针对FPGA的数据量化

在FPGA中，一般不使用浮点数运算，浮点数运算开销太大，实在需要对小数运算的话，我们可以采用定点数的形式，例如（8，3）表示8位二进制数据中有3位表示小数部分

举几个（8，3）定点数的例子 （皆以补码为例）：

8’b00001001 = 1.125
8’b00001110 = 1.75
8’b11111111 = -0.125

补码运算方法
-2⁴×0+2³×0+2²×0+2¹×0+2⁰×1+2^-1×0+2^-2×0+2^-3×0=1.125
-2⁴×0+2³×0+2²×0+2¹×0+2⁰×1+2^-1×1+2^-2×1+2^-3×0=1.75
-2⁴×1+2³×1+2²×1+2¹×1+2⁰×1+2^-1×1+2^-2×1+2^-3×1=-0.125

那么我们怎么将数转换为对应补码呢，
（有关补码的规律懒得解释了，讲一下思路）
先将数×8，如何取整（×8就是小数点右移三位，取整就是舍去后面的位数，可以看成量化了），取整后直接转换为对应补码即可，代码如下:

# 浮点数转换为定点数
def float2fix(float_num, decimal_bit, fix_bit):
    # float_num 输入浮点数
    # decimal_bit 小数位位数
    # fix_bit 定点数位数
    fix_num = (2 ** fix_bit + np.round(float_num * (2 ** decimal_bit))) % (2 ** fix_bit)
    return fix_num

贴一下测试结果：
我们运行如下代码

print(float2fix(1.125, 3, 8))
print(float2fix(1.75, 3, 8))
print(float2fix(-0.125, 3, 8))

命令行窗口输出结果为

9.0
14.0
255.0

是不是很好奇为什么结果和上面举例不一样，接下来我们将其转换为二进制数在进行对比，代码如下

lut_8 = make_lut(8)
print(lut_out(int(float2fix(1.125, 3, 8)), lut_8))
print(lut_out(int(float2fix(1.75, 3, 8)), lut_8))
print(lut_out(int(float2fix(-0.125, 3, 8)), lut_8))

命令行窗口输出结果为

[0. 0. 0. 0. 1. 0. 0. 1.]
[0. 0. 0. 0. 1. 1. 1. 0.]
[1. 1. 1. 1. 1. 1. 1. 1.]

上面的lut_out是一个将整数转换为二进制数的函数，就不贴了
再放几个不能被0.125(小数位取3位就说明精度为0.125)整除的小数：

lut_8 = make_lut(8)
print(lut_out(int(float2fix(1.126, 3, 8)), lut_8))
print(lut_out(int(float2fix(1.124, 3, 8)), lut_8))
print(lut_out(int(float2fix(1.060, 3, 8)), lut_8))

结果

[0. 0. 0. 0. 1. 0. 0. 1.]
[0. 0. 0. 0. 1. 0. 0. 1.]
[0. 0. 0. 0. 1. 0. 0. 0.]

就这样