量化是什么?

量化是将连续的无穷值映射到较小的离散有限值集的过程。在模拟和嵌入式计算的环境中，它是关于用数字表示来近似真实世界的值，这引入了值的精度和范围的限制。量化在算法中引入了各种各样的误差来源，如舍入误差、底流或溢出、计算噪声和极限环。这导致了理想系统行为和计算数值行为之间的数值差异。

为了管理量化的效果，您需要选择正确的数据类型来表示真实的信号。您需要考虑用于编码信号的数据类型的精度、范围和缩放，还需要考虑量化对算法的数值行为的非线性累积效应。当您拥有诸如反馈循环这样的结构时，这种累积效应会进一步加剧。

为什么量化问题

在转换嵌入式硬件设计的过程中，需要考虑量化误差。量化误差影响信号处理、无线、控制系统、FPGA、ASIC、SoC、深度学习等应用。

信号处理和无线应用中的量化

在信号处理应用中，量化误差会产生噪声并降低性能信噪比(信噪比)。信噪比以分贝为单位测量，通常描述为每增加一位就减少x分贝。为了管理量化噪声并将其保持在可接受的水平，您需要选择正确的设置，如数据类型和舍入模式。

控制系统中的量化

在设计控制系统时，特别是针对低功耗微控制器，您可以使用整数或定点算法来平衡实时性能要求和低功耗约束。在这种设计中，您需要选择数据类型，以适应来自输入传感器的信号的动态范围和精度，同时满足输出信号的精度要求，所有这些都不会由于量化而出现数值差异。

FPGA、ASIC和SoC开发中的量化

将设计从浮点转换为固定点可以通过降低FPGA资源利用率、降低功耗、满足延迟需求等方式帮助最小化功耗和资源消耗。然而，这种转换会引入量化误差，因此在转换设计时必须适当地估计量化噪声。

深度学习中的量化

量化对于优化深度学习模型非常重要，因为它有助于在部署到嵌入式系统时加速推理。您可以使用8位整数进行混合精度推断，目前正在进行的学术研究正在探索用于量化的4位和6位整数。

量化的工作原理

量化误差是非线性操作的累积效应，如信号分数部分的舍入或信号动态范围的溢出。在转换嵌入式硬件设计时，可以通过观察设计中的关键信号或变量并对量化误差进行预算，从而将量化误差考虑在内，从而使数值差异在可接受的公差范围内。

用MATLAB和Simulink进行量化金宝app

使用MATLAB和Simulin金宝appk，您可以：

• 探索和分析量化误差传播
• 自动将您的设计量化到有限的精度
• 调试由量化产生的数值差异

探索和分析量化误差

您可以通过全模型自动检测来收集仿真数据和统计信息。这些数据的MATLAB可视化使您能够探索和分析您的设计，以了解您的数据类型选择如何影响基础信号。

自动量化您的设计

您可以通过选择特定的数据类型来量化您的设计，或者您可以迭代地探索不同的定点数据类型。使用一个有指导的工作流，您可以看到量化对系统的数值行为的总体影响。

或者，您可以解决优化问题，并为您的设计选择最优的异构数据类型配置，以满足系统数值行为的容忍约束。

了解更多关于定点转换的信息:

• 手动将MATLAB代码转换为定点的最佳实践
• 使用定点工具迭代转换Simuli金宝appnk模型
• 使用定点优化的自动转换

调试因量化而产生的数值差异

使用MATLAB，您可以识别、跟踪和调试由于量化(如溢出、精度损失和在设计中浪费范围或精度)而导致的数值问题的来源。