1 基本概念
1.1 定义与特点
定点运算是指在计算机内部用固定的小数点位置来表示和处理数值的一类运算方式。它通常将数值视为一个按比例缩放后的整数，因此在实现时可以直接借助整数运算单元完成计算。由于表示规则较为固定，定点运算往往具有实现简单、运算速度快、硬件资源占用低等特点。
与其他数值表示方法相比，定点运算更强调编码方式和缩放规则的一致性。它适合数值范围相对明确、精度需求可控的场合，但对超出表示范围的数值较为敏感，容易出现溢出或精度损失。
1.2 与浮点运算的区别
定点运算和浮点运算的主要差异在于小数点位置是否可变。浮点数通过尾数和指数共同表示数值，能够覆盖更大的动态范围；定点数则通常把小数点位置预先固定，因此范围较窄，但计算过程更直接。
在实现层面，浮点运算通常依赖更复杂的硬件或软件逻辑，适合需要较大范围和较高数值灵活性的任务。定点运算则常用于实时性要求高、设备资源有限的环境，因为其运算逻辑更容易预测，时延也更稳定。
1.3 应用场景
定点运算常见于嵌入式系统、数字信号处理、控制系统以及各类资源受限的终端设备。许多传感器采样、滤波、音频处理和通信协议实现，也会优先考虑定点方案。
在这些场景中，系统往往更关注运算确定性、功耗和成本，而不是极端宽广的数值范围。定点运算因此成为一种常用的工程折中方案。
2 数值表示
2.1 定点格式
2.1.1 整数位与小数位划分
定点数通常由整数位和小数位共同组成，二者的划分方式决定了可表示范围与精度。整数位越多，数值范围越大；小数位越多，表示精细程度越高。
实际设计中，小数点位置一般在系统约定时固定下来，例如某一类数据统一采用“整数部分若干位、小数部分若干位”的格式。这样可以保证同类数据在运算时保持一致的比例关系。
2.1.2 符号位表示
对于有符号定点数，通常需要专门的符号位来表示正负。符号位与数值位配合使用后，可以在有限位宽内表示带符号的实数。
在工程实现中，符号位的安排会影响可表示的最大正值和最小负值。不同编码方式下，零值附近的表示形式和运算规则也可能有所不同。
2.2 缩放因子
2.2.1 物理量到定点数的映射
实际工程中的温度、速度、电压等物理量，通常不会直接以“原始数值”形式进入定点计算，而是先按照缩放因子映射为整数。映射关系本质上是把连续量离散化，并乘以某个固定比例。
例如，若规定某个变量按 1000 倍缩放，则 1.234 可以编码为 1234。运算结束后再按相同规则还原，即可得到近似原值。
2.2.2 归一化与量化
归一化是将数据统一到某个约定范围内，以便于后续编码和比较。量化则是把连续值映射到有限离散等级的过程，是定点表示中误差来源的重要环节。
通过合理的归一化和量化设计，可以在保证精度的同时减少溢出风险。对于波动较大的数据流，这一步尤为关键。
2.3 常见编码方式
2.3.1 补码表示
补码是现代计算机中最常见的有符号整数表示方式，也广泛用于定点数实现。它的优点是加减运算统一，硬件实现较为简洁，符号扩展也较方便。
在定点运算中，补码形式便于直接复用整数加法器和乘法器。由于其表示方式与运算规则高度一致，因此在实际系统中应用最广。
2.3.2 原码与反码
原码直接使用最高位表示符号，其余位表示数值大小。反码则在原码基础上对负数的数值位取反。二者在直观性上较强，但在加减法实现上通常不如补码简洁。
这两种编码方式在早期计算机设计和部分教学场景中较常见。如今在工程定点实现中，它们更多用于概念说明或特殊兼容需求。
3 基本运算
3.1 加法与减法
3.1.1 对齐规则
定点加减运算前，参与运算的数必须具有相同的小数点位置。若二者缩放因子不同，则需要先进行对齐，使其表示在同一量纲下，再执行加减操作。
对齐通常通过左移或右移完成。若处理不当，可能导致精度损失或数值范围变化，因此在算法设计中必须预先统一格式。
3.1.2 溢出检测
加减法中最常见的问题之一是溢出，即结果超出当前位宽所能表示的范围。为避免错误结果，系统常通过符号位变化、进位信息或范围比较来检测异常。
一旦检测到溢出，程序或硬件可以采取饱和、报错、回绕等处理方式。不同策略会显著影响最终结果的稳定性与可解释性。
3.2 乘法
3.2.1 位宽扩展
定点乘法得到的结果位宽通常大于原始操作数，因为两个数相乘后，数值范围和小数位数都会发生变化。为保留中间结果，系统往往需要先进行位宽扩展。
完成乘法后，还需根据目标格式重新调整小数点位置。若直接截取低位，可能影响精度；若保留过多高位，则可能增加存储压力。
