坐标旋转数字计算法（Coordinate Rotation Digital Computer, CORDIC）

介绍CORDIC基本原理及应用。CORDIC为RTL解决三角函数，反三角函数，对数函数，指数函数等函数提供了解决方案。这些函数也可通过查找表法解决，但是CORDIC比查找表法更省面积和资源，耗时也更长。

cordic算法详解
CORDIC算法详解(一)-CORDIC 算法之圆周系统之旋转模式
《CORDIC v6.0LogiCORE IP Product GuideVivado Design SuitePG105 August 6, 2021》
CORDIC算法基本原理
三角函数计算，Cordic 算法入门

---

1. CORDIC原理

首先明确，CORDIC本质上解决的是一类近似的问题。其基本问题是：直角坐标系$xOy$下，任意一点$P_0=(x_0,y_0)$，将$\overrightarrow{O{P}_0}$按照某种仿射变换$[x_s,y_s{]}^T=f(\theta )\cdot [x_0,y_0]$得到$\overrightarrow{O{P}_s}=(x_s,y_s)$。将该变换通过RTL实现

RTL的限制在于只能使用位操作和加法，无法使用乘除、三角函数的组合逻辑，所以需要一种近似求解的方法。

CORDIC算法可以解决该问题，非常类似于逐次逼近的思想，CORDIC的基本思想是：将放射变换$[x_s,y_s{]}^T=f(\theta )\cdot [x_0,y_0]$看作是 多次子变换$f_i({\theta }_i)$的叠加，其中$|{\theta }_i|$单调递减。当迭代的次数足够多，就越接近$\overrightarrow{O{P}_s}$。

即，CORDIC的遵循的定理就是：$\underset{n\to +\infty }{\lim }{\prod }_{i=0}^n[f_i({\theta }_i)]=f(\theta )$成立

2. 圆周系统

若CORDIC基本问题中$\overrightarrow{O{P}_0}$到$\overrightarrow{O{P}_s}$模长不变，那么就是圆周系统上的CORDIC问题。变换如下

$$\left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left(\begin{array}{lc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right]\text{\hspace{1em}(2.1)}$$

$(2.1)$的变换是具备几何意义的，等价于坐标系下的向量旋转，旋转角度就是$\theta$，若为逆时针旋转$\theta >0$，若为顺时针旋转$\theta <0$。

上述坐标旋转公式可在圆坐标系下证明，记${\alpha }_0$为x轴正半轴逆时针旋转至$\overrightarrow{O{P}_0}$旋转的角度，${\alpha }_s$为x轴正半轴逆时针旋转至$\overrightarrow{O{P}_s}$旋转的角度，则有${\alpha }_s={\alpha }_0+\theta$，再使用三角形角度关系证明。

根据CORDIC原理，迭代过程的几何意义就是多次子旋转，如下图所示，$\overrightarrow{O{P}_0}\to \overrightarrow{O{P}_1}\to \overrightarrow{O{P}_2}\to \overrightarrow{O{P}_3}\to \overrightarrow{O{P}_4}\approx \overrightarrow{O{P}_s}$。若累计旋转后的角度小于$\theta$，那么下次旋转就逆时针转。若累计旋转的角度大于$\theta$，那么下次旋转就顺时针转

之后就可以迭代求解了，根据$(2.1)$我们有：

$$\left[\begin{array}{l}{x}_{i+1}\\ y_{i+1}\end{array}\right]=cos({\theta }_i)\left[\begin{array}{lc}1& -tan({\theta }_i)\\ tan({\theta }_i)& 1\end{array}\right]\left[\begin{array}{l}{x}_i\\ y_i\end{array}\right],i=0,...,n\text{\hspace{1em}(2.2)}$$

其中，将三角函数转化为RTL中位移，则有

$${\theta }_i=d_i\cdot arctan(\frac{1}{2^i}),\begin{array}{r}{d}_i=\{\begin{array}{ll}-1,& ({\theta }_0+...+{\theta }_i)>\theta \\ 1,& else\end{array}\end{array}$$

