1. 从无符号到有符号:为什么乘法器设计是个“技术活”?
刚接触数字电路设计的朋友,可能觉得乘法器不就是个“*”号的事儿吗?在Verilog里写个 assign product = a * b;,综合工具不就帮你搞定一切了?这话对,但也不全对。对于性能要求不高、资源不敏感的小设计,直接用运算符确实是最快最省事的选择。但当你开始做图像处理、音频编解码、通信基带这些对速度和面积有严苛要求的芯片时,乘法器的实现方式就成了决定项目成败的关键细节之一。
我刚开始做项目时也踩过坑,以为综合工具是万能的,直到在一个视频缩放模块里,发现时序怎么都收敛不了,一查报告,关键路径上杵着一个巨大的组合逻辑乘法器,延迟大得吓人。这才明白,硬件设计里没有“银弹”,尤其是涉及到有符号数运算时,情况比无符号数要复杂得多。无符号数乘法,你可以简单理解为“竖式乘法”的硬件化,每一位乘数决定被乘数是否移位后加入累加器。但有符号数,特别是计算机内部普遍采用的补码表示法,它的最高位是符号位,直接套用无符号的“竖式乘法”规则会得到错误的结果。
举个例子,在8位补码体系下,-1 表示为 8‘b1111_1111。如果你用无符号乘法器去计算 (-1) * 2,硬件会把 1111_1111 当作无符号数 255 来处理,得到 255 * 2 = 510,这显然不是我们想要的 -2。所以,有符号乘法器的核心任务,就是要在硬件层面正确处理符号位,确保补码运算的数学正确性。这背后涉及到原码转换、符号扩展、校正项计算等一系列策略,不同的策略在速度、面积和功耗上表现迥异。接下来,我们就深入这些策略的内部,看看如何根据你的实际场景,打造一把趁手的“乘法利器”。
2. 基石:透彻理解补码与乘法位宽
在动手写代码之前,我们必须把理论基础打牢,否则写出来的电路要么功能错,要么资源浪费严重。这里有两个最核心的概念:补码的数学本质和乘法结果的位宽。
首先,为什么计算机爱用补码?因为它让加法和减法统一了。对于乘法,补码也有一个非常优雅的性质:我们可以把补码表示的乘数 $B$,看作一个带权重的和。对于一个n位补码数 $B = -b_{n-1}2^{n-1} + \sum_{i=0}^{n-2} b_i2^i$。最高位 $b_{n-1}$ 的权重是负的!这就是设计所有有符号乘法器的出发点。当你用无符号乘法器去处理补码数时,你实际上多计算了那个负权重项,所以需要在结果上把它“减”回去。后面我们会看到的基于无符号乘法器的补码乘法器,就是这一思想的直接实现。
其次,关于位宽,这是一个非常实际且容易出错的问题。两个宽度分别为 M 位和 N 位的有符号数(补码)相乘,结果的完整精度需要 M+N 位。为什么?考虑两个极端:最大的正数乘以最大的正数,以及最小的负数乘以最小的负数。对于8位有符号数,范围是 -128 到 127。127 * 127 = 16129,这个数需要15位二进制来表示(因为 $2^{14}=16384$)。而 (-128) * (-128) = 16384,这个数正好是 $2^{14}$,需要15位(最高位为0)。所以,8位乘8位,完整乘积需要16位。但很多时候,我们可能只关心低位的乘积结果,或者后续处理只需要特定精度,这时输出可以截断到 M+N-1 位甚至更少。但请务必记住:在乘法器内部进行累加和移位操作时,必须使用足够的位宽来防止溢出,通常就是 M+N 位。原始文章里有些例子输出是15位(8位乘8位),这实际上是截断了最高位,适用于已知结果不会溢出的特定场景,通用性会受限。
3. 策略一:化繁为简——基于无符号乘法器的实现
这是最直观、最容易理解的策略,思路就是把有符号问题转化为我们已经解决了的无符号问题。它主要有两种实现路径:原码乘法器和补码校正乘法器。
3.1 原码乘法器:先取绝对值,再定符号
原码乘法的逻辑和我们小学学过的十进制乘法几乎一样:符号单独处理,数值部分按无符号数相乘。具体步骤是:
- 从输入的有符号数(补码)中,提取出符号位和绝对值部分。对于负数(最高位为1),需要将其转换为正数表示(即计算其绝对值,对于补码,这通常需要取反加一)。
- 将两个操作数的绝对值部分,送入一个标准的无符号乘法器进行计算。
- 将两个符号位进行异或操作,得到乘积的符号。若符号为负,则需要将上一步得到的无符号乘积转换为其负数的补码形式。
module signed_mult_sign_magnitude (
input wire [7:0] a, // 补码输入
input wire [7:0] b, // 补码输入
output wire [15:0] product // 补码输出
);
wire sign_a = a[7];
wire sign_b = b[7];
wire [6:0] abs_a = sign_a ? (~a[6:0] + 1'b1) : a[6:0]; // 求绝对值(低7位)
wire [6:0] abs_b = sign_b ? (~b[6:0] + 1'b1) : b[6:0];
