1. 乘法器:FPGA设计中的“效率”与“成本”博弈
刚开始接触FPGA时,我和很多新手一样,觉得乘法运算嘛,不就是写个 a * b 的事儿吗?后来真正动手做项目,尤其是资源紧张、时序要求苛刻的时候,才发现这里面的门道深了去了。一个简单的乘法操作,背后是逻辑资源、存储块、时钟频率和功耗之间的一场精妙博弈。选对了实现方式,你的设计可能跑得飞快还省电;选错了,可能连编译都过不了,或者性能惨不忍睹。
今天,我就结合自己踩过的坑和项目经验,来给大家掰开揉碎讲讲FPGA里三种最典型、最实用的乘法器实现方法:直接调用乘法运算符、基于移位加法的循环实现,以及优化后的移位加法实现。我们不光看代码怎么写,更要通过真实的资源占用数据和时序分析,搞清楚它们各自适合什么场景。无论你是正在做课程设计的学生,还是面临产品选型的工程师,这篇文章都能给你提供实实在在的参考。
2. 方法一:直接乘法运算符——最省心的“甩手掌柜”
2.1 实现方式与代码
这是最符合直觉、写起来最爽快的方法。在Verilog HDL里,你可以直接用 * 运算符来完成乘法。综合工具(比如Vivado、Quartus)看到这个符号,会自动调用FPGA芯片内部专用的硬件乘法器单元(DSP Slice)或者用查找表(LUT)和寄存器来构建乘法逻辑。
module multiplier_direct #(
parameter WIDTH = 8
)(
input wire [WIDTH-1:0] a,
input wire [WIDTH-1:0] b,
output reg [2*WIDTH-1:0] out
);
always @(*) begin
out = a * b; // 核心就这一行
end
endmodule
代码简洁到令人发指,对吧?你完全不用关心乘法是怎么算出来的,就像在C语言里写程序一样。综合工具成了你的“甩手掌柜”,它会帮你处理所有底层细节。
2.2 资源占用与性能分析(以8位乘法为例)
我拿Xilinx Artix-7系列的一款FPGA(XC7A35T)在Vivado里综合并实现了一下这个8位乘法器。结果非常有意思:
| 资源类型 | 占用数量 | 说明 |
|---|---|---|
| LUT(查找表) | 0 | 没有消耗任何通用逻辑资源 |
| FF(触发器) | 0 | 没有消耗寄存器资源 |
| DSP48E1 Slice | 1 | 使用了一个专用的DSP硬核 |
| 最大频率 (Fmax) | ~450 MHz | 时序性能非常高 |
关键点解读:
- 零LUT/FF占用:这并不是说乘法不需要逻辑,而是因为综合工具识别出了乘法模式,并将其“映射”(Map)到了芯片内部现成的DSP48E1硬核上。DSP硬核是FPGA里专门为乘加运算设计的“瑞士军刀”,内部结构固定,效率极高。
- 高性能:DSP硬核的电路是精心优化过的,通常能跑到很高的时钟频率,远高于用通用逻辑搭建的电路。
- 潜在问题:DSP硬核是FPGA里的稀缺资源!像XC7A35T这款芯片,一共只有90个DSP48E1。如果你的设计里需要几十个甚至上百个乘法器(比如大型滤波器、矩阵运算),全用这种方法很快就会把DSP资源耗尽,导致布局布线失败。
提示:综合工具的行为是可以配置的。有些工具允许你设置策略,强制将
*运算符用LUT和寄存器来实现(通常称为“软实现”或“Fabric实现”),但这会消耗大量逻辑资源且速度较慢,一般不建议。
2.3 适用场景与小结
什么时候该用直接乘法运算符?