● 根据旋转的几何意义，子旋转的叠加就等价于直接旋转。${\sum }_{i=0}^n({\theta }_i)$的边界决定着$\theta$的取值范围，即$$\theta \approx \sum _{i=0}^n({\theta }_i)\in (-\sum _{i=0}^{\infty }[arctan(\frac{1}{2^i})],\sum _{i=0}^{\infty }[arctan(\frac{1}{2^i})])\approx (-99.8829°,99.8829°)$$

● 若${\sum }_{j=0}^1({\theta }_i)=\theta$，则$d_i\ne 0$。这是因为$d_i=0$会导致$x_{i+1}$和$y_{i+1}$停止迭代，角度对了但是幅值错误。

---

于是将$(2.2)$多次迭代可以得到$(2.3)$，将$cos{\theta }_i$连乘放在一起，其余的部分就可以使用RTL进行迭代了。

$$\begin{gathered} \left[\begin{array}{l}{x}_n\\ y_n\end{array}\right]=\prod _{i=0}^{n-1}cos({\theta }_i)\cdot \left(\prod _{i=0}^{n-1}\left(\begin{array}{lc}1& -\frac{d_i}{2^i}\\ \frac{d_i}{2^i}& 1\end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right]\right)=\prod _{i=0}^{n-1}cos({\theta }_i)\cdot \left[\begin{array}{l}{\hat{x}}_n\\ {\hat{y}}_n\end{array}\right] \\ =\prod _{i=0}^{n-1}cos({\theta }_i)\cdot \left(\begin{array}{lc}1& -d_{n-1}\cdot \frac{1}{2^{n-1}}\\ d_{n-1}\cdot \frac{1}{2^{n-1}}& 1\end{array}\right)\cdot \left[\begin{array}{l}{\hat{x}}_{n-1}\\ {\hat{y}}_{n-1}\end{array}\right]\text{\hspace{1em}(2.3)} \end{gathered}$$

那么${\prod }_{i=0}^{n-1}cos({\theta }_i)={\prod }_{i=0}^{n-1}cos[arctan(\frac{1}{2^i})]$是多少呢，看下表可知，当n越来越大时${\prod }_{i=0}^{n-1}cos({\theta }_i)$越来越趋近于一个定值 0.607253，所以如果迭代的次数足够多，可以直接用这个定值。

2.1. 迭代算法

综上所述，CORDIC解算过程为：输入为$(x_0,y_0,\theta \in (-0.554905\pi ,0.554905\pi ),n)$，基于迭代公式$(2.4)(2.5)(2.6)(2.7)$，可得到输出$(x_n,y_n,△{\alpha }_n)$

$$\left[\begin{array}{l}{\hat{x}}_{i+1}\\ {\hat{y}}_{i+1}\end{array}\right]=\left(\begin{array}{lc}1& -d_i\cdot \frac{1}{2^i}\\ d_i\cdot \frac{1}{2^i}& 1\end{array}\right)\cdot \left[\begin{array}{l}{\hat{x}}_i\\ {\hat{y}}_i\end{array}\right],\left[\begin{array}{l}{\hat{x}}_0\\ {\hat{y}}_0\end{array}\right]=\left[\begin{array}{l}{x}_0\\ x_0\end{array}\right]\text{\hspace{1em}(2.4)}$$

$$△{\alpha }_{i+1}=△{\alpha }_i+d_i\cdot arctan(\frac{1}{2^i}),△{\alpha }_0=0\text{\hspace{1em}(2.5)}$$

$$\begin{array}{r}{d}_{i+1}=\{\begin{array}{ll}-1,& △{\alpha }_{i+1}>\theta \\ 1,& else\end{array}\end{array},d_0=sign(\theta )\text{\hspace{1em}(2.6)}$$

$$\left[\begin{array}{l}{x}_n\\ y_n\end{array}\right]=0.607253\cdot \left[\begin{array}{l}{\hat{x}}_n\\ {\hat{y}}_n\end{array}\right]\text{\hspace{1em}(2.7)}$$

其中$n$为迭代次数，$△{\alpha }_i$用于记录向量实际旋转角度的累计值，用该值判断应该旋转方向。

预旋转

从上述算法可以看到，只有在$\theta \in (-0.554905\pi ,0.554905\pi )$时才能收敛，那么如何覆盖$[-\pi ,\pi ]$区间呢？转两次

