基础008_定浮点转化[floating point IP]

时间:2023-02-04 18:43:55

作者:桂。

时间:2018-05-15  21:55:50

链接:http://www.cnblogs.com/xingshansi/p/9042564.html


前言

本文为Xilinx floating point IP的学习笔记,仅记录最基础的用法。参考文档:pg060-floating-point.pdf

 一、IP核综述

主要功能【基本思路是:1)输入接口:定点转浮点;2)各类浮点运算;3)输出接口:浮点转定点】:

基础008_定浮点转化[floating point IP]

其中floating point涉及三种格式:

1)half:半精度,16位 = 1位符号 + 5 位指数 + 10位小数

基础008_定浮点转化[floating point IP]

2)single:单精度,32位 = 1位符号 +8 位指数 + 23位小数

基础008_定浮点转化[floating point IP]

3)double:双精度,64位 = 1位符号 + 11 位指数 + 52位小数

基础008_定浮点转化[floating point IP]

基础008_定浮点转化[floating point IP]

举例:38414.4(10)=1001011000001110.0110011001100110011001100110011001100(2)

科学记数法为:1.001011000001110 0110011001100110011001100110011001100,右移了15位,所以指数为15。

其中 DSP slice usage:

基础008_定浮点转化[floating point IP]

对应注解:

  In short, it is generally best to use DSP slices if you have them avaialable. They are free, faster, and lower power. If you are running low on them, you can go back and balance speed with area to use DSP slices at the bottlenecks of the design and use fabric where you don't need the speed. 简而言之,DSP用的越多,时序可以越快。

block memory usage:

基础008_定浮点转化[floating point IP]

定点转浮点的对应关系:

基础008_定浮点转化[floating point IP]

二、仿真测试

假设现在需要求:13.24的自然对数【对数也可以借助CORDIC直接进行定点计算】。

基础008_定浮点转化[floating point IP]

13.24设置定点数:

基础008_定浮点转化[floating point IP]

s_axis_a_tdata自动扩展为8的整数倍,如此处为18,则输出理论上为24bits,其余补零即可。

基础008_定浮点转化[floating point IP]

此处求对数使用medium usage:

基础008_定浮点转化[floating point IP]

testbench文件:

`timescale 1ns / 1ps
/*
Function: DPRAM for data aligned
Author: Gui.
Data: 2018年5月15日22:43:11
*/
module ln_tb;
//parameter //logic
logic clk,rst;
logic signed [:] data;
//initial
initial begin
clk = ;
rst = ;
data <= ;
#
rst = ;
#
data <= 'b011010011110101110;//+13.24
#
$stop;
end always # clk = ~clk;
//main
logic s_axis_a_tready;
logic m_axis_result_tvalid;
logic [:] m_axis_result_tdata; //fix to float
fix_to_float fix_to_float_inst
(
.aclk(clk),
.s_axis_a_tvalid('b1),
.s_axis_a_tready(s_axis_a_tready),
.s_axis_a_tdata({'b0,data}),
.m_axis_result_tvalid(m_axis_result_tvalid),
.m_axis_result_tready('b1),
.m_axis_result_tdata(m_axis_result_tdata)//output
);
//float calculation: ln(outout)
logic [:] result;
floating_point_0 floating_point_0_inst
(
.aclk(clk),
.s_axis_a_tvalid('b1),
.s_axis_a_tready(),
.s_axis_a_tdata(m_axis_result_tdata),
.m_axis_result_tvalid(),
.m_axis_result_tready('b1),
.m_axis_result_tdata(result)
);
//float to fix , ignored
endmodule

第一步定点转浮点:MATLAB输出

>> dec2bin(hex2dec(num2hex((single(13.24))))) %浮点的定点显示

%如果给了定点显示,计算对应的浮点值的指令?

这涉及到:浮点数与16进制数的转化,以32bit单精度为例:

  • 浮点数转十六进制数
num2hex(single(13.24))
  • 十六进制转浮点数(正数为例,负数提取一个符号位即可,同时浮点->十六进制,只算绝对值)
function output = hex2float(a)
%convert hex to float
num = dec2bin(hex2dec((a)));
L = length(num);
exppos = num((L-23):-1:1);
expnum = 0;
for i = 1:length(exppos)
expnum = expnum + str2num(exppos(i))*2^(i-1);
end
expnum = expnum - 2^7 + 1;
fracpos = num(end-23:end);
fracnum = 0;
for i = 2:length(exppos);
fracnum = fracnum + str2num(fracpos(i))*2^(-i+1);
end
fracnum = fracnum + 1;
output = fracnum*2^expnum;

  从浮点角度对比FPGA与MATLAB输出:

基础008_定浮点转化[floating point IP]

二者非常接近。

对应VIVADO输出:

基础008_定浮点转化[floating point IP]

对数运算结果:

基础008_定浮点转化[floating point IP]

MATLAB结果:

基础008_定浮点转化[floating point IP]

可以看出与MATLAB计算结果基本一致。另外,可写入module模块,综合后分析CLB、DSP等器件资源。

查看使用的器件资源:

基础008_定浮点转化[floating point IP]

定、浮点转化,消耗的仅仅是逻辑资源LUT、FF,求对数过程中,由于选择的是medium usage,对应四个DSP,仿真结果与理论一致,此为资源评估的依据。