- 项目初期或原型验证:快速搭建功能,优先保证正确性。
- 设计中对DSP资源消耗不敏感:比如你的设计只需要零星几个乘法器,而芯片的DSP资源非常充裕。
- 对时序要求极高:需要乘法运算跑在很高的主频下。
- 你不关心或无法控制底层实现的时候。
一句话总结:这种方法把优化压力完全交给了综合工具和芯片架构,你用着省心,但失去了对资源消耗的精细控制权,在资源受限的设计中需要谨慎使用。
3. 方法二:移位加法循环实现——完全自主的“手工打造”
3.1 算法原理与代码实现
当DSP资源不够用,或者你想彻底搞明白乘法原理时,就得自己动手了。二进制乘法的本质,可以分解为一系列的“判断-移位-累加”。
原理:对于一个8位的乘数b,我们从最低位(b[0])开始检查到最高位(b[7])。如果b的第i位是1,那么就把被乘数a左移i位(相当于乘以2^i),然后累加到结果中。如果该位是0,则跳过。这样,乘法 a * b 就被分解成了至多8次“移位+加法”操作。
module multiplier_shift_add #(
parameter WIDTH = 8
)(
input wire [WIDTH-1:0] a,
input wire [WIDTH-1:0] b,
output reg [2*WIDTH-1:0] out
);
integer i; // 循环变量
always @(*) begin
out = 0; // 初始化结果为0
for (i = 0; i < WIDTH; i = i + 1) begin
if (b[i]) begin // 如果b的第i位为1
out = out + (a << i); // 将a左移i位后累加
end
end
end
endmodule
这段代码清晰展示了算法的每一步。for循环遍历乘数b的每一位,if语句进行判断,a << i实现移位,out = out + ...完成累加。
3.2 逐步计算实例拆解
我们以 a = 2 (0000_0010), b = 3 (0000_0011) 为例,手动走一遍循环:
- i = 0: 检查
b[0] = 1,为真。计算a << 0 = 2,out = 0 + 2 = 2。 - i = 1: 检查
b[1] = 1,为真。计算a << 1 = 4,out = 2 + 4 = 6。 - i = 2 到 7:
b[2]到b[7]都是0,if条件不成立,不执行累加。 - 循环结束:最终
out = 6,结果正确。
这个过程完美诠释了 2 * 3 = 2 * (1 + 2) = 2*1 + 2*2 的分解思想。对于 b = 255 (1111_1111) 的情况,这个循环会忠实地执行8次累加。
3.3 资源占用与性能深度分析
同样在Artix-7上综合实现,结果截然不同:
| 资源类型 | 占用数量 | 说明 |
|---|---|---|
| LUT(查找表) | ~134个 | 消耗了大量通用逻辑资源 |
| FF(触发器) | 0个 (纯组合逻辑) | 因为是组合逻辑always块,没有寄存器 |
| DSP48E1 Slice | 0 | 完全没有使用硬核乘法器 |
| 最大频率 (Fmax) | ~120 MHz | 速度远低于DSP硬核实现 |
关键点解读:
- 资源转换:我们成功避免了使用稀缺的DSP资源,代价是消耗了134个LUT。对于LUT资源丰富的芯片,这是一个可行的交换。
- 纯组合逻辑陷阱:这是该实现最大的问题。
always @(*)描述了一个纯组合逻辑电路。这个电路从输入a、b变化,到输出out稳定,需要经过很长的逻辑链(一个大的多路选择器和加法器链)。这会导致:- 关键路径长:限制了电路能达到的最高工作频率(Fmax)。
- 潜在的毛刺:在输入变化期间,输出可能会有短暂的错误值。
- 时序难收敛:在高速设计中,这个路径可能成为时序违例的重灾区。
- 面积与速度的权衡:我们用逻辑资源(面积)换来了对专用资源的节省,但牺牲了速度。
3.4 适用场景与小结
什么时候该用移位加法循环实现?
- DSP资源极度匮乏,但LUT资源相对宽裕的场合。
- 对电路工作频率要求不高(例如低频控制、简单数据处理)。
- 作为学习理解乘法器原理的教学案例,非常直观。
- 需要完全用通用逻辑实现以保持代码在不同FPGA平台间的一致性。
一句话总结:这是“手工打造”的典范,让你拥有完全的控制权,并节省了专用资源,但需要为由此带来的低速和潜在的时序问题做好准备。它通常不是高性能设计的首选。
4. 方法三:优化移位加法(时序逻辑版本)——兼顾效率与控制的“精打细算”
4.1 优化思路与代码实现
方法二的核心问题在于它是一个庞大的组合逻辑云。优化思路很自然:引入时序逻辑,用时钟节拍来分割这条长链,也就是采用时序逻辑+状态机的思想。同时,我们对算法做一点等价变换,让代码更规整。
观察方法二的循环:for(i=0; i<WIDTH; i++) if(b[i]) out += a << i。
我们可以换一种方式理解:准备一个临时变量 temp_a = a,一个临时乘数 temp_b = b。在每一个时钟周期,检查 temp_b 的最低位,如果是1,就把当前的 temp_a 加到 out 上;然后,无论是否相加,都把 temp_a 左移一位(为下次判断做准备),同时把 temp_b 右移一位(把下一位移到最低位)。重复WIDTH个周期。