即，若$|\theta |\le \frac{\pi }{2}$直接用上述算法旋转即可，若$|\theta |>\frac{\pi }{2}$先作$|\theta |=|\frac{\pi }{2}|$一次预旋转，再作$|\theta -\frac{\pi }{2}|$旋转。

预旋转如下

$$\left[\begin{array}{l}{x}_{pre}\\ y_{pre}\end{array}\right]=\left(\begin{array}{lc}cos(\frac{\pi }{2})& -sin[sign(\theta )\cdot \frac{\pi }{2}]\\ sin[sign(\theta )\cdot \frac{\pi }{2}]& cos(\frac{\pi }{2})\end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right]=\left(\begin{array}{lc}0& -sign(\theta )\\ sign(\theta )& 0\end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right],|\theta |>\frac{\pi }{2}$$

进而重新得到圆周系统下CORDIC算法：

CORDIC解算过程为：输入为$(x_0,y_0,\theta \in (-\pi ,\pi ),n)$，基于迭代公式$(2.8)(2.9)(2.10)(2.11)(2.12)$，可得到输出$(x_n,y_n,△{\alpha }_n)$

$$\left[\begin{array}{l}{\hat{x}}_{i+1}\\ {\hat{y}}_{i+1}\end{array}\right]=\left(\begin{array}{lc}1& -d_i\cdot \frac{1}{2^i}\\ d_i\cdot \frac{1}{2^i}& 1\end{array}\right)\cdot \left[\begin{array}{l}{\hat{x}}_i\\ {\hat{y}}_i\end{array}\right],\left[\begin{array}{l}{\hat{x}}_0\\ {\hat{y}}_0\end{array}\right]=\left[\begin{array}{l}{x}_{pre}\\ y_{pre}\end{array}\right],i=0,...,n-1\text{\hspace{1em}(2.8)}$$

$$\begin{array}{r}\left[\begin{array}{l}{x}_{pre}\\ y_{pre}\end{array}\right]=\{\begin{array}{ll}\left[\begin{array}{l}-sign(\theta )\cdot y_0\\ sign(\theta )\cdot x_0\end{array}\right],& |\theta |>\frac{\pi }{2}\\ & \\ \left[\begin{array}{l}{x}_0\\ y_0\end{array}\right],& else\end{array}\end{array}\text{\hspace{1em}(2.9)}$$

$$△{\alpha }_{i+1}=△{\alpha }_i+d_i\cdot arctan(\frac{1}{2^i}),\begin{array}{r}△{\alpha }_0=△{\alpha }_{pre}=\{\begin{array}{ll}sign(\theta )\cdot \frac{\pi }{2},& |\theta |>\frac{\pi }{2}\\ & \\ 0,& else\end{array}\end{array}\text{\hspace{1em}(2.10)}$$

$$\begin{array}{r}{d}_{i+1}=\{\begin{array}{ll}-1,& △{\alpha }_{i+1}>\theta \\ 1,& else\end{array}\end{array},d_0=sign(\theta )\text{\hspace{1em}(2.11)}$$

$$\left[\begin{array}{l}{x}_n\\ y_n\end{array}\right]=0.607253\cdot \left[\begin{array}{l}{\hat{x}}_n\\ {\hat{y}}_n\end{array}\right]\text{\hspace{1em}(2.12)}$$

其中$n$为迭代次数，$△{\alpha }_i$用于记录向量实际旋转角度的累计值，用该值判断应该旋转方向。

经python验证，上述算法正确

旋转模式——$y=cos(x)$ and $y=sin(x)$

预旋转算法中若令$P_0(x_0=1,y_0=0)$，就可以看作是从$P_0$旋转至某个向量，因此有

$$\left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left(\begin{array}{lc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right)\left[\begin{array}{l}1\\ 0\end{array}\right]=\left[\begin{array}{l}cos\theta \\ d\cdot sin\theta \end{array}\right]$$