wire sign_prod = sign_a ^ sign_b;
wire [13:0] unsigned_prod = abs_a * abs_b; // 无符号乘法
// 根据符号位,将无符号乘积转换为补码
assign product = sign_prod ? (~{2'b0, unsigned_prod} + 1'b1) : {2'b0, unsigned_prod};
endmodule
这种方法的优缺点非常明显。优点是原理简单,易于验证,并且可以直接复用已有的、经过优化的无符号乘法器IP。缺点也很突出:它需要额外的逻辑来进行绝对值转换(取反加一)和最终的补码转换,这增加了组合逻辑的延迟和面积。特别是,取反加一这个操作本身就是一个小的加法器,放在关键路径上会影响时序。因此,原码乘法器更适合对性能要求不是极端苛刻,或者输入数据经常为正数的场景。
3.2 补码校正乘法器:数学上的巧妙转换
这是一种更“聪明”的方法,它直接对补码数进行无符号乘法,然后根据一个数学公式对结果进行校正。还记得我们说的补码的数学定义吗?对于一个n位数B,其值等于无符号解释的值减去 $b_{n-1} * 2^n$。根据这个,我们可以推导出补码乘法的校正公式。
设 A 和 B 为补码数,将它们直接当作无符号数相乘的结果记为 $P_{unsigned} = A * B$(这里A, B被当作无符号整数解释)。而真正的补码乘积 $P_{signed}$ 满足: $P_{signed} = A * B = (A_{unsigned} - a_{n-1}*2^n) * (B_{unsigned} - b_{n-1}*2^n)$ 展开后,我们得到: $P_{signed} = P_{unsigned} - a_{n-1}*2^n * B_{unsigned} - b_{n-1}*2^n * A_{unsigned} + a_{n-1}b_{n-1}*2^{2n}$ 注意最后一项 $a_{n-1}b_{n-1}*2^{2n}$,它影响的位远超出我们需要的 M+N 位范围,在实际的 M+N 位结果中可以忽略。因此,校正公式简化为: $P_{signed} \approx P_{unsigned} - a_{n-1}*2^n * B - b_{n-1}*2^n * A$
在硬件上,$2^n * A$ 其实就是将 A 左移 n 位。实现起来,我们可以根据两个输入符号位 sign_a 和 sign_b 的四种组合,来选择不同的校正项:
module signed_mult_correction (
input wire [7:0] a,
input wire [7:0] b,
output wire [15:0] product
);
wire [1:0] signs = {a[7], b[7]};
wire [15:0] unsigned_prod = a * b; // 直接使用无符号乘法
wire [15:0] shift_a = {a, 8'b0}; // A << 8
wire [15:0] shift_b = {b, 8'b0}; // B << 8
reg [15:0] corrected_prod;
always @(*) begin
case(signs)
2'b00: corrected_prod = unsigned_prod; // 都为正,无需校正
2'b01: corrected_prod = unsigned_prod - shift_a; // B为负,减去 A<<N
2'b10: corrected_prod = unsigned_prod - shift_b; // A为负,减去 B<<N
2'b11: corrected_prod = unsigned_prod - shift_a - shift_b; // 都为负,减去两项
endcase
end
assign product = corrected_prod;
endmodule
这个方法的优势在于,它只需要在无符号乘法结果的基础上,进行至多两次的加法/减法校正。相比于原码法,它省去了输入端的绝对值转换。但是,校正操作仍然依赖于快速的加法器,并且 case 语句会引入多路选择器。在追求极致频率的设计中,这条路径可能成为瓶颈。它的性能通常介于原码法和后面要介绍的原生 Booth 算法之间,是一种在复杂度和性能上取得平衡的实用方案。
4. 策略二:硬核效率——原生 Booth 乘法器
如果我们不满足于“转换”和“校正”,想要一个从底层就是为补码设计的、效率更高的乘法器,那么 Booth 算法 无疑是首选。它是我在需要高性能乘法时最常采用的方案。Booth 算法的核心思想是减性分解,它通过检查乘数相邻位的组合,来智能地决定当前步骤是加、减被乘数,还是什么也不做,从而减少总的加法/减法操作次数。
