【第05期】数据的微观世界 (五) —— 浮点数 vs 定点数：MCU的数学课

在PC软件开发中，我们习惯了随手写下 double a = 3.14;。但在嵌入式领域，尤其是资源受限的MCU（如Cortex-M0/M3或8位机）上，随意使用浮点数可能是性能的"隐形杀手"，也是通信故障的"幕后黑手"。

这一期，我们深入MCU的数学世界，解开浮点数从存储 、运算 到传输的所有秘密。

---

1. 浮点数的"富贵病" (性能代价)

我们先看一行平平无奇的代码：

// 假设在一个没有FPU的单片机上（如STM32F103）

float voltage = adc_value * 3.3f / 4095.0f;

你以为CPU只是做了两次简单的乘除法？

实际上，编译器在背后为你引入了数百行汇编代码。

1.1 软浮点 (Soft-Float) 的代价

大多数低端MCU没有硬件浮点运算单元 (FPU)。

当你写下 a * b（如果是float）时，编译器会调用一个巨大的库函数（例如 __aeabi_fmul），用一堆整数移位、加减法逻辑来模拟浮点运算。

• 执行速度暴跌：

  • 整数乘法：约 1~3 个时钟周期。

  • 软浮点乘法：约 50~100 个时钟周期！

  • 软浮点除法：高达数百个周期。

    如果这段代码在中断服务函数 (ISR) 或 高频控制回路（如电机FOC）里，系统极易过载。

1.2 即使有FPU也有坑

即使你用的是带FPU的芯片（如STM32F4/H7），也不要掉以轻心：

1. Double的陷阱 ：大多数MCU的FPU只支持单精度 (float) 。如果你写了 3.14（C语言默认是double），FPU会罢工，转而调用慢速的软件库。修正：必须显式加 f 后缀 -> 3.14f。

2. 上下文切换：在RTOS中，任务使用FPU会导致上下文切换时需要保存额外的FPU寄存器，增加了中断延迟和内存开销。

---

2. 深入解剖：浮点数的"肉体" (IEEE 754 存储详解)

在内存里，int32_t a = 12 存的是 0x0000000C，直观易懂。

但是，float f = 12.5 在内存里存的是 0x41480000。

这俩长得完全没关系！为什么？

因为MCU遵循 IEEE 754 单精度浮点数标准，它把 32个 Bit 切成了三块：

1. 符号位 (Sign, 1 bit): 最高位 (Bit 31)。0代表正，1代表负。

2. 指数位 (Exponent, 8 bits): Bit 23-30。用于存储科学计数法中的 2^N。

   • 注意：采用"移码" (Bias) 设计，真实指数 = 存储值 - 127。

3. 尾数位 (Mantissa, 23 bits): Bit 0-22。存储小数点后的有效数字。

   • 注意：IEEE 754 省略了整数部分的 1，以节省一位空间。

内存透视实战：

当你在调试器 (Memory View) 里看到 00 00 48 41 (小端模式) 时，如何确认它是 12.5？

1. 重组 ：0x41480000 -> 二进制 0100 0001 0100 1000 ...

2. 符号：0 -> 正数。

3. 指数 ：1000 0001 (129)。真实指数 129 - 127 = 2。即 2^2 = 4。

4. 尾数 ：1.100... (二进制)。1 + 0.5 = 1.5。

5. 结果：4 x 1.5 = 6 ... 等等，这里只是简算，实际上尾数解析是 1 + 2^{-1} + 2^{-4} 等的组合。

   工程结论：你只需要知道，浮点数在内存里是一堆被编码过的位，不能直接当整数解读。

---

3. 工程实战：如何传输与存储浮点数？

这是嵌入式中最常见的场景：你采集了一个电压值 3.14159，现在要通过串口发给上位机，或者存进 Flash 里。

方法 A：ASCII 字符串法 (笨办法)

char buf16;

sprintf(buf, "%.5f", val); // 转成 "3.14159"

