当要对于算法的硬件实现，使用Matlab进行定点化仿真非常重要，网上Matlab定点化仿真的资料比较少，下面是我总结的资料。
Matlab定点化三种方法：
1.使用round、floor等函数在每次运算后直接进行截断
各种截断方法：
ceil() 向上取整
fix() 向0取整
floor() 舍弃小数部分（向下取整）
round() 四舍五入取整
直接截断取整可能会出现高频噪声，最好使用四舍五入取整。
2.使用num2fixpt()函数进行截断
num2fixpt(19.875, sfix(8), 2^-2, 'Floor', 'on') = 19.75
num2fixpt(19.875, sfix(8), 2^-3, 'Floor', 'on') = 15.875
num2fixpt(19.875, sfix(9), 2^-3, 'Floor', 'on') = 19.875
3.使用fi对象进行定点化：
（1）首先定义fimath对象和numerictype对象
fimath对象：定义运算模式和位数
numerictype对象：定义数据位数
numerictype中FractionLength可以大于WordLength-1，但是这样高位的小数位会被舍去，也可以用'Slope'属性指定。如：
F = fimath('CastBeforeSum', 0, 'OverflowMode', 'Saturate', ...
'RoundMode', 'floor', 'ProductMode', 'SpecifyPrecision', 'SumMode', 'SpecifyPrecision', ...
'ProductWordLength', 16, 'ProductFractionLength', 14, 'SumWordLength', 16, 'SumFractionLength', 14);
T = numerictype('WordLength', 16, 'FractionLength', 14);
（2）用fimath对象和numerictype对象定义浮点数的fi对象
如：fi( x, numerictype, fimath );
（3）利用定义好的fi对象进行运算
该方法对定点过程处理的细节定义的比较详细灵活，不需要每一步运算定点化一次，但是对很多函数不兼容，需要写一些基本函数
用double可以将fi对象变成普通的对象。
另外，还有专门CORDIC函数处理fi对象的运算问题。
isfimathlocal可以用来判断是否有local fimath对象。
使用isfi可以判断是否为fi对象。可以用F = a.fimath获得fimath对象，用T = a.numerictype获得numerictype对象。
为了确保运算过程不会出问题，比如需要检测定点运算过程中特有的溢出问题，方法如下：
使用fipref函数检测
如：
fipref('LoggingMode', 'on', 'DataTypeOverride', 'ForceOff');
......
fipref('LoggingMode', 'off');
可以检测运算过程溢出等问题，而溢出分为上溢和下溢：
上溢是数值太大，约化为最大值或变为负值等各种情况
下溢是数值接近0倍约为0
附注：
输出方法：
对于fi对象a，a.bin，a.dec和a.hex表示a的二进制，十进制和十六进制表示，还可以用a.int输出有符号数。
关于除法：
定点运算能不用除法就不用除法，除法容易出问题。对于fi对象的方法，它的小数点定标会发生改变，假设被除数和除数小数位一样，那么商的小数位长会变为0。如果被除数小数位更大，此时商才有小数位长，而当除数小数位更长时，商的小数位长（FractionLength）会变为负值。使用devide(numerictype, a, b)进行更精细的操作也许能避免这些错误，或者使用cordic函数。
关于cordic函数：
cordicangle(u)获得u的角度，范围在[-pi, pi]内，定点化时默认输出位长16位，小数位13。
cordicrotate(angle, u)将u旋转。
关于运算单元输出宽度：
累加器的输出和加法数量有关，对于等长的数宽W，加数为L，则最终宽度为W+log2(L)-1
滤波器定点化仿真：
使用filter函数对filter定点化的对象a和数据b直接处理，如：filter(a, b)
关于CIC滤波器等一些滤波器处理则比较复杂，使用的是dsp工具箱，在获得合适的CIC参数后，还要将数据处理成dsp对象，如：
hsr = dsp.SignalSource( ee.', length(ee) ); %变成工具箱能处理的数据对象
hcicint = dsp.CICInterpolator(l, 1, nsecs);
Tx = step( hcicint, step(hsr) );
运算精度控制：
使用digits和vpa函数可以控制Matlab运算的精度
其中digits指定了vpa处理变量的数值有效位数，该方法会大大降低运算速度，慎用
double 转化为双精度，一般的数值计算都是double型的
single 转化为单精度
eps可以得到与数轴上下一个数的数值差