基于FPGA實現的自定義浮點數

基于FPGA實現的自定義浮點數1.概述基于FPGA實現各種設計的首要前提是理解并掌握數字的表示方法，計算機中的數字表示方法有兩種：定點數表示法和浮點數表示方法。其中，對于浮點數盡管當前應用最為廣泛的是基于IEEE754所設計的浮點數表示方法，Xilinx（忘記Altera中是否有對應的IP核）的IP核中也提供了相應的設計方法，但其表示方法缺乏FPGA設計應有的靈活性，而且資源消耗相對嚴重，因此可以根據應用的需要，設計好基于FPGA實現的自定義浮點數。2.定點數表示定點數大類上可分為有符號數和無符號數，需要清楚的是，無論是計算機還是FPGA，其底層并沒有無符號數、有符號數的概念，底層只是一大串二進制數據在進行運算（在底層就是一大堆寄存器處于開關的工作狀態(tài)中）。定點數的第一印象容易給人產生是用來表示整數的印象，然而無論是整數還是小數都可以采用定點數來表示，同理整數和小數的概念也是人為規(guī)定上去的，FPGA本身不會理解那一大串二進制數是表示整數還是小數，具體的運算法則由編程人員規(guī)定好。1.1Qm.n的表示方法本文采用最廣泛使用的補碼表示形式（默認都懂其他的原碼表示和反碼表示形式），對應的用來表示有符號數。人為定義小數點的位置。采用Qm.n量化表示定點數，其中m用來表示小數點前的位寬，包括一位符號位和m-1位整數位，n表示小數位寬。如16位有符號整數可以表示成Q16.0,用來表示小于1的小數則可以表示成Q1.15。對于Qm.n的表示格式，其范圍表示如下：例如，1110整數則表示為Q4.0:（-2^4+2^3+2^2+0）/2^0=-2，1110有兩位小數則表示為Q2.2：（-2^4+2^3+2^1+0）/2^2=-0.5。下表對應表示16位二進制補碼表示的數的范圍。1.1浮點數的定點化浮點數的定點化涉及到量化方法。量化的過程可以表示為：量化方法主要有兩種：尾部截斷舍棄法和尾部四舍五入法。對于尾部截斷舍棄法，顧名思義則是丟棄掉尾部不能表示的部分。假設將浮點數表示成8位Q3.5的定點數，則表示過程如下（對3.2和-3.2進行定點化）：[3.2]=floor(3.2*2^5)=floor(102.4)=102=01100110[-3.2]=floor(-3.2*2^5)=floor(-102.4)=-103=10011001采用MATLAB可以做如下實現：dec2bin(floor(3.2*2^5),8)=01100110dec2bin(2^8+floor(-3.2*2^5),8)=10011001對于四舍五入法，則對應的過程表示如下：[3.2]=round(3.2*2^5)=round(102.4)=102=01100110[-3.2]=round(-3.2*2^5)=round(-102.4)=-102=10011010采用MATLAB可以做如下實現：dec2bin(round(3.2*2^5),8)=01100110dec2bin(2^8+round(-3.2*2^5),8)=10011010由于采用四舍五入方法還需要進行尾部數據的判斷，因此通常使用中，如無特別需求，多采用尾部截斷舍棄法。3.浮點數表示在FPGA運算中，浮點數無論是表示方法、資源占用還是運算法則都比定點數復雜得多。但另一方面，基于FGPA的實現的算法性能嚴重依賴于算法的數值精度表示，很多時候在信號處理中，數值的動態(tài)范圍過大，采用一般的定點算法往往無法滿足這樣大的動態(tài)范圍，而且定點算法經過精打細算之后，算法的小數位和整數位是固定的，表示的范圍同樣是固定的，無法在作調節(jié)，后續(xù)一旦有所修改，整個算法實現過程需要重新進行計算仿真設計，這樣的后期維護成本太高，簡直是牽一發(fā)而動全身。對于cpu處理器來說，浮點格式基本上會采用IEEE754制定的標準單精度或雙精度格式。而對于FPGA來說，由于其強大的靈活性，雖然也是按照IEEE754標準實現浮點數表示，但是卻可以對尾數和指數的位寬作修改。IEEE754定制的浮點格式在存儲方面有著很完美的形式，可以最大限度表示數的動態(tài)范圍的同時，減少存儲資源，但是實際參與運算時并沒那么直接，需要經過相應的換算。因此可利用FPGA的靈活性，自定義浮點數格式。3.1自定義浮點格式表示不像根據IEEE754[45]標準所設計的32-bit和64-bit標準浮點格式，本論文的自定義浮點由位寬可配置的指數（Exponent）和尾數（Mantissa）兩部分組成。指數和尾數部分都是有符號定點數。作為一個例子，我們采用標準雙精度浮點格式和自定義浮點格式之間進行對比。標準雙精度浮點數可以表示如下等式：其中1.f表示52-bit尾數；Exp

表示存儲起來的指數值；bias

表示偏置，對于標準雙精度浮點，改值為1023；Exp-bias

表示實際的指數值。標準格式表示如圖(a)所示。然而，對于自定義浮點格式表示的數的實際值如下：其中，Man

表示的尾數是52-bit有符號定點數，表示的實際值為0.1b49b48...b2b1b0或者1.0b49b48...b2b1b0。而Exp

表示實際指數值。具體格式表示如圖(b)所示。自定義浮點算法的其中一個優(yōu)點是指數部分和尾數部分的位寬都是可配置的，設計者可以在算法精度要求和資源消耗方面進行權衡。而現存的由XILINX提供的浮點運算IP核是基于IEEE754標準的，在每一次四則運算之后（如加法或乘法之后）都會進行一個格式化運算。而格式化運算占比的硬件資源消耗很大。無疑，如果存在多次連續(xù)加法運算或者乘加運算，這樣的運算方式是資源消耗嚴重的。而本文所提出的自定義浮點算法則是整合的乘加運算和連續(xù)加法運算，盡量減少格式化操作，從而減少資源消耗。1.1定點數轉自定義浮點格式相比較于標準浮點格式的轉換，定點數轉成上文描述的自定義浮點格式相對來說簡單許多，只需要經過簡單的規(guī)格化，假設定點數為Qm.n，將其轉換為指數位寬為E，尾數位寬為M，其過程可以描述如下：輸入：定點數Qm.n，則初始指數值為m，尾數Q1.(m+n-1)；規(guī)格化：計算符號位個數，假設計算得符號位個數為k；輸出：指數輸出值為m-k，尾數從m+n-k作為最高位開始截位，截取M位，如果不夠長，則從最低位開始補零，補足到M位長度輸出。這里唯一需要再次說明的是，如何計算符號位的個數，最簡單的方法就是采用一個for循環(huán)，for循環(huán)里邊使用一個計數器（初始值為1）和比較判斷器，從次高位開始與最高位做比較，如果相同（同為1或者同為0），則計數器加1，以此類推下去。這里使用MATLAB，按照比特級別仿真，打包成一個函數，如下：

functionk=dupSign_cal(u)%

u:定點數輸入%k：計算符號位個數bit_len=get(u,'WordLenght');SignBit=bitget(u,bit_len);count=1;fori=bit_len-1:-1:1ifbitget(u,i)==SignBit

count=count+1;else

break;endend

當然，無論是verilog里邊的for循環(huán)還是vhdl里邊的for循環(huán)，并非軟件中for的概念意義，實際上FPGA綜合時會將fo