FPGA中最常用的還是定點化數據處理方法，本文對定點化數據處理方法進行簡要探討，并給出必要的代碼例子。

1、一般擴位原則：

1） 加減法運算：擴位位寬=ceil(log2(加法個數))

如：兩個加法擴1位，三個四個加法擴2位…

2）乘法運算：結果擴位位寬=兩個乘數位寬的和

如：15bit數與14bit相乘結果位寬應為29bit。

3）除法運算：結果擴位位寬=被除數位寬與除數位寬的差

擴位時對于有符號數，高位擴展時擴展符號位，對于無符號數高位擴展時直接補零。因為有符號數高位是符號位，擴位補零會將負數擴展為錯誤的正數，而無符號數沒有符號位，對位最高bit為1的無符號數，擴展符號位同樣會導致數據異常。

符號位擴展：

2、高位截位，分為飽和截位和直接截位：

1）高位直接截位，直接拋掉高位保留低位，在確認信號不會溢出的模塊使用直接截位的方法，節省資源；

2）高位飽和截位：對計算后的數據進行判斷，如果超出位寬，正數輸出為最大值，負數輸出為最小值；判斷方法就是看高位是否完全相同。

3、低位截位：

1）直接截位：功率計算等統計模塊會使用，數字信號處理中不會使用，因為這種方式，頻域會出現直流。

2）四舍五入：如下所示，上一篇文章中說了數據的表示（FPGA數字信號處理之數據的表示），看一看到對于補碼，verilog中只針對負數的0.5進行特殊處理即可。

代碼如下，代碼中會判斷信號是否是-n.5，進行處理。

3）近似四舍五入，對于真四舍五入來說，對-0.5的判斷邏輯較為復雜，而且有的數據處理對-0.5的要求也不高，此時可以采用近似四舍五入的方法，之前的代碼中最常出現的就是這種處理方式：

可以看到這種處理方式下-0.5的值是偏大的。

另外，要注意上一篇文章中多次提到的IEEE 754浮點數標準里面，對于浮點數取整的規定如下

1.就近舍入Round to nearest (even)

2. 向零舍入（Truncate）

3.朝正無窮舍入Round up (toward +∞)

4.朝負無窮舍入Round down (toward ?∞)

python等默認使用的就是 就近舍入Round to nearest (even) 處理方法，python中的計算結果為：

round(0.5)= 0

round(1.5)=2

這一點大家做算法時要注意一下。