1. 课程导入与工程全景

在嵌入式开发中，算法工程师与嵌入式工程师之间长期存在一道“翻译鸿沟”：算法在 MATLAB 中用浮点、矩阵和高级函数描述，而目标硬件往往只有定点运算能力、有限 RAM 和严格的实时约束。传统做法是算法人员交付公式或文档，嵌入式人员手工重写为 C，再逐点比对结果。这个过程既慢又容易引入偏差。MATLAB 代码生成与嵌入式部署要解决的，正是把“可验证的算法模型”自动或半自动地转换为“可在目标板运行的 C/C++ 代码”，并让转换结果可追溯、可验证、可优化。

本课程的核心价值可以概括为三条主线：正确性——生成代码与模型在数值上保持一致，并通过 SIL/PIL 等手段证明；可部署性——代码满足目标编译器的语法、数据类型、内存与实时性约束；工程效率——把重复的手工翻译变成可配置、可复用的构建流程。理解这三条主线，后续每一章的工具选择与参数设置才有判断依据。

典型工作流：从模型到目标板

一个完整的部署链路通常包含六个环节：算法建模与仿真、定点化与数值验证、代码生成配置、生成 C/C++ 代码、目标集成与编译、硬件在环验证。它们不是单向瀑布，而是带反馈的闭环：定点化后精度不达标要回到建模，PIL 结果与 SIL 不一致要回到代码生成配置，目标板运行超时则要回到算法结构或数据类型。

图中紫色支线是 SIL（Software-in-the-Loop）：把生成的 C 代码在主机上编译并回灌同一组测试激励，与模型输出逐点比较。橙色虚线是两条最重要的反馈路径——定点化精度不足要回到字长与标度设计，PIL 与 SIL 不一致则要回到代码生成配置。把这两条反馈路径记住，后续排障时就不会盲目改代码。

工具链组成：各司其职

工具链可以按“建模—定点—生成—验证—集成”五层理解。MATLAB 与 Simulink 负责算法描述与仿真；Fixed-Point Designer 提供定点类型、字长/标度设定与溢出检测；Embedded Coder 是代码生成的核心，负责存储类、函数原型、代码风格与目标配置；Simulink Coder 提供通用 C/C++ 生成能力；MATLAB Coder 则面向纯 MATLAB 函数生成 C 代码。验证侧由 SIL/PIL 框架承担，集成侧则是目标 IDE 与交叉编译工具链，例如 ARM GCC、IAR 或厂商专用编译器。

需要特别区分两个容易混淆的概念：代码生成是把模型翻译为 C 代码，部署是把这份代码放进目标工程、编译、烧录并运行。前者关注“翻译得对不对”，后者关注“跑得动、跑得准、跑得及时”。本课程两条线都会覆盖，但重心放在可验证的生成流程上。

一个可复现的最小示例

为了给后续章节建立参照，这里给出一个最小可运行示例：一个带饱和限幅的一阶低通滤波器，采样周期 Ts = 1 ms，截止频率 50 Hz，输入范围 ±10，输出限幅 ±8。离散化后可用如下差分方程描述：

% 一阶低通：y[n] = a*y[n-1] + (1-a)*u[n]
Ts = 1e-3;              % 采样周期 1 ms
fc = 50;                % 截止频率 50 Hz
a  = exp(-2*pi*fc*Ts);  % 离散极点系数 ≈ 0.7304
y  = 0;                 % 状态初值
for n = 1:N
    y = a*y + (1-a)*u(n);
    y = min(max(y, -8), 8);   % 输出饱和限幅
    yOut(n) = y;
end

这段代码在 MATLAB 中可直接运行，也可作为 MATLAB Function 模块嵌入 Simulink。部署时它会被翻译成类似下面的 C 结构：状态变量 y 需要持久化，系数 a 与 1-a 作为常量，限幅用条件判断实现。若把 y 与系数改为定点类型，例如 Q15（1 位符号 + 15 位小数），则需要重新评估舍入误差与溢出风险——这正是第②环节要解决的问题。

学习路线图

本课程按“先通链路、再抠细节、后做优化”的顺序组织。第一阶段建立全景认知与最小闭环，能跑通一次从模型到 SIL 的完整流程；第二阶段深入代码生成配置、数据类型与存储类，理解每一类参数对生成代码的影响；第三阶段进入定点化、查表、循环优化与内存约束等工程化主题；第四阶段覆盖 PIL、处理器在环与目标板实测，形成可交付的验证证据链。每一阶段都以“能观察、能判断、能复现”为标准，而不是停留在概念记忆。

学习过程中建议始终保留一个自己的小模型作为“试验台”，每学一个新配置就回到这个模型上验证一次。工具链的行为细节很多，只有亲手改参数、看生成代码、比对输出，才能真正把知识变成可迁移的工程能力。