17位存储
3.2 乘法的位宽扩展
乘法导致位宽急剧膨胀：
- 无符号：U(a1,b1)×U(a2,b2)→U(a1+a2,b1+b2)
- 有符号：A(a1,b1)×A(a2,b2)→A(a1+a2+1,b1+b2)
典型处理流程：
- 全精度乘法（32位×32位→64位）
- 结果截取/舍入（保留高32位）
- 调整输出scaling
经验：在累加前保持中间结果的高精度，可显著降低量化误差
3.3 除法的特殊处理
除法是最复杂的定点运算，其scaling规则为： A(an,bn)/A(ad,bd) = A(an+bd+1, ad+bn)
实际实现常采用：
- 牛顿迭代法
- 查表法（预计算倒数）
- 硬件除法器（现代DSP）
4. 工程实践中的量化效应
4.1 截断与舍入误差
量化操作引入的误差特性：
| 方法 | 平均误差 | 最大误差 | 噪声特性 |
|---|---|---|---|
| 截断 | -LSB/2 | -LSB | 有色噪声 |
| 四舍五入 | 0 | ±LSB/2 | 白噪声 |
| 抖动+舍入 | 0 | ±LSB | 高频噪声搬移 |
4.2 有限字长效应案例
考虑二阶IIR滤波器： y[n] = 1.8y[n-1] - 0.9y[n-2] + x[n]
在A(1,14)格式下：
- 系数1.8 → 29491/2^14
- 系数0.9 → 14746/2^14
- 实际极点位置偏移导致不稳定
解决方案：
- 增加字长（A(2,29)）
- 采用级联结构
- 加入噪声整形
5. TMS320C50实战技巧
5.1 专用指令优化
C50的独特指令集：
- MPY：16×16→32位有符号乘
- MAC：乘累加（保护位防溢出）
- RPT+MAC：零开销循环
高效FIR滤波实现：
RPT #15 MAC *AR2+, *AR3+, A SACH Y, 1 ; 保存Q15格式结果5.2 数据对齐策略
内存布局优化原则：
- 高频访问数据放DARAM
- 系数表按模寻址对齐
- 双操作数指令要求偶地址
5.3 溢出保护机制
饱和算术的应用：
int32_t acc = (int32_t)a * b; acc = (acc > 32767) ? 32767 : (acc < -32768) ? -32768 : acc;6. 维度分析实战
6.1 传感器数据处理
加速度计案例：
- 输入：±2V对应A(15,0)
- 灵敏度：2.5 mV/(m/s²)
- 换算： w = (2V/32768) × (1m/s²/0.0025V) = 0.024414 m/s²/LSB
6.2 音频处理流水线
PCM音频处理流程：
- 输入：16位A(0,15)
- 音量调节：×0.5（右移1位）
- 滤波：保持A(4,27)
- 输出：截取A(0,15)
7. 误差传播建模
7.1 线性系统误差
对于y=ax+b： σ_y² = a²σ_x² + σ_a²x² + σ_b²
7.2 非线性系统误差
对于y=x²： 相对误差δy ≈ 2δx
7.3 统计分析方法
蒙特卡洛仿真步骤：
- 建立理想浮点模型
- 注入量化噪声
- 统计输出信噪比(SNR)
- 优化位分配
8. 现代优化技术
8.1 块浮点技术
折衷方案特点：
- 一组数共享指数
- 内部保持定点运算
- 动态范围接近浮点
8.2 自动缩放工具
Xilinx System Generator流程：
- 浮点仿真
- 范围分析
- 自动确定scaling
- 生成HDL代码
8.3 神经网络量化
INT8推理关键技术：
- 权重对称量化
- 激活值非对称量化
- 校准数据集统计
在多年的DSP开发中，我发现固定点算术的精髓在于"用整数模拟实数"的平衡艺术。一个实用的建议是：在算法开发阶段先用浮点验证，然后通过逐步分析各运算节点的动态范围来确定最佳scaling，最后通过量化噪声分析验证性能。记住，没有"最好"的定点化方案，只有最适合当前硬件约束和精度要求的解决方案。
