定点数基础：Q格式表示、定点与浮点差异、定点数范围与精度、常见Q格式选择
在CMSIS-DSP的FFT运算中，定点数（Fixed-Point）是绕不开的核心概念。与浮点数不同，定点数用固定位数的整数来表示实数，其小数点位置是约定好的，不随数值大小变化而浮动。理解Q格式是掌握定点FFT缩放与溢出控制的前提——因为FFT的每一级蝶形运算都会引入数据位宽的增长，若不了解Q格式的精度与范围边界，就无法正确设计缩放策略。本章将从Q格式的数学定义出发，系统对比定点与浮点的本质差异，并给出实际工程中Q格式选择的判断依据。
Q格式的数学定义与表示方法
Q格式（Qm.n）是一种定点数表示法，其中m表示整数部分的位数（不含符号位），n表示小数部分的位数。对于有符号数，总位宽为 1 + m + n。例如Q15格式，在16位有符号整数中，1位符号位、0位整数位、15位小数位，其数值范围是[-1, 1 - 2⁻¹⁵]，最小分辨率为2⁻¹⁵ ≈ 0.0000305。Q31格式则对应32位有符号数，范围同样是[-1, 1)，但精度提升到2⁻³¹。
在实际工程中，CMSIS-DSP库的定点FFT函数主要使用两种Q格式：arm_cfft_q15和arm_cfft_q31。Q15格式适合16位处理器或存储受限场景，Q31格式适合32位处理器或需要更高精度的场景。值得注意的是，Q格式的小数点位置是约定的，硬件并不感知小数点，所有运算仍按整数进行，只是我们在软件层面解释结果时，需要将整数除以2ⁿ来还原真实数值。
定点与浮点的本质差异
浮点数（如IEEE 754单精度）用符号位、指数位和尾数位表示数值，其动态范围极大（约±3.4×10³⁸），但精度随数值大小变化——大数的绝对误差大，小数的绝对误差小。定点数则相反：动态范围有限，但在整个范围内精度恒定，绝对误差固定为2⁻ⁿ。
| 对比维度 | 定点数（Q15/Q31） | 浮点数（float32） |
|---|---|---|
| 动态范围 | 窄（Q15约±1，Q31约±1） | 极宽（±3.4×10³⁸） |
| 精度特性 | 绝对精度恒定（2⁻ⁿ） | 相对精度恒定（约7位有效数字） |
| 运算速度 | 快（整数ALU直接处理） | 慢（需要FPU或软件模拟） |
| 硬件开销 | 低（无需FPU） | 高（需要FPU或软浮点库） |
| 溢出风险 | 高（需手动缩放） | 低（指数位自动调节） |
| 典型应用 | 嵌入式DSP、ARM Cortex-M | PC、服务器、Cortex-A |
在Cortex-M系列处理器（如STM32F4、F7、H7）中，虽然部分型号带有FPU（浮点运算单元），但定点FFT仍然具有显著优势：定点运算不触发FPU流水线延迟，且数据带宽占用更小（Q15仅2字节/样本，Q31为4字节/样本，而float32也是4字节但运算更慢）。对于需要长时间连续采集的实时系统，定点FFT的功耗和吞吐量优势不可忽视。
定点数的范围与精度计算
对于Qm.n格式（有符号），其数值范围计算公式为：
最小值 = -2ᵐ
最大值 = 2ᵐ - 2⁻ⁿ
最小分辨率（LSB）= 2⁻ⁿ以Q15为例：m=0，n=15，范围[-1, 1-2⁻¹⁵]，分辨率约3.05×10⁻⁵。以Q31为例：m=0，n=31，范围[-1, 1-2⁻³¹]，分辨率约4.66×10⁻¹⁰。若需要表示大于1的数值，则需增加整数位m，例如Q3.12格式（16位总宽）可表示范围[-8, 8-2⁻¹²]，但精度降至2⁻¹²≈0.000244。
常见Q格式选择策略与实战案例