3.2.2 舍入与截断
乘法结果经常需要缩减回目标位宽，这时会用到舍入或截断。截断实现简单，但可能引入偏差；舍入虽然更接近真实值，但处理逻辑相对复杂。
在对精度较敏感的应用中，舍入策略会显著影响累积误差。对于高速简单场景，截断仍然是常见选择。
3.3 除法
3.3.1 迭代与移位实现
定点除法通常比加减法更复杂，常通过迭代算法、移位运算或查表方式实现。许多硬件和软件实现会利用移位近似除以 2 的幂，从而简化处理。
在实时系统中，除法往往被设计成尽量少用或用乘法替代。例如将除法转化为乘以倒数，是一种常见优化思路。
3.3.2 商与余数处理
除法运算通常会产生商和余数，二者的处理方式直接影响后续计算。定点系统中，商的位宽和小数位位置需要提前定义，余数则可能用于进一步迭代或误差补偿。
若余数未妥善处理，可能导致精度下降或边界值异常。特别是在循环算法中，余数的累积效应不容忽视。
4 精度与误差
4.1 量化误差
4.1.1 误差来源
量化误差来源于有限位宽对连续数值的离散化。由于定点数只能表示有限个离散点，真实数值与其编码值之间必然存在差异。
这种误差在输入转换、运算中间结果截断以及输出还原时都可能出现。位宽越短，量化误差通常越明显。
4.1.2 误差传播
在多步运算中，单次量化误差会随着计算链条逐步传播和叠加。若算法本身对误差敏感，最终结果可能偏离较大。
因此，定点系统的设计常常需要分析误差传播路径，并对关键节点进行更高精度保留或特殊处理。
4.2 舍入策略
4.2.1 四舍五入
四舍五入是较常见的近似方式，原则上将数值取到最接近的可表示点。它通常能降低平均误差，使结果更接近原始数值。
不过，在连续多次处理时，四舍五入也可能形成特定偏差模式，因此仍需结合具体应用评估。
4.2.2 向零截断
向零截断是将多余小数位直接舍去，使结果向零方向收缩。该方法实现简单，速度快，但会带来系统性偏差。
在一些对速度要求高、精度要求适中的场景中，向零截断仍然很常用。
4.2.3 向上与向下取整
向上取整和向下取整分别将结果偏向更大或更小的可表示值。它们适用于有特定保守估计需求的场合，例如安全边界计算或资源预留估计。
这类策略的优点是行为明确，缺点是可能引入方向性偏差，需要按算法目标审慎选择。
4.3 动态范围
4.3.1 最大值与最小值
动态范围指定点数能够表示的上下界。位宽固定时，整数位和小数位的分配越偏向一侧，另一侧的能力就会相应受限。
在系统设计中，必须提前评估变量可能达到的极值，以免在运行中超出可表示范围。
4.3.2 饱和与回绕
当结果超过表示上限时，常见处理方式有饱和和回绕。饱和会把结果限制在最大或最小边界，看起来更稳定；回绕则会按模数重新映射，可能产生明显跳变。
在控制和信号处理应用中，饱和通常更符合工程直觉；而回绕则更多出现在某些低层整数运算环境中。
5 硬件实现
5.1 数字电路中的定点单元
定点运算适合在数字电路中直接实现，因为其运算规则与整数逻辑高度一致。加法器、移位器、比较器和乘法器等基础模块，都可以较方便地组合成定点计算单元。
这种实现方式结构清晰，便于流水线设计和时序控制，因此在专用电路中非常常见。
5.2 处理器与指令支持
许多处理器对整数运算有原生支持，因此定点计算往往可以直接映射到通用指令。部分架构还提供饱和加法、定点乘法或累加指令，以提升效率。
当处理器带有专门的数字信号处理扩展时，定点运算的吞吐率通常会进一步提高。
5.3 DSP中的定点优化
在数字信号处理器中，定点运算往往被高度优化，以适应滤波、卷积和变换类任务。此类处理器通常针对乘加操作、循环访问和并行执行做了专门设计。
由于 DSP 经常面对高采样率数据流，定点实现能够在保持较低功耗的同时满足实时处理要求。
5.4 FPGA与ASIC实现
在 FPGA 和 ASIC 中，定点逻辑便于通过硬件描述语言精确定义。设计者可以按需要配置位宽、舍入方式和溢出策略，从而在面积、速度和精度之间做平衡。
相较于通用软件实现，专用硬件中的定点方案更容易获得确定的时延和较高的并行度。
6 软件实现
6.1 编程语言中的定点表示
在编程语言中，定点数通常借助整数类型模拟，通过约定某一位数作为小数部分来实现。程序员需要显式管理缩放因子、类型转换和溢出行为。
一些语言或框架也提供了专门的定点包装类型，帮助统一封装运算规则，减少手工处理错误。
6.2 定点库与工具链
