4. 定点数与浮点数：DSP数据格式对比、Q格式详解、浮点转定点的精度损失分析与补偿策略
做DSP开发，绕不开一个核心问题：你的数据用定点还是浮点？
很多人刚接触时觉得无所谓，反正都是数。但真到了嵌入式平台上，差别就大了去了。我早年在一个音频降噪项目里，就因为选型失误，导致算法跑起来CPU占用率飙到90%多，板子烫得能煎鸡蛋。后来换成定点实现，占用率直接降到30%。
说白了，浮点方便人，定点方便机器。这一章我们就来掰扯清楚。
4.1 定点数与浮点数的本质差异
先看一张对比表，心里有个底：
| 对比维度 | 定点数 (Fixed-Point) | 浮点数 (Floating-Point) |
|---|---|---|
| 表示方式 | 整数 + 隐含的小数点位置 | 符号位 + 指数 + 尾数 |
| 动态范围 | 固定，由字长决定 | 大，指数可调 |
| 精度分布 | 均匀分布 | 非均匀，靠近0精度高 |
| 硬件开销 | 低，逻辑门少 | 高，需要专用FPU |
| 运算速度 | 快，单周期可完成 | 慢，依赖FPU流水线 |
| 典型DSP | TI C54x/C64x, ADI Blackfin | TI C67x, ARM Cortex-A系列 |
核心结论：浮点数是给算法工程师看的，定点数是给硬件跑的。嵌入式DSP优化，本质上就是一场「把浮点算法翻译成定点运算」的工程实践。
4.2 Q格式详解：定点数的灵魂
定点数怎么表示小数？靠的是Q格式。Q格式说白了就是约定：这N位二进制里，整数占几位，小数占几位。
Q格式的通用写法是 Qm.n，其中：
- m：整数部分位数（含1位符号位）
- n：小数部分位数
- 总字长 = m + n
举个例子，Q1.15格式（也叫Q15）：
- 总16位，1位符号，15位小数
- 能表示的范围：-1 ~ 0.999969
- 精度：2-15 ≈ 0.0000305
我习惯用Q15做音频处理，因为音频信号归一化后就在±1之间，Q15刚好覆盖。你想想看，如果选Q8.8，整数部分浪费了7位，小数精度只有2-8 ≈ 0.0039，做滤波误差会大得离谱。
选型口诀：先看信号动态范围，确定整数位数；再看精度要求，确定小数位数。整数位数多一位，动态范围翻倍；小数位数多一位，精度翻倍。
4.2.1 常见Q格式速查
| Q格式 | 总位数 | 范围 | 精度 | 典型用途 |
|---|---|---|---|---|
| Q1.15 | 16 | -1 ~ 0.99997 | 3.05e-5 | 音频、调制信号 |
| Q2.14 | 16 | -2 ~ 1.99994 | 6.10e-5 | 中间累加结果 |
| Q8.8 | 16 | -128 ~ 127.996 | 3.91e-3 | 传感器原始数据 |
| Q1.31 | 32 | -1 ~ 0.99999 | 4.66e-10 | 高精度滤波系数 |
| Q8.24 | 32 | -128 ~ 127.99999 | 5.96e-8 | 控制环路、PID |
4.3 浮点转定点的精度损失分析
为什么会有精度损失？因为定点数把连续的值域离散化了。每一次量化，都会引入误差。
精度损失主要来自三个环节：
- 量化误差：浮点数值无法被Q格式精确表示，只能取最近的可表示值
- 截断误差：乘法运算后，结果需要右移对齐，低位被丢弃
- 溢出误差：运算结果超出Q格式范围，发生饱和或回绕
我曾经在一个降噪滤波器移植项目中，遇到滤波输出全是噪声。查了两天，最后发现是中间累加器溢出了。32位Q1.31格式，两个Q1.15相乘得到Q2.30，再累加几次就超过±2了，直接溢出。嗯，从那以后我养成了一个习惯：每次做定点移植，先画一张数据流图，标出每个节点的动态范围。
避坑指南：我曾经在定点化IIR滤波器时，忽略了极点位置的精度敏感性。浮点下稳定的滤波器，定点化后因为系数量化误差，极点漂移到了单位圆外，滤波器直接发散。解决办法是：对敏感极点使用更高精度的Q格式，或者改用级联二阶节结构。
4.4 补偿策略：把损失降到最低
精度损失不可避免，但可以补偿。下面是我在实践中总结的几条策略：
4.4.1 动态范围预分析
在定点化之前，先用浮点跑一遍算法，采集所有中间变量的最大值和最小值。根据这个数据选择Q格式。我一般会在关键节点留出2~3位的余量，防止极端情况溢出。
4.4.2 中间结果扩展
乘法运算时，使用更宽的中间格式。比如两个Q1.15相乘，结果用Q2.30保存，累加完后再截断回Q1.15。这相当于给中间计算多留了几位精度。
// 示例：Q1.15乘法，中间结果用32位保存
int16_t a, b; // Q1.15
int32_t prod; // Q2.30
int16_t result; // Q1.15
prod = (int32_t)a * (int32_t)b; // 得到Q2.30
prod += 1 << 14; // 加0.5进行四舍五入
result = (int16_t)(prod >> 15); // 右移15位，回到Q1.154.4.3 舍入处理
直接截断会引入直流偏置。我建议用四舍五入（加0.5后截断）或者随机舍入（dithering）。在音频降噪里，我试过用随机舍入，虽然计算量大了点，但底噪听起来更自然，没有那种「数字味」。
4.4.4 系数缩放与归一化
滤波系数通常很小（比如0.001），直接量化会损失大量精度。我的做法是：先把系数放大2k倍，用Q格式表示，运算后再缩小回来。这相当于用移位代替了小数运算。
4.5 知识体系总览
下面这张图总结了定点数与浮点数对比的核心逻辑，以及从浮点到定点的完整流程：
4.6 实战建议
最后给几条实在的建议：
- 不要盲目追求高精度：Q1.31精度已经到10-10量级，对绝大多数音频和控制应用绰绰有余。用更高精度只会增加计算量和存储开销。
- 善用DSP的硬件特性：很多DSP有专用的乘法累加指令（MAC），支持双精度累加。比如TI的C64x+内核，32位乘法结果可以累加到64位，几乎不损失精度。
- 仿真验证不可少：定点化后，一定要用测试向量做bit-exact比对。我一般会准备三组数据：正弦波、白噪声、真实信号。跑完对比SNR，如果低于40dB就要排查问题。
- 留好调试接口：在代码里预留定点值和浮点参考值的对比打印。出问题时，能快速定位是哪个环节引入了误差。