算法往单片机移植的过程

针对某个问题的算法生成后，会有一个标定参数的过程。如果这个过程在台式机上进行，大多没有什么障碍，因为你可以在高级语言库里找到完备的矩阵算法库。但是对于单片机环境，本身字长可能只有8位，16位，此时的算法不得不考虑算法中的误差传递，不是非常容易处理。

一个可能的方案是利用代码自动生成器直接输出代码。

matlab可以做类似的工作。

首先，你需要定义.m文件。举个很简单的例子，这个例子没有实际意义，我们只看一下整个算法转换的流程：

1. 生成算法函数：

%% math.sin(x)

function [f] = my_sin(x)

f = sin(x);

end

2. 生成算法调用脚本：

syms x y

x = 2.0

y = my_sin(x)

3. 调用App/ Matlab Coder，来进行代码转换：

在Step by Step的过程中：

• 选择函数所在的代码文件

• 选择调用脚本文件

• 确定输入输出参数类型（因为matlab是一个非严格类型限定的脚本语言）

• 确定输出的芯片类型。

4. 最终生成的C代码可以直接在嵌入式芯片的编译环境直接使用。

对于我们的例子：

/*
 * my_sin.c
 *
 * Code generation for function 'my_sin'
 *
 */
/* Include files */
#include <math.h>
#include "rt_nonfinite.h"
#include "my_sin.h"
/* Function Definitions */
double my_sin(double x)
{
  /*  math.sin(x) */
  return sin(x);
}
/* End of code generation (my_sin.c) */

因为芯片库直接有double的支持和math.h库的支持，所以它就仅仅是上面的这种。

注意，有时候需要对函数体进行指导性的脚本展开，而不能直接代入一些matlab已经验算出的实参。这个原因很简单，因为误差会传递。必须尽可能消除误差。

附录A 非线性问题到线性问题的转换

这里介绍一个非线性问题到线性问题转换的一个小技巧。一个问题的公式，可能是非线性的形式，也就是说，对于一组输出参数：(x0, x1,x2,x3)，可能相关的公式是非线性的形式。但是。稍稍加以变形，比如对

(pow(x0,2)+5*x1, power(x1,2) + x2*x3, x0, x1+x3, x0/x3)，这个问题可能就会呈现出线性特征。这样，这个问题就可以很容易套用矩阵的运算来处理。然后利用.m文件分布解开。

类似这样的拆解过程，就可以妥善进行误差传递的预防。