可见旋转模式下$(x_s,y_s)$恰好为正余弦函数，因此有正余弦函数的CORDIC解算过程为：令输入为$(x_0=1,y_0=0,\theta \in (-\pi ,\pi ),n)$，基于迭代公式$(2.8)(2.9)(2.10)(2.11)(2.12)$，输出就为$(x_n\approx cos(\theta ),y_n\approx sin(\theta ),△{\alpha }_n\approx \theta )$

2.2. 向量模式——$y=arctan(x)$ and $l=\sqrt{x^2+y^2}$

预旋转算法中，若要求$P_0$旋转至x轴正半轴，即令$\theta =-arctan[\frac{y_0}{x_0}]$，因此有

$$\left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left(\begin{array}{lc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right]\to \left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left[\begin{array}{l}\sqrt{x_0^2+y_0^2}\\ 0\end{array}\right]$$

既然是旋转至x正半轴，所以$\theta =-arctan[\frac{y_0}{x_0}]$是已知的。但在RTL设计中，我们不能进行arctan运算，所以要在原算法上进行修改，不能出现$\theta$

因此输入为$(x_0,y_0,n)$，基于迭代公式$(2.8)(2.13)(2.14)(2.15)(2.12)$，可得到输出$(x_n\approx \sqrt{x_0^2+y_0^2},y_n\approx 0,△{\alpha }_n\approx \theta =-arctan(\frac{y_0}{x_0}))$

$$\begin{array}{r}\left[\begin{array}{l}{x}_{pre}\\ y_{pre}\end{array}\right]=\{\begin{array}{ll}\left[\begin{array}{l}sign(y_0)\cdot y_0\\ -sign(y_0)\cdot x_0\end{array}\right],& x_0<0\\ & \\ \left[\begin{array}{l}{x}_0\\ y_0\end{array}\right],& else\end{array}\end{array}\text{\hspace{1em}(2.13)}$$

$$△{\alpha }_{i+1}=△{\alpha }_i+d_i\cdot arctan(\frac{1}{2^i}),\begin{array}{r}△{\alpha }_0=△{\alpha }_{pre}=\{\begin{array}{ll}-sign(y_0)\cdot \frac{\pi }{2},& x_0<0\\ & \\ 0,& else\end{array}\end{array}\text{\hspace{1em}(2.14)}$$

$$d_{i+1}=-sign({\hat{y}}_{i+1}),d_0=-sign(y_0)\text{\hspace{1em}(2.15)}$$

3. 双曲系统

若CORDIC基本问题中，若遵循双曲旋转变换，那么就是双曲系统上的CORDIC问题。

$$\left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left(\begin{array}{lc}cosh\theta & sinh\theta \\ sinh\theta & cosh\theta \end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right]\text{\hspace{1em}(3.1)}$$

其中
$coshx=\frac{e^x+e^{-x}}{2}$
$sinhx=\frac{e^x-e^{-x}}{2}$
$tanhx=\frac{sinhx}{coshx}=\frac{e^x-e^{-x}}{e^x+e^{-x}}$
非常类似于三角函数，其他内容见详解双曲函数(对比三角函数推导)

需要说明的是双曲变换没有明显的几何意义，$\overrightarrow{O{P}_s}$并不是$\overrightarrow{O{P}_0}$旋转$\theta$的结果。实际上，我们并不care到底旋转了多少度，我们只关心子变换$f_i({\theta }_i)$的表达式。

经过计算实际旋转角度为

$${\theta }_{hyp}=arctan[\frac{tanh(\theta )\cdot (x_0^2-y_0^2)}{x_0^2+y_0^2+2tanh(\theta )\cdot x_0{y}_0}]\text{\hspace{1em}(3.2)}$$

需要说明的是CORDIC算法详解(四)-CORDIC 算法之双曲系统及其数学应用中存在错误，(3.116)和(3.117)公式错误，不满足$y_p/x_p=tan(\alpha )$,但(3.119)公式正确。