module multiplier_shift_add_opt #(
parameter WIDTH = 8
)(
input wire clk, // 时钟信号
input wire rst_n, // 复位信号
input wire start, // 开始计算脉冲
input wire [WIDTH-1:0] a,
input wire [WIDTH-1:0] b,
output reg done, // 计算完成标志
output reg [2*WIDTH-1:0] out
);
reg [2*WIDTH-1:0] temp_a;
reg [WIDTH-1:0] temp_b;
reg [3:0] count; // 计数器,因为WIDTH=8,所以4位计数器足够
reg state; // 简单状态机:0-空闲,1-计算中
always @(posedge clk or negedge rst_n) begin
if (!rst_n) begin
out <= 0;
done <= 1'b0;
state <= 1'b0;
count <= 0;
temp_a <= 0;
temp_b <= 0;
end else begin
case (state)
1'b0: begin // 空闲状态
done <= 1'b0;
if (start) begin
out <= 0;
temp_a <= {{WIDTH{1'b0}}, a}; // 将a扩展到2*WIDTH位
temp_b <= b;
count <= WIDTH; // 设置循环次数
state <= 1'b1; // 进入计算状态
end
end
1'b1: begin // 计算状态
if (count > 0) begin
if (temp_b[0]) begin // 检查最低位
out <= out + temp_a;
end
temp_a <= temp_a << 1; // a左移
temp_b <= temp_b >> 1; // b右移
count <= count - 1;
end else begin
done <= 1'b1; // 计算完成
state <= 1'b0; // 回到空闲状态
end
end
endcase
end
end
endmodule
这段代码虽然比前两个长,但结构清晰得多。它变成了一个受时钟控制的、需要多个周期才能完成的计算单元。
4.2 工作原理与计算过程
同样以 a=2, b=3 为例,假设每个时钟上升沿触发:
- 时钟周期0 (启动):
start信号有效,状态机进入计算态。out=0,temp_a=2,temp_b=3,count=8。 - 时钟周期1:
temp_b[0]=1,执行out=0+2=2。然后temp_a左移变4,temp_b右移变1,count=7。 - 时钟周期2:
temp_b[0]=1,执行out=2+4=6。然后temp_a左移变8,temp_b右移变0,count=6。 - 时钟周期3-8:
temp_b[0]=0,只执行移位,不累加。count递减。 - 时钟周期9:
count减到0,done信号拉高,计算完成。最终out保持为6。
4.3 资源、时序与吞吐量对比分析
这是最值得玩味的部分。我们来看优化后的数据:
| 资源类型 | 占用数量 | 说明 |
|---|---|---|
| LUT(查找表) | ~140个 | 比纯组合逻辑版本略多,因为增加了状态机和控制逻辑 |
| FF(触发器) | ~50个 | 显著增加!用于寄存 out, temp_a, temp_b, count, state |
| DSP48E1 Slice | 0 | 依然不使用硬核 |
| 最大频率 (Fmax) | ~350 MHz | 相比纯组合逻辑版本(120MHz)有巨大提升! |
| 计算延迟 | WIDTH + 2个时钟周期 | 需要多个周期才能输出结果 |
关键点解读:
- 时序性能飞跃:这是最显著的优化成果。通过寄存器切割组合逻辑路径,将原来一个很长的组合延迟,分散到了多个时钟周期内。每个周期内需要完成的逻辑操作非常简单(一个判断、一个加法、两个移位),因此该小模块本身可以跑到很高的频率(350MHz)。
- 资源代价:我们付出了更多的触发器(FF)资源和少量额外的LUT,用于实现寄存和状态控制。在FPGA中,触发器资源通常比LUT更丰富,这个交换往往是值得的。
- 吞吐量 (Throughput) vs 延迟 (Latency):
- 延迟增加了:以前组合逻辑版本是输入一变,输出(经过一段组合延迟后)立即变化。现在需要等待固定的9个时钟周期(对8位乘法)才能得到结果。
- 吞吐量可能更高:这是精妙之处!虽然单次计算慢了,但由于电路能稳定工作在很高的时钟频率下,你可以通过流水线(Pipeline)技术,让这个乘法器每个时钟周期都吃进一组新的操作数。而组合逻辑版本必须等上一次计算完全稳定后才能进行下一次输入,实际吞吐量受限于组合延迟。在高频系统中,时序逻辑版本的吞吐量反而可能远超组合逻辑版本。
- 可控性增强:有了
start和done信号,可以方便地与其他模块进行握手通信,集成到更大的流水线或状态机中。
4.4 适用场景与小结
什么时候该用优化移位加法(时序逻辑版本)?