HAL_UART_Transmit(&huart1, buf, strlen(buf), 100);

• 缺点：慢（sprintf是耗时大户）、占带宽（发了7个字节）、精度丢失（文本转回数字会有误差）。

方法 B：联合体法 (Union) ------ 优雅且高效 (推荐)

利用 union 共用内存的特性，直接把这 4个 Byte 拿出来。

typedef union {

float f_val;

uint8_t bytes4;

} FloatConverter_t;

void send_float(float val) {

FloatConverter_t u;

u.f_val = val;

// 直接发送原始字节，速度最快，精度无损

HAL_UART_Transmit(&huart1, u.bytes, 4, 100);

}

方法 C：指针强转法

float val = 3.14f;

uint8_t *p = (uint8_t*)&val; // 欺骗编译器，把float地址当char地址用

HAL_UART_Transmit(&huart1, p, 4, 100);

关键警告：大小端问题

只要传输原始字节，必须考虑大小端！

• MCU端 (STM32) ：小端模式，内存里是 A B C D (低字节在前)。

• 接收端：

  • 如果是 Java 上位机 / 网络传输：通常是大端，期待 D C B A。

  • 如果是 x86 PC (C++)：通常也是小端。

• 对策：制定协议时必须明确规定（例如：使用网络字节序/大端）。如果不匹配，发送前要先反转数组顺序。

---

4. 浮点数的精度噩梦

除了慢和存储复杂，浮点数还有一个致命弱点：不精确。

经典反直觉案例

float a = 1.1f;

if (a == 1.1f) {

// 这里很可能会判断为 false！

}

为什么？因为 1.1 在二进制里是一个无限循环小数（就像十进制里的 1/3），计算机存不下，只能截断。

工程铁律 ： 永远不要用 == 去比较两个浮点数！ 必须使用"Epsilon"范围比较：

if (fabs(a - 1.1f) < 0.00001f) { ... }

5. 穷人的法拉利：定点数 (Fixed-Point)

如果想要速度快（整数运算），又想要小数（精度），怎么办？

答案是：定点数。本质就是**"缩放"**。

5.1 十进制缩放 (简单易懂)

• 浮点思维 ：电压 1.23 V。

• 定点思维 ：电压 1230 mV (放大1000倍)。存成 int。

5.2 二进制缩放 (Q格式 - 高效之王)

计算机做乘除1000比较慢，但移位 极快。我们把缩放因子设为 2^N。这就是 Q格式。

假设使用 Q15 (缩放 2^15 = 32768)：

• 1.5 (浮点) -> 1.5 * 32768 = 49152 (定点整数)。

运算规则：

1. 加减法：直接加减。

2. 乘法：结果会"变大"，需要右移归一化。

#define Q_SHIFT 10 // 放大 2^10 = 1024 倍

#define TO_FIX(x) ((int32_t)((x) * (1 << Q_SHIFT)))

int32_t a = TO_FIX(1.5); // 1536

int32_t b = TO_FIX(2.0); // 2048

// 乘法：先乘，再右移

// 注意：乘法结果可能超过int32，必须强转int64暂存！

int32_t prod = (int32_t)(((int64_t)a * b) >> Q_SHIFT);

// 结果 3072 -> 代表 3.0

6. 总结：什么时候该用什么？

场景	推荐方案	理由
人机交互 (UI)	浮点数	屏幕刷新慢，开发效率优先，代码可读性好。
复杂算法 (FFT/滤波)	浮点数 (FPU)	现代MCU带FPU，不用白不用。
高频控制 (电机/电源)	定点数 (Q格式)	必须在几微秒内算完，且无FPU时唯一的选择。
数据传输 (串口/CAN)	原始字节 (Union)	效率最高，但需注意大小端。
低功耗设备	定点数	FPU耗电大，定点运算让CPU更快休眠