为了简化开发，工程中常使用定点库、自动化换算工具或模型转换工具链。这些工具可以协助选择位宽、生成标度方案，并验证关键路径上的精度表现。
在较复杂系统中，工具链还能帮助开发者在浮点模型与定点实现之间建立对应关系，从而便于移植和校验。
6.3 仿真与调试方法
定点系统在部署前通常要通过仿真验证，包括边界值测试、随机测试和对比浮点参考模型。调试时常会重点检查量化误差、溢出位置以及中间变量的位宽变化。
若问题难以定位，常见做法是逐步记录关键节点的缩放前后数值，以便分析误差是在哪一层引入的。
6.4 性能优化
软件中的定点优化通常围绕移位代替乘除、减少类型转换、合并缩放步骤等方向展开。对于循环密集型代码，减少冗余运算和提高缓存友好性也很重要。
在实时应用中，定点优化的目标不仅是提速，还包括降低功耗和保证执行时间稳定。
7 设计方法
7.1 位宽选择
位宽选择是定点设计的基础步骤，需要综合考虑数值范围、精度要求和资源限制。位宽太短会导致溢出和误差放大，位宽太长则会增加成本和运算负担。
通常会先根据输入输出范围估计最小位宽，再通过仿真验证是否满足误差指标。
7.2 标度设计
标度设计决定了数值如何从物理量映射到定点编码。合理的标度既要避免频繁溢出，也要尽量利用有效位，提高表示分辨率。
在多模块系统中，统一标度规则可以简化接口设计，减少不必要的转换损耗。
7.3 溢出保护
溢出保护常通过饱和、范围检查、保护位或分段计算来实现。对于关键控制路径，通常会优先采用更保守的保护策略，以避免异常传播。
如果系统允许，也可在设计阶段预留额外位宽，为高峰值或瞬态变化提供缓冲。
7.4 精度权衡
定点设计本质上是在精度、范围、速度和资源之间做平衡。更高精度意味着更多位数和更复杂的处理，较低资源消耗则往往要接受一定误差。
不同应用对这组权衡的侧重点不同，因此没有统一最优解，通常需要结合目标平台和算法特性确定。
8 典型应用
8.1 音频与图像处理
音频和图像处理常包含大量重复运算，对吞吐率和成本较为敏感。定点运算能够以较低开销完成滤波、混音、卷积和像素变换等任务。
在这类场景中，算法往往可以容忍少量量化误差，因此定点实现十分常见。
8.2 传感器数据处理
传感器采集的数据通常需要经过标定、滤波和融合。由于输入范围一般可预估，定点表示可以有效降低处理复杂度，并便于在低功耗设备上运行。
对温度、压力、加速度等数据进行定点处理时，关键在于合理设置缩放比例和保留足够精度。
8.3 工业控制
工业控制系统强调实时性和确定性，定点运算在这方面具有天然优势。控制回路中的很多计算量并不大，但需要快速且稳定地重复执行。
在这类系统中，定点方案常用于状态估计、控制律计算和信号监测等环节。
8.4 通信系统
通信系统中的调制、解调、滤波和均衡等模块，常会使用定点实现以适配专用硬件。由于这些模块处理的是高速数据流，定点运算能够在效率与功耗之间取得较好平衡。
在协议栈或基带处理过程中，定点设计还便于与硬件接口直接衔接。
9 优缺点比较
9.1 优势
定点运算的主要优势在于实现简单、速度快、资源占用低。由于位宽和格式固定，运算结果通常更容易预测，适合实时处理。
此外，定点方案便于在硬件上实现高并行度，也有利于降低功耗和系统成本。
9.2 局限性
定点运算的局限在于动态范围有限，且精度受位宽约束明显。若标度设计不当，容易出现溢出、截断误差或精度不足的问题。
在数值跨度很大的计算中，定点方案往往不如浮点灵活，需要更多人工调参与验证。
9.3 与浮点方案的选择标准
选择定点还是浮点，通常取决于数值范围、精度需求、实时性、硬件能力和开发成本。若系统资源紧张、时延要求固定且范围可控，定点往往更合适。
若应用涉及非常宽的动态范围、复杂数值迭代或模型参数变化较大，浮点方案通常更稳妥。
10 相关概念
10.1 定点数
定点数是以固定小数点位置表示的数值形式，是定点运算的基础数据类型。它通常通过整数编码和缩放规则来表达实数近似值。
10.2 浮点数
浮点数是一种用指数和尾数组合表示数值的方式，能够覆盖更大范围并保持较强的表达能力。它与定点数共同构成计算机数值表示的重要分支。
10.3 量化
量化是将连续值映射到有限离散集合的过程，在定点表示中尤为常见。它会引入误差，但也是数字系统处理模拟世界信息的必要步骤。
10.4 数值稳定性
数值稳定性描述算法在有限精度下保持结果可靠的能力。对于定点运算而言，稳定性往往与位宽、舍入方式和误差传播密切相关。