基于模型设计的FPGA开发与实现：滤波器设计与实现（二）Matlab中滤波器的定点化

http://blog.sina.com.cn/McCrocodile

通常在FPGA中做信号处理为达到比较高的fMax和较少的资源占用,通常使用定点化数字信号处理，虽然FPGA厂商和IP提供商提供了一些浮点IP，但是目前大多数应用还是趋向定点化处理。这里主要介绍在设计滤波器中使用工具中的定点化选项，实现滤波器的定点化，为后面一节的HDL代码生成做铺垫。

这儿还是使用前面的例子，来实施定点化。

FDAtool中定点化

如下图所示为FDATool中的定点化过程中截图，选择左侧设置量化参数(Set Quantization Parameters )按钮，在滤波器结构栏选择定点，滤波器精度有最高精度和指定精度，通常使用指定精度这样比较节约资源，最后部分为对滤波器的参数，输入数出和滤波器内部进行定点化设计。

在设置滤波器内部的参数，如乘法器，累加器的精度和整数的溢出模式。在设置精度是通常开始设置较大的精度和动态范围，满足要求后再优化。整数溢出的模式Wrap模式占用资源最少，但是如果正式部分动态范围不够会带来糟糕情况，而且不利于整体的稳定性；Staturate会占用额外的逻辑资源。

FilterBuilder中定点化

从下图可以看得出与FDATool的定点化设置是一致的。这儿就不再做介绍了。

fdesign中的定点化

（准确的应该成为使用面向对象的方式的滤波器定点化）

详细的帮助中搜索Fixed-Point Filter Design。

前面介绍的基于GUI的定点化都是一个根据经验的迭代化的优化过程，下面来详细的说下基于fdesign的定点化过程。

滤波器的定点化包含两个主要的部分：滤波器数的量化和动态范围分析。（The dynamic range analysis is a process of fine tuning the scaling of each node to ensure that the fraction lengths are set for full input range coverage and maximum precision。）

1、首先修改滤波器对象属性为定点的：（当然这儿的滤波器对象也可以来自于fdatool等设计的导出的滤波器对象）

Hf=hd;

Hf.Arithmetic='fixed';

2、初步设置滤波器系数的字长

set(Hf, 'CoeffWordLength', 9);%设置滤波器系数的字长

fvtool(Hf)%,比较不同字长设置

屏幕剪辑的捕获时间: 2011/8/30 22:22

可以清晰的观察到定点化和浮点的幅频响应的区别，通过观察是否满足要求进一步优化滤波器系数的字长，增加字长达到更高的性能，缩减字长节约资源减小面积。如在Altera的QII中，如果乘数是固定且位宽比较小（比如小于10bit时），综合时会使用移位和加法实现乘法（有点类似于RAG算法），但当乘数比较大时则需要使用硬件乘法器。如果较小片子硬件乘法器不足就是个糟糕的事情了。

3、设置滤波器内部的位宽：累加器，乘法器，输出信号

info(Hf) %有观察到的信息可以看出位宽过宽

屏幕剪辑的捕获时间: 2011/8/30 22:32

如图所示可以看到，自动设置的位宽以及其动态范围，这些自动设置的位宽通常是首先满足精度，还需要根据硬件（DSP，FPGA）特性做修改。下面针对Altera的CIII片子给出一个设置：

set (Hf, 'InputWordLength', 10);%输入ADC位宽

set (Hf, 'FilterInternals', 'SpecifyPrecision');%设置滤波器内部参数

set (Hf, 'ProductWordLength', 18);%如Altera的CIII片子的乘法器为9的倍数，这儿选18bit

set (Hf, 'AccumWordLength', 22);%累加器的字长,通常累加器比乘法器多４比特作为保护位宽

set (Hf, 'OutputWordLength', 16);%输出数据总线

输入信号位宽通常和ADC是保持一致的，乘法器的位宽通常设置9的倍数（某些高档片子含有DSP40，那就设置为40）。诸如硬件乘法器资源，如果想要充分利用，那么你就需要参考器件的硬件特性。累加器通常要比乘法器宽4bit作为保护比特。如果设置得过宽会造成累加器的时延过大，得不到一个较大的fMax。

到这里滤波器的基本设置算是完成了，但是还是有可能在使用的使用发生溢出等错误。动态分析将进一步优化滤波器的定点化设置，以降低溢出的发生。

4、动态分析：进一步精细调整系数的比例（Scaling）。

系数最好是又能覆盖所有输入信号，同时保持最大的精度，但这是互相矛盾的。所以在动态分析过程中用于测试的输入数据的选择是非常重要的。如果设置较大的动态范围，可以覆盖输入信号的范围，但是精度会损失；如果设置较窄的动态范围，可以保持较好的精度，但是输入信号可能超出范围引起溢出。

最坏情况测试法：

1）源代码和报告如下，首先使用脉冲响应的取符号函数，设置信号最大幅度，作为信号的激励。

2）以测试激励自动调整动态范围，如果不使用这个选项观察一下3中的报告时什么样子的。

3）创建fipref对象开启记录模式，定点化滤波，观察定点化滤波过程的报告。

tx = 2*sign(fliplr(impz(Hf)));%激励

Hf2 = autoscale(Hf, tx);%自动调整动态范围

fipref('LoggingMode', 'on', 'DataTypeOverride', 'ForceOff');%创建fipref对象打开记录

y = filter(Hf2, tx);

fipref('LoggingMode', 'off');

R = qreport(Hf2)%查看报告，报告最近的顶点滤波计算报告

屏幕剪辑的捕获时间: 2011/9/5 21:29

下面是对信号分离的定点化测试:

%% 对信号分离的定点化测试

fipref('LoggingMode', 'on', 'DataTypeOverride', 'ForceOff');%创建fipref对象打开记录

y = filter(Hf2, x);

fipref('LoggingMode', 'off');

R1 = qreport(Hf2)%查看报告，报告最近的顶点滤波计算报告

figure;plot(y);title('定点化滤波信号分离测试')

屏幕剪辑的捕获时间: 2011/9/5 21:39

屏幕剪辑的捕获时间: 2011/9/5 21:39

通过上面的报告和滤波结果观察可以看出，定点化达到了效果。这就为后面HDL代码生成做好基本的准备。

总结：

通过上面的例子，可以得知使用面向对象方式实现定点化是一个更优秀的方式。根据测试的激励可以自动调整滤波器的精度以达到不同的动态范围，达到精度和动态范围（过小会引起溢出）的权衡，那么也就看出合适的测试激励的重要性。这种滤波器的定点化方法对IIR滤波器的定点化优势尤其明显。这里先不介绍，由于IIR的定点化有时比较复杂，放到后面单独讨论。

所以建议亲自试试使用fdesign的方式。