4.1 Booth 算法精要:为什么它能减少操作?
想象一下无符号的“竖式乘法”,乘数的每一位如果是1,我们就加一次被乘数(移位后)。对于补码,由于最高位的负权重,直接这样操作是错的。Booth 算法的天才之处在于,它把乘数看作一系列“块”。比如,乘数中有一段连续的‘1’,例如 ...001110...。常规方法需要加三次。但 Booth 算法识别到这段“1”以‘0’开始和结束,它可以将其转化为一次加和一次减的操作:...01000... - ...00010...(即加8倍减2倍)。因为 $2^3 + 2^2 + 2^1 = 2^4 - 2^1$,这样就把三次加法减少为一次加法和一次减法。
在硬件实现时,我们通常采用 基2 Booth 编码。它每次查看乘数的两位(当前位和低一位),根据 [b_i, b_{i-1}] 的组合来决定操作:
00或11: 无操作(连续0或连续1的中间部分)01: 加被乘数(一段1的结束)10: 减被乘数(一段1的开始)
为了实现,我们需要在乘数最低位右边补充一个虚拟的 b_{-1} = 0。
4.2 基2 Booth 乘法器的 Verilog 实现
下面是一个典型的、带流水线控制的基2 Booth 乘法器实现。它采用状态机控制,每个时钟周期完成一次“检查-操作-移位”的循环。
module booth_multiplier_base2 (
input wire clk,
input wire rst_n,
input wire start, // 启动信号
input wire [7:0] multiplicand,
input wire [7:0] multiplier,
output reg done, // 计算完成信号
output wire [15:0] product
);
localparam IDLE = 0, CALC = 1;
reg state, next_state;
reg [15:0] acc; // 累加器,宽度为 M+N
reg [8:0] mpyr; // 乘数寄存器,额外增加一位 b_{-1},初始为0
reg [15:0] mpcand; // 被乘数寄存器,符号扩展后
reg [3:0] count; // 迭代计数器,对于8位乘数,需要8次迭代
// 状态机与时序逻辑
always @(posedge clk or negedge rst_n) begin
if (!rst_n) begin
state <= IDLE;
acc <= 0;
mpyr <= 0;
mpcand <= 0;
count <= 0;
done <= 0;
end else begin
state <= next_state;
case (state)
IDLE: begin
if (start) begin
// 初始化:被乘数符号扩展,乘数低位补0
mpcand <= {{8{multiplicand[7]}}, multiplicand};
mpyr <= {multiplier, 1'b0};
acc <= 0;
count <= 8; // 8位数据,需要8次迭代
done <= 0;
end
end
CALC: begin
// 根据 mpyr[1:0] 执行 Booth 操作
case (mpyr[1:0])
2'b01: acc <= acc + mpcand;
2'b10: acc <= acc - mpcand;
default: ; // 00, 11 无操作
endcase
// 算术右移累加器,逻辑右移乘数寄存器
acc <= {acc[15], acc[15:1]}; // 注意保持符号扩展
mpyr <= {mpyr[8], mpyr[8:1]}; // 右移,最高位补符号位
count <= count - 1;
if (count == 1) done <= 1;
end
endcase
end
end
// 状态转移逻辑
always @(*) begin
next_state = state;
case (state)
IDLE: if (start) next_state = CALC;
CALC: if (count == 1) next_state = IDLE;
endcase
end
assign product = acc;
endmodule
这个实现有几个关键点:1) 被乘数 mpcand 必须进行符号扩展至 M+N 位,以保证加减法正确。2) 累加器 acc 在右移时是算术右移,即最高位(符号位)要复制填充,以保持数值正确。3) 乘数寄存器 mpyr 是逻辑右移,但为了保持 Booth 编码对的连续查看,我们将最高位(原来的符号位)也移入参与判断。这个设计是迭代的,需要多个时钟周期完成,但通过流水线化,可以显著提高吞吐率。
4.3 进阶:基4 Booth 算法与性能权衡
基2 Booth 算法已经比普通阵列乘法器快了不少,但我们可以更进一步,使用 基4 Booth 编码。它每次查看乘数的三位,根据三位组合,可以决定的操作有:加0、加被乘数、加2倍被乘数、减被乘数、减2倍被乘数。这样,每次迭代可以处理乘数的2个原始位,从而将迭代次数减少一半!
