確定變量的初始量化值和隨后對該值的細化改進的過程，非常適合自動化。AccelDSP Synthesis 綜合工具包括自動化浮點定點轉換，該功能將在仿真過程中對浮點 MATLAB 模型進行分析，以確定輸入數(shù)據(jù)和常量的動態(tài)范圍要求。這些值提供了自動量化過程的起點，然后該過程將利用從 6,000 多個設計中獲得的大量內置經驗，確定下游變量的最佳字長。
　　
通過自動量化而獲得的初始定點模型提供了一個良好的起點，但一般需要對該模型進行細化改進。
　　
MATLAB 提供了一種開發(fā)算法數(shù)學模型的高效環(huán)境，這種算法通常只需使用一組較少的仿真矢量就可完成。
　　
該過程高度反復，且緊密耦合至數(shù)據(jù)作用 (data effect) 的分析。為了最大程度地縮短這一反復循環(huán)時間，AccelDSP Synthesis 綜合工具提供了一種加速定點仿真流程。
　　
分析定點數(shù)據(jù)作用
　　
MATLAB 提供了一種開發(fā)算法數(shù)學模型的高效環(huán)境，這種算法通常只需使用一組較少的仿真矢量就可完成。但是，當把該算法應用到定點硬件時，您將需要增加數(shù)據(jù)集，以精確地確定真實世界的環(huán)境響應。MATLAB 是一種解釋型仿真器，可能無法為這些較大的、CPU 強度較高的定點仿真提供必需的性能。因此，開發(fā)者常常轉向 C/C++。
　　
加速定點仿真
　　
AccelDSP Synthesis 綜合工具的 M2C-Accelerator 自動生成一個硬件精確的定點 C++ 模型和測試基準，以加快定點仿真。
　　
消除手動記錄步驟節(jié)省了開發(fā)時間，大程度地減小了誤差的引入。由于 C++ 是編譯式的，因此可提供高達 1000 倍的仿真性能優(yōu)勢（圖 6）。這種性能水平通常是那些要求理解定點數(shù)據(jù)作用的大型矢量集所必需的。

如果您想繼續(xù)使用 MATLAB 可視化環(huán)境，包括其繪圖功能，M2C-Accelerator 還可生成一個可用于原 MATLAB 測試基準腳本文件仿真的定點 C/C++ dll。 當您已經獲得初始定點結果時，分析和細化改進的過程就可以開始了。AccelDSP Synthesis 綜合工具提供了一組圖形工具，包括表格化報告、變量探查和繪圖等，以便在這一過程中提供輔助。
　　
觀測定點位增長
　　
一個設計必須從整體上考慮，以有效地將浮點算法轉換為定點模型。
　　
如果從早期開始就一直未對數(shù)據(jù)路徑進行檢查，位增長可能會快速增長而產生過度的硬件，而過度約束位增長則可能造成無法接受的數(shù)值精度損失。獲得對位增長進展情況較好觀測性的一種通用技巧是向一個電子表格中輸入變量。AccelDSP Synthesis 綜合工具通過生成一個表格化、格式化的定點報告（圖 7）而提供了此類級別的觀測性。

在優(yōu)化硬件之前，您必須獲得一個可以接受的定點響應。如果一個輸出的信噪比 (SNR) 不在所需的技術規(guī)格之上，則必須對推斷的量化值進行調整。這一過程通常由查找因變量上溢出和下溢出導致的重大誤差開始。
　　
上溢出和下溢出
　　
關于輸入數(shù)據(jù)動態(tài)范圍的不良假設可能會引起由于變量的最高有效位 (MSB) 上溢出和最低有效位 (LSB) 下溢出而導致較大的定點誤差的問題。您需要在觀測和糾正更細微的定點誤差之前先解決這些誤差。
　　
上溢出和下溢出報告，是 MATLAB

定點數(shù)據(jù)類型的固有屬性，但不是 C/C++ 所固有的，且常常在模型重寫過程中被省掉。但是，由 M2C-Accelerator 生成的 C++ 模型中包含了反映在仿真期間發(fā)生的所有上溢出和下溢出的量化例程。當這些情況發(fā)生時，它們將被匯總在“驗證定點報告”中（圖 8）。