8.2 Embedded Coder优化实战

8.2 Embedded Coder优化实战

本节摘要：8.1 节的代码能跑，但目标芯片的预算是紧的：闪存多大、RAM 多少、中断里允许几微秒。本节按"测量、优化、复测"的节奏过一遍嵌入式优化实战：存储段配置把数据归位、表达式优化压缩体积、定点化替掉浮点依赖。每项优化都给代价说明——优化是资源预算的再分配，不是免费午餐。

从一份资源账单开始

优化的第一步不是开开关，是测量。把 8.1 节的代码编译到目标机，拿到三组数：代码体积（Flash 占用）、数据体积（RAM 占用）、步进函数执行时间（用定时器或仿真器测）。小林的电机控制第一次账单：Flash 12 KB、RAM 2.1 KB、1 毫秒任务里步进函数耗时 38 微秒。预算上限：Flash 16 KB、RAM 4 KB、任务耗时不得超过 100 微秒——三项全部达标，但主频更低的低成本版本芯片（预算 Flash 8 KB）过不了 Flash 一关。优化的目标由此明确：压体积，其他指标留足余量。

这份"先有账单再有动作"的流程值得强调：没有测量的优化是许愿，改完不测的优化是赌博。

存储：让每样数据住对地方

存储优化收益最稳。生成代码的数据分四类去处：常量（查表、固定系数）进 Flash，可调参数进 RAM 的标定区，状态变量进 RAM 的工作区，临时变量由编译器寄存器或栈消化。存储类配置决定去处——8.1 节的规则三在此展开成预算管理。实测中常见的冤枉账：默认配置把一张 512 点的查表参数编进了 RAM，按常量存储类归位到 Flash 后，RAM 直接省下 2 KB；又比如矩阵运算的临时缓冲没被编译器识别出复用机会，手工调整模块配置后栈占用减半。

% 优化前后的配置对比（脚本化，可整体切换实验）
% 压体积三件套：表达式折叠、内联层级、复用信号缓冲
set_param('motor_speed_loop', ...
    'OptimizationBlockReduction', 'on', ...     % 死块与恒等块折叠
    'OptimizationExprFold',        'on', ...    % 表达式合并
    'OptimizationInline',          'on', ...    % 子函数内联
    'OptimizationBufferReuse',     'on');       % 信号缓冲复用
% 存储段：查表参数标为 Const，进 Flash
% （存储类在字典对象上配置，见 6.1 节；此处示意模型级开关）
​

压体积三件套的效果要按模型"体质"而论：模块数多、表达式碎片化的模型，折叠与内联常有百分之二十到四十的体积收益；本身精炼的模型收益有限——这正常，优化收益的上限由模型结构决定，开关只是兑现它。

图：优化三板斧的收益与代价

定点化：无浮点单元芯片的必修课

目标芯片没有浮点单元（FPU）时，每一句浮点运算都被编译成几十条软件模拟指令，38 微秒的任务耗时轻松翻五倍——定点化从"优化项"升格为"必选项"。定点化的思想是把小数变成"定标整数"：比如占空比 0 到 1 的范围用 16 位整数 0 到 65535 表达，小数点位置由约定固定，运算全走整数指令。

Simulink 的做法是在模型层声明定点数据类型（fixdt 类型，带字长与小数位），让"定标决策"成为模型的一部分而不是代码生成后的手补。定标的依据来自信号的动态范围分析（仿真记录的最小最大值留裕量），而定点化引入的量化误差必须回到模型验证：把模型切到定点数据类型，重跑第 7 章的基线比对——控制律的行为劣化超差（积分器死区、极限环振荡是定点化的经典病），就要调整字长或改算法结构（如把积分器迁移到误差更大、字长更长的通路）。

优化收尾的仪式是复测三组数、重跑一致性测试：体积达标、执行时间达标、行为与浮点基准的偏差在容差内，三项齐备才算优化完成。任何一项牺牲了其他两项，回退一步重来——优化上的贪心，在三个月后的现场问题里都会连本带利讨回去。

💡 关键直觉：定点化的误差不是均匀的噪声，它在小信号区最毒。积分器与微分器附近的定点行为要专门用小信号激励验证，别只跑额定工况。

定标实战：一次手算演示

定点化最难的一步是定标（确定字长与小数位），拿本节的占空比信号手算一遍。第一步定范围：占空比物理范围 0 到 1，留两成裕量定成 0 到 1.2。第二步定字长：16 位无符号整数有 65536 级，除以范围 1.2，分辨率约 0.000018——占空比的工程精度需求是千分之一量级，16 位绰绰有余，8 位（256 级，分辨率 0.005）则不够。第三步定小数位：范围 1.2 介于 1 与 2 之间，定成"1 位整数加 15 位小数"的无符号定点（Sfix 16 的无符号变体）。三步走完，在模型里把这个信号的数据类型声明为对应的 fixdt 表达式即可。

手算的价值在于建立"字长换分辨率、范围换小数位"的直觉，实际项目里用定点工具的-range analysis-自动扫一遍全部信号的动态范围，再逐个复核边界信号。复核时优先盯三类信号：接近零的（绝对容差要跟上）、变化跨数量级的（固定小数位容易两头不讨好）、进积分器的（累加误差放大一切）。三类信号定好标，其余大多顺水推舟。

常见问题

问：开了优化之后调试断点对不上代码，怎么兼顾？

这是代码压缩的固有代价：表达式折叠与内联把"一个模块一行代码"的对应关系抹掉了。工程做法是分两个构建目标：调试版关压缩优化（体积换可调试性，只在排障时编译），发布版全开。两个目标共用同一模型与同一套配置脚本，差异只在优化开关——8.1 节"配置层脚本化"在此兑现：一条命令在两个目标间切换，不存在手改漏项。

本节要点回顾

• 先测量后优化：Flash、RAM、执行时间三组账单决定优化目标，无测量不优化；
• 存储归位是第一步：常量进 Flash、可调参进标定区，收益稳定代价近零；
• 压缩三板斧：块折叠、表达式合并、内联加缓冲复用，收益两到四成但伤可读性；
• 定点化是定标决策：fixdt 声明进模型、动态范围分析定字长、量化误差必须回模型验证；
• 小信号区最脆弱：积分微分通路专门用小信号激励做定点验证；
• 收尾仪式：复测三组数加重跑一致性测试，三项齐备才算优化完成。

代码又小又快又经得起比对，还差最后一关：在真实控制器与真实时序里，它还认得回自己的行为吗。下一站硬件在环。