选择Q格式需要综合考量以下因素：输入信号范围、所需信噪比（SNR）、处理器位宽、运算链路的中间位宽增长。在CMSIS-DSP FFT中，一个关键约束是：每级蝶形运算的乘法会使位宽翻倍，加法会使位宽增加1位。对于N点FFT（N=2ᵏ），共有k级运算，若不进行缩放，最终位宽将增加k位。例如16位输入的64点FFT（k=6），中间结果需要22位才能避免溢出，这超出了16位寄存器范围。
案例：16位ADC信号频谱分析中的Q格式选择
背景与约束：某振动监测系统使用16位ADC采样，采样率50kHz，信号幅值范围±2.5V，ADC参考电压3.3V。系统需在STM32F407（Cortex-M4，带FPU）上执行1024点FFT，要求频率分辨率约48.8Hz，且频谱分析精度不低于60dB SNR。
初始现象与目标：直接使用浮点FFT（arm_cfft_f32）可以满足精度，但CPU占用率高达45%，影响其他控制任务。目标是将CPU占用率降至20%以下，同时保持SNR≥60dB。
关键输入数据与参数：ADC满量程对应数字码0~65535，中心点32768。信号经归一化后，最大幅值约为±0.76（即2.5V/3.3V）。若使用Q15格式，最大幅值0.76在[-1,1)范围内，但裕量仅24%，FFT蝶形运算中可能出现中间溢出。
分析判断过程：计算Q15的SNR上限：理想SNR ≈ 6.02×15 + 1.76 = 92.06dB，但实际FFT运算中，每级缩放会引入量化噪声。1024点FFT共10级，若每级右移1位，输出噪声功率增加约10×log₁₀(2)≈3dB/级，总噪声增加约30dB，SNR降至约62dB，勉强满足60dB要求。但若输入信号接近满量程，溢出风险显著。
实际操作步骤：
- 将ADC原始数据减去中心值32768，得到有符号16位数据，范围[-32768, 32767]。
- 将数据右移2位（除以4），使最大幅值降至约±8192，对应Q15的0.25，预留4倍裕量。
- 调用
arm_cfft_q15，使用默认的每级0.5缩放。 - FFT输出后，将结果左移10位（补偿1024点缩放），再计算幅度谱。
结果对比：采用Q15定点FFT后，CPU占用率从45%降至12%，SNR实测为58.7dB，略低于60dB目标。进一步分析发现，主要噪声来自输入信号的右移操作（损失2位精度）。改用Q31格式后，输入数据无需右移，直接使用32位整数，SNR提升至64.2dB，CPU占用率仅15%，满足所有指标。
风险与代价：Q31格式需要两倍于Q15的存储空间（4字节/样本 vs 2字节/样本），且运算周期略长。但考虑到系统有256KB SRAM，1024点Q31 FFT仅需4KB数据缓冲区，存储完全可接受。
复盘经验：当输入信号动态范围较大或SNR要求超过60dB时，优先选择Q31；当存储和带宽受限时，Q15配合输入预缩放是可行方案，但需仔细计算裕量。此外，CMSIS-DSP提供了arm_cfft_q15和arm_cfft_q31的可选缩放标志（如arm_cfft_q15的ifftFlag和bitReverseFlag），合理利用这些参数可以进一步优化性能。
常见误区与总结复盘
- 误区一：认为Q15精度一定不够。实际上，对于SNR要求低于80dB且输入信号经过归一化的场景，Q15完全够用。关键在于输入预缩放和中间结果位宽管理。
- 误区二：忽略FFT中间位宽增长。即使输入信号很小，蝶形运算中的乘法也会产生大数，必须通过缩放或使用Q31来吸收中间结果。
- 误区三：混淆Q格式与整数格式。Q15的0x4000代表0.5，而不是整数16384。在调试时，必须时刻记住当前数据的Q格式，否则会误读数值。
- 误区四：盲目使用浮点FFT。在Cortex-M4/M7上，虽然FPU可以加速浮点运算，但定点FFT的功耗和延迟优势仍然明显，尤其在电池供电的便携设备中。