嵌入式C语言浮点数运算优化：无FPU MCU上的高效定点数替代方案

Cortex-M0/M3（无FPU）上做浮点运算，编译器会调用软浮点库，一条float乘法可能消耗几十到上百个CPU周期。对于传感器校准、PID控制、音频处理等场景，浮点运算占比过高会导致系统响应迟缓。定点数（fixed-point）用整数模拟小数，完全绕过浮点库，速度提升数倍，且精度可控。本文以温度PID控制器为例，展示如何将浮点运算改造成高效的Q15定点数。

一、定点数原理：用整数表示小数

定点数的核心是约定一个“小数点”的位置。例如Q15格式：16位有符号整数，低15位表示小数部分，最高位为符号位，取值范围-1到0.999969。数值 = 整数编码 / 32768。加法直接相加，乘法后需要右移15位恢复比例。

// Q15定点数定义

typedef int16_t q15_t;

// 浮点转定点

q15_t float_to_q15(float f) {

   if (f > 0.999969f) f = 0.999969f;

   if (f < -1.0f) f = -1.0f;

   return (q15_t)(f * 32768.0f);

}

// 定点转浮点（调试用，实际运行不需要）

float q15_to_float(q15_t q) {

   return (float)q / 32768.0f;

}

// Q15乘法：a*b，结果右移15位

q15_t q15_mul(q15_t a, q15_t b) {

   return (q15_t)(((int32_t)a * (int32_t)b) >> 15);

}

注意：乘法前需要将操作数扩展到32位，否则16位相乘会溢出。

二、浮点PID改造为定点PID

一个标准的浮点PID增量式算法：

float kp = 0.5f, ki = 0.1f, kd = 0.05f;

float err, last_err, integral, derivative, output;

void pid_update(float setpoint, float feedback) {

   err = setpoint - feedback;

   integral += err;

   derivative = err - last_err;

   output = kp*err + ki*integral + kd*derivative;

   last_err = err;

}

改造为Q15定点数，需要将系数和变量都转为Q15格式：

#define Q15_0_5   16384  // 0.5 * 32768

#define Q15_0_1   3277   // 0.1 * 32768

#define Q15_0_05  1638   // 0.05 * 32768

q15_t q_err, q_last_err, q_integral, q_derivative, q_output;

q15_t q_kp = Q15_0_5;

q15_t q_ki = Q15_0_1;

q15_t q_kd = Q15_0_05;

void pid_update_q15(q15_t q_setpoint, q15_t q_feedback) {

   q_err = q_setpoint - q_feedback;

   q_integral += q_err;

   q_derivative = q_err - q_last_err;

   // output = kp*err + ki*integral + kd*derivative

   q_output = q15_mul(q_kp, q_err) +

              q15_mul(q_ki, q_integral) +

              q15_mul(q_kd, q_derivative);

   q_last_err = q_err;

}

注意：积分项q_integral可能会溢出，需要根据实际系统选择合适的Q格式或增加防饱和处理。

三、性能实测对比

在STM32G030（Cortex-M0+，64MHz）上测试1000次PID运算：

方案 耗时(us) 代码大小(Flash)

浮点（软浮点） 1820 4.2KB

Q15定点 240 0.6KB

定点数速度快7.5倍，Flash占用减少85%。对于需要高频率执行的PID环路，这个差距决定了系统能否跑起来。

四、精度与范围权衡

Q15的精度约为0.00003（1/32768），对于大多数传感器反馈（12位ADC）绰绰有余。如果数值范围超过[-1,1)，可以选用Q31（32位，精度更高）或自定义Q格式。例如Q24表示范围[-128,128)，精度1/16777216。选择原则：先确定最大值范围，再确定所需精度，算出小数位数。

// Q24格式示例：32位，8位整数+24位小数

typedef int32_t q24_t;

#define Q24_SCALE 16777216.0f

q24_t float_to_q24(float f) {

   return (q24_t)(f * Q24_SCALE);

}

q24_t q24_mul(q24_t a, q24_t b) {

   return (q24_t)(((int64_t)a * (int64_t)b) >> 24);

}

五、三个翻车高发点

乘法溢出：Q15乘法必须先用32位暂存再移位，否则16位相乘直接溢出。使用int32_t中间变量。

加法饱和：多个Q15数相加可能超过32767，导致符号翻转。建议在累加前缩放到Q14或使用32位累加器。

常数转换错误：浮点0.1转换为Q15是3277，但0.1 * 32768=3276.8，四舍五入后误差0.006%。如果系数精度要求高，用roundf或手动调整。