- 对工作频率要求高,但DSP资源不足或不想使用的场景。
- 设计本身就是流水线风格,可以容忍多周期延迟,但追求高吞吐量。
- 作为更复杂乘法器(如Booth算法)的基础理解模块。
- 需要在低速时钟域进行多个乘法运算,可以通过实例化多个此类模块实现并行计算。
一句话总结:这是从“手工打造”升级到了“精益生产”。我们通过引入时序逻辑和寄存器,用可控的、多个时钟周期的“时间”资源,换取了“空间”(组合逻辑深度)上的简化,从而实现了更高的运行频率和更好的时序可预测性,是资源与性能平衡的经典实践。
5. 三种方法综合对比与选型指南
光看单个分析还不够,我们把它们放到一个表格里直接PK,并加入一些扩展考量:
| 特性维度 | 方法一:直接运算符 (DSP硬核) | 方法二:移位加法循环 (组合逻辑) | 方法三:优化移位加法 (时序逻辑) |
|---|---|---|---|
| 实现复杂度 | 极低 (一行代码) | 低 (简单循环) | 中 (需状态机/计数器) |
| 逻辑资源 (LUT/FF) | 极低 (接近0) | 中 (消耗LUT) | 中高 (消耗LUT和较多FF) |
| 专用资源 (DSP) | 高 (占用1个或更多) | 无 | 无 |
| 时序性能 (Fmax) | 极高 (依赖DSP硬核性能) | 低 (受长组合路径限制) | 高 (关键路径短) |
| 计算延迟 | 极低 (通常1-2周期) | 纯组合延迟 (无时钟概念) | 固定N+周期 (N为位宽) |
| 吞吐量潜力 | 高 | 低 | 非常高 (易于流水线化) |
| 功耗 | 通常较低 (专用电路高效) | 可能较高 (组合逻辑毛刺) | 可控 (同步电路) |
| 代码可移植性 | 高 (行为级描述) | 高 (行为级描述) | 高 (但需有时钟域) |
| 适用位宽 | 任意,受DSP位宽限制 | 较小位宽 (通常<=16) | 可扩展至较大位宽 |
| 核心应用场景 | 高性能计算、信号处理、DSP资源充裕时 | 教学、低频控制、极小规模设计 | 高频且资源受限系统、自定义流水线、作为IP核 |
5.1 实战选型决策树
面对一个具体设计需求,你可以遵循以下思路做选择:
-
第一步:确认约束
- 性能要求:系统需要多高的时钟频率?对乘法延迟有多敏感?
- 资源预算:目标FPGA的DSP数量多少?LUT和FF资源还剩多少?
- 位宽大小:是8x8的小乘法,还是32x32甚至更大的乘法?
-
第二步:决策流程
- 如果系统时钟频率要求非常高(>300MHz),或者做大量连续乘加运算(如FIR滤波器):优先尝试方法一(直接运算符),利用DSP硬核的高效性。务必在项目早期评估DSP资源消耗。
- 如果DSP资源已经用完,或者为了保持代码在无DSP的CPLD/低端FPGA上的可移植性:
- 如果系统频率要求不高(<50MHz),且乘法操作不频繁:可以考虑方法二(组合逻辑版本),简单直接。
- 如果系统频率要求较高,或者需要稳定的流水线吞吐:必须选择方法三(时序逻辑版本)。这是资源受限下实现高性能的必由之路。
- 如果位宽很大(如32位以上):方法二基本不可行(组合路径太长),方法三也会导致延迟很长。此时应优先使用方法一(如果DSP支持该位宽或可拼接),或者需要采用更高级的算法(如Booth编码乘法器、Wallace树形乘法器),它们本质上是对方法三的进一步优化,通过减少部分积数量和优化加法树结构来提升速度。
5.2 超越这三种方法:高级乘法器简介
在实际工业级设计中,尤其是高性能CPU、GPU或DSP内核中,还会用到更复杂的乘法器:
- Booth编码乘法器:通过编码乘数,将连续的1转换为加减操作,显著减少部分积的数量,从而减少加法级数,提高速度。这是中等位宽(16-32位)乘法器中非常流行的选择。
- Wallace树乘法器:使用一种特殊的计数器(全加器、半加器)结构来快速压缩部分积,最终通过一个快速进位传递加法器得到结果。它在面积和速度之间取得了很好的平衡,常用于高性能场合。
- 查找表(LUT)乘法器:对于非常小的固定系数乘法,可以预先将结果计算好存储在ROM或分布式RAM中,直接将输入作为地址读出结果。速度极快,但只适用于特定场合。
这些高级乘法器的设计和优化,都可以看作是本文第二种和第三种基本思想的深化和扩展。理解了移位加法的本质和时序优化的必要性,再去学习这些高级算法,就会事半功倍。
在我经历的一个图像处理项目中,需要在一个中等规模的FPGA上实现一个5x5卷积核。每个核需要25次乘法。如果直接用25个DSP硬核,资源直接爆掉。我们最终采用了方法三的时序逻辑版本,并将其深度流水线化。通过精心设计数据流,让同一个乘法器模块被时分复用,同时处理多个窗口的计算。最终只用不到10个乘法器模块(消耗约1500个LUT和500个FF)就完成了任务,并且系统主频达到了150MHz,完全满足实时性要求。这次经历让我深刻体会到,在FPGA设计中,没有“最好”的实现,只有“最适合”当前约束的折中方案。掌握多种实现方式及其内在的权衡,是每个FPGA开发者走向成熟的必经之路。
1万+



被折叠的 条评论
为什么被折叠?



