量化是将连续无限值映射到较小的离散有限值的过程。在模拟和嵌入式计算的上下文中,它是近似与数字表示的真实界限,该数字表示引入了值的精度和范围的限制。量化在算法中引入了各种错误源,例如舍入错误,下溢或溢出,计算噪声和限制周期。这导致理想的系统行为与计算的数值行为之间的数值差异。
要管理量化的影响,您需要选择正确的数据类型来表示真实信号。您需要考虑用于编码信号的数据类型的精度,范围和缩放,并且还考虑量化对算法数值行为的非线性累积效应。当您具有诸如反馈循环的构造时,这种累积效果进一步加剧。
为什么量化很重要
转换设计用于嵌入式硬件的过程需要考虑量化错误。量化误差会影响信号处理,无线,控制系统,FPGA,ASIC,SOC,深度学习和其他应用。
信号处理和无线应用中的量化
在信号处理应用中,量化误差有助于噪音并降低信噪比(SNR)。SNR在DB中测量,并且通常被描述为每个附加位的x分贝。为了管理量化噪声并将其保持在可接受的级别,您需要选择正确的设置,例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,特别是对于低功耗微控制器,您可以使用整数或定点算法来使用低功耗约束平衡实时性能要求。在这样的设计中,您需要选择要在满足输出信号的精度要求的同时选择要容纳来自输入传感器的信号的动态范围和精度的数据类型,而不是由于量化而不耗尽数值差异。
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,延迟要求等来帮助最小化电力和资源消耗。但是,此转换介绍了量化错误,因此您必须适当预算量化噪音转换设计时。
深度学习量化
量化对于优化深度学习模型,对优化深度学习模型变得重要,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位整数使用混合精度推断,并且正在进行的学术研究探索4位和6位整数进行量化。
自动量化您的设计
您可以通过选择特定数据类型来量化您的设计,或者您可以迭代探索不同的定点数据类型。使用引导工作流程,您可以看到量化对系统数值行为的整体效果。
或者,您可以解决优化问题,为您的设计选择最佳的异构数据类型配置,以满足系统的数值行为的公差约束。
了解有关固定点转换的更多信息:
由于量化而调试数值差异
使用MATLAB,您可以识别,跟踪和调试数值问题的源,例如溢出,精度损耗,浪费的范围或精度在您的设计中。