基4 Booth 的编码表稍微复杂一些,但带来的收益是显著的:对于N位乘法,迭代次数从N次减少到N/2次(向上取整),这直接缩短了计算延迟,或者降低了流水线级数。当然,代价是需要能够快速生成被乘数的2倍(即左移一位),这通常通过一个额外的多路选择器或一个小的前置移位器来实现,会增加少许面积。在高速DSP、CPU的乘法单元中,基4甚至基8的Booth算法非常常见。选择基2还是基4,核心是你在速度、面积和功耗之间的权衡。对于大部分FPGA设计,基2 Booth 已经能提供很好的性能面积比;而对于追求极限吞吐量的ASIC设计,基4是更优的选择。
5. 策略三:资源换速度——专用硬件与高级优化
当 Booth 算法提供的性能仍然无法满足你的需求时,或者你面对的是一个非常特殊的应用场景,我们就需要祭出更高级的优化策略了。这些策略的核心思想是用更多的硬件资源来换取极致的计算速度。
5.1 流水线化:用面积换吞吐量
这是最经典且有效的优化手段,没有之一。无论是简单的阵列乘法器还是Booth乘法器,都可以进行流水线化。其原理是将一个需要多个步骤的组合逻辑链,打断成若干级,每一级用寄存器隔离。这样,虽然单个数据从输入到输出的延迟(Latency)可能因为寄存器建立时间而略有增加,但系统的吞吐量(Throughput)可以提高到每个时钟周期完成一次运算。
以我们之前的基2 Booth乘法器为例,它的迭代循环是串行的。我们可以设计一个深度为4的流水线Booth乘法器:
- Stage 1: 寄存器输入数据,并进行第一次Booth解码和操作准备。
- Stage 2: 执行第一次加减法,并进行第一次移位。
- Stage 3: 执行第二次加减法和移位。
- Stage 4: 执行第三次加减法和移位,并输出部分积。 实际需要8次迭代,我们可以将这个循环展开,用更多的硬件复制,形成多级流水。最终,你可以实现一个“完全流水线化”的乘法器,它每个时钟周期都能吃进一组新的操作数,并吐出一个之前计算的结果。这在处理连续数据流(如图像像素、音频采样)时至关重要。代价就是寄存器数量翻了好几倍,面积和功耗都上去了。
5.2 利用 FPGA/ASIC 原生专用资源
现代FPGA和ASIC都提供了针对乘法的硬化IP,这是你绝对不能忽视的“外挂”。
- FPGA 的 DSP Slice: 像 Xilinx 的 DSP48E1/2,Intel 的 DSP Block,内部都集成了硬件乘法器、加法器和累加器。它们通常支持有符号/无符号乘法,并且是高度流水线化的,频率可以跑得非常高(500MHz以上)。调用这些IP(通过原语或IP核向导)来实现乘法,不仅能获得最佳性能,而且功耗和面积效率远优于用通用逻辑(LUT)搭建的乘法器。在FPGA设计中,我的第一条军规就是:能用DSP解决的乘法,绝不用LUT。
- ASIC 的综合优化: 在ASIC流程中,综合工具(如Design Compiler)可以根据你的时序约束,自动选择是生成门级网表实现的乘法器,还是调用工艺厂提供的高性能乘法器宏单元(Hard Macro)。这些宏单元是经过精心设计和物理优化的,速度和能效比综合出来的逻辑好得多。在签核(Sign-off)阶段,一定要确认关键路径上的乘法器是否被正确映射到了这些硬核上。
5.3 查表法:适用于特定场景的“捷径”
对于输入范围很小、精度要求固定的乘法,查表法是一个极具吸引力的方案。它的原理非常简单:预先把所有可能的输入组合对应的乘积结果计算好,存储在ROM或RAM(如FPGA的BRAM)中。运行时,直接将输入数据拼接成地址,从表中读出结果。
例如,两个4位有符号数相乘,输入组合只有 256 种可能。我们可以用一个 256 x 8 位的ROM来存储所有结果。这样,乘法操作在一个时钟周期内就完成了,延迟极短且确定。
module lut_multiplier_4bit (
input wire clk,
input wire [3:0] a,
input wire [3:0] b,
output reg [7:0] product
);
// 利用 FPGA 的 BRAM 或分布式 RAM 实现查找表
reg [7:0] mult_rom [0:255];
initial begin
// 这里需要用外部文件或循环初始化ROM内容
// 例如:for i in -8 to 7, for j in -8 to 7: rom[{i,j}] = i * j;
end
always @(posedge clk) begin
product <= mult_rom[{a, b}]; // 将输入拼接为地址
end
endmodule
查表法的优点是速度极快,功耗低。但缺点是指数级增长的内存需求。4位乘4位要256项,8位乘8位就需要64K项,这对于片上存储资源是巨大压力。因此,查表法通常只用于系数固定的乘法(一个输入是常数),或者输入位宽非常窄(<= 4-5位)的场景。在实际中,我常将查表法与其它方法结合,比如用查表实现小数乘法中的系数乘法部分。
6. 实战:如何为你的项目选择乘法器?
