量化是连续映射无穷大的值到一个较小的组离散有限值的过程。在模拟和嵌入式计算的上下文中,它是关于用一个数字表示近似现实世界的值上的一个值的精度和范围介绍限制。在算法的误差量化介绍各种来源,如舍入误差,下溢或溢出,计算噪声和限制周期。这导致了理想的系统的行为和所计算的数值行为之间的数值差异。
为了管理量化的影响,您需要选择正确的数据类型来表示真实世界的信号。您需要考虑用于编码信号的数据类型的精度、范围和比例,还需要考虑量化对您的算法的数值行为的非线性累积影响。当您拥有诸如反馈循环这样的结构时,这种累积效应会进一步加剧。
为什么量化事项
转换设计,嵌入式硬件的过程中需要采取的量化误差考虑在内。量化误差影响的信号处理,无线,控制系统,FPGA,ASIC,SoC的,深的学习,和其它应用。
信号处理和无线应用中的量化
在信号处理应用中,量化误差有助于噪声并降低信噪比(信噪比)。信噪比的测量单位是分贝,通常用每增加一个比特降低x分贝来表示。为了管理量化噪声并将其保持在可接受的水平,您需要选择正确的设置,例如数据类型和舍入模式。
控制系统中的量子化
在设计控制系统,特别是对低功耗微控制器,你可以使用整数或定点算术来平衡与低功耗限制的实时性能要求。在这样的设计,就需要选择容纳来自输入传感器来同时满足的输出信号,所有的精度要求,而不运行到由于量化数值差的信号的动态范围和精度的数据类型。
在FPGA、ASIC和SoC开发中的量化
将设计从浮点数转换为定点可以通过降低FPGA资源利用率、降低功耗、满足延迟需求等来帮助最小化功耗和资源消耗。但是,这种转换会引入量化错误,因此在转换设计时必须适当地预算量化噪声。
深度学习中的量化
量化已成为优化深度学习模型很重要,因为它有助于部署到嵌入式系统时加速推理。您可以使用混合精度推论使用8位整数,并有持续的学术研究探索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的数据类型量化的设计,或者你可以反复探索不同的定点数据类型。使用指导工作流程,你可以看到,量化对你系统的数值行为的整体效果。
另外,您也可以解决优化问题,并选择适合您的设计,以满足您的系统的数值行为公差约束优化异构数据类型的配置。
了解更多关于定点转换:
调试数值差异由于量化
有了MATLAB,您可以识别,跟踪和调试的数字问题,由于量化的来源,如溢出,精度损失,浪费的范围或精度在你的设计。