迭代求解如下，但注意，由于$arctanh(1)=\infty$所以双曲系统要求$i$从1开始。

并且为了保证收敛性，每迭代到$i=3\cdot k+1,k\in +\mathbb{Z}$时，该次迭代都要再重复一次，即$i=1,2,3,4,4,5,6,7,7,8,9,10,10,...$，以此类推。

$$\left[\begin{array}{l}{x}_{i+1}\\ y_{i+1}\end{array}\right]=cosh({\theta }_i)\left[\begin{array}{lc}1& tanh({\theta }_i)\\ tanh({\theta }_i)& 1\end{array}\right]\left[\begin{array}{l}{x}_i\\ y_i\end{array}\right],i=1,2,3,4,4,5,6,7,7,...$$

其中

$${\theta }_i=d_i\cdot arctanh(\frac{1}{2^i}),\begin{array}{r}{d}_i=\{\begin{array}{ll}-1,& ({\theta }_1+...+{\theta }_i)>\theta \\ 1,& else\end{array}\end{array}$$

$$\theta \approx \sum _{i=0}^n({\theta }_i)\in (-\sum _{i=0}^{\infty }[arctanh(\frac{1}{2^i})],\sum _{i=1}^{\infty }[arctanh(\frac{1}{2^i})])\approx (-1.0554693737354848,1.0554693737354848)\text{\hspace{1em}(3.3)}$$

将$cosh({\theta }_i)$连乘放在一起，其余的部分就可以使用RTL进行迭代了。

$$\begin{gathered} \left[\begin{array}{l}{x}_n\\ y_n\end{array}\right]=\prod _{i=1}^{n}cosh({\theta }_i)\cdot \left(\prod _{i=1}^n\left(\begin{array}{lc}1& \frac{d_i}{2^i}\\ \frac{d_i}{2^i}& 1\end{array}\right)\left[\begin{array}{l}{x}_1\\ y_1\end{array}\right]\right)=\prod _{i=0}^{n-1}cosh({\theta }_i)\cdot \left[\begin{array}{l}{\hat{x}}_n\\ {\hat{y}}_n\end{array}\right] \\ =\prod _{i=1}^{n}cosh({\theta }_i)\cdot \left(\begin{array}{lc}1& d_{n-1}\cdot \frac{1}{2^{n-1}}\\ d_{n-1}\cdot \frac{1}{2^{n-1}}& 1\end{array}\right)\cdot \left[\begin{array}{l}{\hat{x}}_{n-1}\\ {\hat{y}}_{n-1}\end{array}\right] \end{gathered}$$

那么${\prod }_{i=1}^{n}cosh({\theta }_i)={\prod }_{i=1}^{n}cosh[arctanh(\frac{1}{2^i})]$也会越来越趋近于一个定值 1.205136358446461。迭代的次数足够多，可以直接用这个定值。

3.1. 迭代算法

综上所述，CORDIC解算过程为：输入为$(x_0,y_0,\theta \in (-1.0554693737354848,1.0554693737354848),n)$，基于迭代公式$(3.4)(3.5)(3.6)(3.7)$，可得到输出$(x_n,y_n,△{\alpha }_n)$

$$\left[\begin{array}{l}{\hat{x}}_{i+1}\\ {\hat{y}}_{i+1}\end{array}\right]=\left(\begin{array}{lc}1& d_i\cdot \frac{1}{2^i}\\ d_i\cdot \frac{1}{2^i}& 1\end{array}\right)\cdot \left[\begin{array}{l}{\hat{x}}_i\\ {\hat{y}}_i\end{array}\right],\left[\begin{array}{l}{\hat{x}}_1\\ {\hat{y}}_1\end{array}\right]=\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right],i=1,2,3,4,4,...\text{\hspace{1em}(3.4)}$$

$$△{\alpha }_{i+1}=△{\alpha }_i+d_i\cdot arctanh(\frac{1}{2^i}),△{\alpha }_1=0\text{\hspace{1em}(3.5)}$$

$$\begin{array}{r}{d}_{i+1}=\{\begin{array}{ll}-1,& △{\alpha }_{i+1}>\theta \\ 1,& else\end{array}\end{array},d_0=sign(\theta )\text{\hspace{1em}(3.6)}$$

$$\left[\begin{array}{l}{x}_n\\ y_n\end{array}\right]=1.205136358446461\cdot \left[\begin{array}{l}{\hat{x}}_n\\ {\hat{y}}_n\end{array}\right]\text{\hspace{1em}(3.7)}$$