纸上得来终觉浅,面对一个具体项目,我们该如何决策呢?这里我分享一个自己常用的决策流程和考量清单。
第一步:明确需求指标
- 性能(Performance): 需要多高的时钟频率?吞吐量要求是多少(每秒多少次运算)?可接受的延迟是多少个周期?
- 面积(Area): 目标器件(FPGA或ASIC工艺)的资源限制是什么?LUT、寄存器、DSP数量有多少?乘法器预计占用的比例?
- 功耗(Power): 是电池供电设备吗?静态功耗和动态功耗的预算各是多少?
- 数值范围与精度: 操作数的位宽是多少?是固定的还是可变的?结果需要全精度还是可以饱和、截断或舍入?
第二步:快速评估与筛选 根据第一步的指标,可以画一个简单的决策矩阵:
- 如果对吞吐量要求极高,且资源充足:首选完全流水线化的 Booth 乘法器(基4更优),并优先映射到 DSP 硬核。这是高性能数据通路的不二之选。
- 如果资源极其紧张,速度要求不高:可以考虑迭代型 Booth 乘法器(基2),或者甚至使用原码乘法器。如果位宽很小(<=4),果断使用查表法。
- 如果其中一个操作数是常数:恭喜你,这是巨大的优化机会!可以将常数乘法优化为移位和加法的组合。例如,乘以 9 可以化为
(x << 3) + x。综合工具通常能自动做这种优化(称为常数折叠),但手动设计可以更精细地控制。 - 如果设计需要频繁切换有符号/无符号模式:补码校正乘法器可能更有优势,因为它底层使用同一个无符号乘法器核心,通过外部逻辑切换模式,控制相对简单。
第三步:实现与验证中的坑 选型之后,在RTL实现和验证阶段,还有几个坑要避开:
- 符号扩展不到位:这是最常见的错误。在加法、减法和移位操作中,务必确保所有中间变量的位宽足够,并进行正确的符号扩展。一个简单的检查方法是:用边界值(如最大正数、最小负数)做仿真。
- 流水线平衡:设计流水线时,要尽量使每一级的逻辑深度均衡,避免出现“短板”,否则整个系统的频率会被最慢的那一级限制。使用综合工具的时序报告来分析和调整。
- 复位策略:乘法器内部的寄存器是否需要复位?异步复位还是同步复位?这会影响综合后的面积和时序。对于高性能流水线,我倾向于使用同步复位,或者对非关键路径的寄存器使用异步复位。
- 验证完备性:不要只测几个随机数。测试向量必须覆盖:零、正负最大值、正负最小值、以及符号位变化的边界情况。对于有符号乘法,
(-128) * (-128)是一个经典的测试点,因为它的结果需要更多位数来表示(上溢),能检验你的处理逻辑是否正确。
最后,记住没有“最好”的乘法器,只有“最适合”当前场景的乘法器。一个好的硬件工程师,应该像一位厨师,根据食材(需求)和厨具(硬件平台),灵活选择和组合不同的“烹饪技法”(实现策略),最终做出一道性能、面积、功耗平衡的“佳肴”。希望这些从实际项目中总结出的经验和代码片段,能帮助你在面对有符号乘法器设计时,少走一些弯路,多一份从容。
2万+



被折叠的 条评论
为什么被折叠?



