信号处理 / 系统课时
定位定点溢出与量化失真
定位定点溢出与量化失真
定点实现出现削顶、符号翻转、噪声上升或 IIR 振铃时,最终输出往往不足以说明根因。本篇建立一条可重复的排查链路:逐级记录乘积、累加器和反馈状态的范围,再区分回绕、饱和与系数量化,最后用浮点参考和边界测试验证修复。
学习目标
- 能沿乘法、累加、缩窄和反馈链路定位第一次超出数值范围的位置。
- 能根据波形和数值日志区分回绕溢出、饱和削顶与普通量化误差。
- 能判断反馈系数量化和状态舍入是否正在改变滤波器动态特性。
先从失真形状缩小范围
突然出现大幅反向跳变,优先怀疑有符号整数回绕;峰值被压成平台,通常是饱和;小信号上叠加颗粒状误差,多与量化步进和截断有关;IIR 的衰减速度改变、零输入后仍有周期振荡,则要继续检查反馈系数和状态量化。
这些现象只能用来排优先级,不能替代数值证据。真正有效的做法是在每个格式边界记录最小值、最大值、饱和次数和溢出次数,并定位第一次异常的位置,而不是只看最后输出。

沿乘加链路记录真实范围
16 位 Q1.15 相乘时,原始乘积需要约 32 位保存;如果有多个乘积累加,最坏情况下还要为求和增长保留额外位。保守估算可用 ,其中 是可能同号叠加的项数。实际算法若有已知缩放或系数约束,可以据此收紧范围。
下面的程序同时演示两类常见问题。第一部分让两个 0.75×0.75 的 Q1.15 项相加,观察 16 位累加器回绕与饱和的差异;第二部分把反馈系数 0.95 量化成仅 7 个小数位,观察 20 次递推后的衰减偏差。
Q15_SCALE = 1 << 15
Q15_MIN = -(1 << 15)
Q15_MAX = (1 << 15) - 1
def to_q15(x):
return max(Q15_MIN, min(Q15_MAX, int(round(x * Q15_SCALE))))
def round_shift(value, bits):
if value >= 0:
return (value + (1 << (bits - 1))) >> bits
return -(((-value) + (1 << (bits - 1))) >> bits)
def wrap_int16(value):
return ((value + (1 << 15)) % (1 << 16)) - (1 << 15)
def sat_int16(value):
return max(Q15_MIN, min(Q15_MAX, value))
c = to_q15(0.75)
x = to_q15(0.75)
term_q15 = round_shift(c * x, 15)
acc = 0
for index in range(2):
acc += term_q15
overflow = not (Q15_MIN <= acc <= Q15_MAX)
print(f"acc{index + 1}={acc} overflow={overflow}")
print(f"term_q15={term_q15} ({term_q15 / Q15_SCALE:.6f})")
wrapped = wrap_int16(acc)
saturated = sat_int16(acc)
print(f"wrap={wrapped} ({wrapped / Q15_SCALE:.6f})")
print(f"saturate={saturated} ({saturated / Q15_SCALE:.6f})")
# 反馈状态保留 Q1.15,但反馈系数只保留 7 个小数位。
a_float = 0.95
a_q7 = int(round(a_float * (1 << 7)))
state_q15 = to_q15(0.8)
state_float = 0.8
for _ in range(20):
state_q15 = sat_int16(round_shift(state_q15 * a_q7, 7))
state_float *= a_float
print(f"a_float={a_float:.6f} a_q7={a_q7 / (1 << 7):.6f}")
print(f"state20_float={state_float:.6f}")
print(f"state20_fixed={state_q15 / Q15_SCALE:.6f}")
print(f"state_error={state_q15 / Q15_SCALE - state_float:.6f}")预期输出
acc1=18432 overflow=False
acc2=36864 overflow=True
term_q15=18432 (0.562500)
wrap=-28672 (-0.875000)
saturate=32767 (0.999969)
a_float=0.950000 a_q7=0.953125
state20_float=0.286789
state20_fixed=0.306244
state_error=0.019455第一部分说明了两个不同问题:若把 36864 强行存回 16 位,会回绕成负数;若使用饱和,则会得到最大正值,但 1.125 本身仍超出 Q1.15 输出范围。正确修复可能是保留更宽的中间累加器、改变输出 Q 格式或重新缩放,而不是简单把回绕改成饱和。
判断是位宽问题还是量化问题
排查时先建立一个高精度参考实现,再做两次对照。第一组让定点算法使用足够宽的乘积和累加器,只保留目标系数量化;第二组再逐步恢复实际位宽和缩窄点。若宽位版本已经明显偏离浮点结果,重点检查系数精度、舍入方式和缩放;若宽位版本正确而窄位版本失败,根因通常在溢出或过早缩窄。
对 IIR 还要多做两项检查。量化分母系数后,应重新根据量化值计算极点,确认极点仍位于单位圆内并保留足够裕量;即使极点仍稳定,反馈状态的舍入或截断也可能产生极限环,因此要加入零输入测试,观察状态是否应当衰减到零却停在周期振荡。
按数值边界修复并重新验收
修复顺序应从范围到精度:先确定每个节点的最大可能幅度,再加宽乘积和累加器;只在明确的格式边界缩窄,并使用一致的舍入与饱和规则;最后再增加系数小数位或调整节间缩放。这样可以避免用更高精度去掩盖本质上的范围错误。
验证时至少覆盖满量程正负输入、脉冲、零输入和一组代表性实际信号,并同时比较浮点参考、宽位定点和最终目标位宽。只有当溢出计数为零或全部发生在设计允许的饱和点,且误差和 IIR 状态行为都满足指标时,修复才算完成。