其中$n$为迭代次数，$△{\alpha }_i$用于记录向量实际旋转角度的累计值，用该值判断应该旋转方向。

预旋转

双曲系统也是一样，$\theta$收敛范围未覆盖整个$\mathbb{R}$区间，要使用CORDIC旋转，则要保证每一次CORDIC运算都使$\theta$在式$(3.3)$的范围内。否则会存在$\theta$与${\sum }_{i=0}^{\infty }[d_i\cdot arctanh(\frac{1}{2^i})]$的递增误差。假设输入$\theta ={\theta }_{in}\in \mathbb{R}$，有两种思路。

● 可以先作预旋转，给定一个${\theta }_0$满足$|{\theta }_0-{\theta }_{in}|<1.0554693737354848$，先使用$(3.1)$完成一次$\theta ={\theta }_0$的预旋转，再完成一次$\theta =sign({\theta }_{in})\cdot |{\theta }_0-{\theta }_{in}|$的CORDIC旋转。

但问题是 确定${\theta }_0$后，$cosh({\theta }_0)$和$sinh({\theta }_0)$ 如何计算？要知道双曲三角函数不具备周期性，而且极限都是∞。所以对于RTL来说只能用查表法计算$cosh({\theta }_0)$和$sinh({\theta }_0)$，那为何不直接查表计算$cosh(\theta )$和$sinh(\theta )$呢？

● 另一种思路是令$n_c={\theta }_0/1.0554693737354848$，然后执行$n_c$次CORDIC算法，这样耗时太大。

综上所述，双曲系统预旋转CORDIC算法并不适用于RTL实现。所以推荐使用查找表的方法实现相关函数

但本文依旧给出上述的第一种预旋转CORDIC算法：CORDIC解算过程为：输入为$(x_0,y_0,\theta \in \mathbb{R},n)$，基于迭代公式$(3.8)(3.9)(3.10)(3.11)(3.12)$，可得到输出$(x_n,y_n,△{\alpha }_n)$

$$\left[\begin{array}{l}{\hat{x}}_{i+1}\\ {\hat{y}}_{i+1}\end{array}\right]=\left(\begin{array}{lc}1& d_i\cdot \frac{1}{2^i}\\ d_i\cdot \frac{1}{2^i}& 1\end{array}\right)\cdot \left[\begin{array}{l}{\hat{x}}_i\\ {\hat{y}}_i\end{array}\right],\left[\begin{array}{l}{\hat{x}}_1\\ {\hat{y}}_1\end{array}\right]=\left[\begin{array}{l}{x}_{pre}\\ y_{pre}\end{array}\right],i=1,2,3,4,4,...\text{\hspace{1em}(3.8)}$$

$$\begin{array}{r}\left[\begin{array}{l}{x}_{pre}\\ y_{pre}\end{array}\right]=\{\begin{array}{ll}\left[\begin{array}{l}cosh(\frac{k\pi }{3})\cdot x_0+sinh[sign(\theta )\cdot \frac{k\pi }{3}]\cdot y_0\\ sinh[sign(\theta )\cdot \frac{k\pi }{3}]\cdot x_0+cosh(\frac{k\pi }{3})\cdot y_0\end{array}\right],& \frac{k\pi }{3}<|\theta |\le \frac{(k+1)\pi }{3},k\in +\mathbb{Z}\\ & \\ \left[\begin{array}{l}{x}_0\\ y_0\end{array}\right],& else\end{array}\end{array}\text{\hspace{1em}(3.9)}$$

$$△{\alpha }_{i+1}=△{\alpha }_i+d_i\cdot arctanh(\frac{1}{2^i}),△{\alpha }_1=△{\alpha }_{pre}=\{\begin{array}{ll}sign(\theta )\cdot \frac{k\pi }{3},& \frac{k\pi }{3}<|\theta |\le \frac{(k+1)\pi }{3},k\in +\mathbb{Z}\\ & \\ 0,& else\end{array}\text{\hspace{1em}(3.10)}$$

$$\begin{array}{r}{d}_{i+1}=\{\begin{array}{ll}-1,& △{\alpha }_{i+1}>\theta \\ 1,& else\end{array}\end{array},d_1=sign(\theta )\text{\hspace{1em}(3.11)}$$

$$\left[\begin{array}{l}{x}_n\\ y_n\end{array}\right]=1.205136358446461\cdot \left[\begin{array}{l}{\hat{x}}_n\\ {\hat{y}}_n\end{array}\right]\text{\hspace{1em}(3.12)}$$

其中$n$为迭代次数，$△{\alpha }_i$用于记录向量实际旋转角度的累计值，用该值判断应该旋转方向。

经python验证，上述算法正确

旋转模式——$y=cosh(x)$、$y=sinh(x)$ and $y=e^x$

在迭代算法的基础上，令$P_0(x_0=1,y_0=0)$，因此有

$$\left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left(\begin{array}{lc}cosh\theta & sinh\theta \\ sinh\theta & cosh\theta \end{array}\right)\left[\begin{array}{l}1\\ 0\end{array}\right]=\left[\begin{array}{l}cosh\theta \\ sinh\theta \end{array}\right]$$

$$=>x_s+y_s=cosh(\theta )+sinh(\theta )=e^{\theta }$$

可见旋转模式下$(x_s,y_s)$相加就是指数函数。下面给出不带预旋转的双曲CORDIC算法

因此指数函数的CORDIC解算过程为：输入为$(x_0=1,y_0=0,\theta \in (-1.0554693737354848,1.0554693737354848),n)$，基于迭代公式$(3.4)(3.5)(3.6)(3.7)$，可得到输出$(x_n\approx cosh(\theta ),y_n\approx sinh(\theta ),△{\alpha }_n\approx \theta )$，进而得到$x_n+y_n\approx e^{\theta }$

3.2. 向量模式——$y=\sqrt{x}$ and $y=\ln x$

同样地，若要求$P_0$旋转至x轴正半轴，那么旋转角就是$-arctan(\frac{y_0}{x_0})$，此处就需要用到$(3.2)$式来求解$\theta$

$$\begin{gathered} {\theta }_{hyp}=-arctan(\frac{y_0}{x_0})\to \theta =-arctanh[\frac{y_0}{x_0}] \\ \to 0<|\frac{y_0}{x_0}|<tanh(1.0554693737354848)\approx 0.7839236595945456\text{\hspace{1em}(3.13)} \end{gathered}$$

代入$(3.1)$得到

$$\left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left(\begin{array}{lc}cosh\theta & sinh\theta \\ sinh\theta & cosh\theta \end{array}\right)\left[\begin{array}{l}{x}_0\\ y_0\end{array}\right]\to \left[\begin{array}{l}{x}_s\\ y_s\end{array}\right]=\left[\begin{array}{l}\sqrt{x_0^2-y_0^2}\\ 0\end{array}\right]$$

上述公式蕴含$|\frac{y_0}{x_0}|\le 1$，再结合$(3.13)$，得到$0<|\frac{y_0}{x_0}|<0.7839236595945456$

因此输入为$(x_0,y_0,\theta =-arctanh[\frac{y_0}{x_0}],n)$，且满足$0<|\frac{y_0}{x_0}|<0.7839236595945456$，基于迭代公式$(3.8)(3.9)(3.10)(3.11)(3.12)$，可得到输出$(x_n\approx \sqrt{x_0^2-y_0^2},y_n\approx 0,△{\alpha }_n\approx \theta =-arctanh(\frac{y_0}{x_0}))$

如果还满足$x_0=a+1,y_0=a-1$那么就可以得出开方与ln函数。注意此处$a$的范围，即

$$0<|\frac{y_0}{x_0}|<0.7839236595945456\to a\in (0.12112,8.25599)，a\ne 1\text{\hspace{1em}(3.14)}$$

则CORDIC解算过程为：输入为$(x_0=a+1,y_0=a-1,n)$，$a$满足$(3.14)$，并基于迭代公式$(3.4)(3.5)(2.14)(3.7)$，可得到输出$(x_n\approx 2\sqrt{a},y_n\approx 0,△{\alpha }_n\approx \theta =-arctanh(\frac{a-1}{a+1})=-\frac{1}{2}lna)$