BlockfloatingFFT又称为块浮点FFT运算。

在FFT的硬件实现中，必须解决数据的动态范围问题．可以采用以下不同的数据格式来解决这一问题：

1)采用定点运算方案；

2)采用浮点运算方案；

3)采用块浮点运算方案．

定点运算，实现结构简单，存储空间少，运算速度快，但因受到字长的限制，数据动态范围小，舍入误差会降低最终处理结果的精度．

浮点运算，可以消除动态范围局限的问题，输出信号平均信噪比较高，但运算电路复杂，存储空间大，运算速度慢，系统造价较高，而且在加法和乘法中都会产生舍入误差．

块浮点介于浮点和定点之间，是2种表示法的结合．在这种表示法中，一组数据具有一个----共同的指数，这个指数是这组数中绝对值最大的那个数的指数．这样，在对数据块执行加法和乘法运算时，无需进行额外的指数操作，仅对尾数进行加法和乘法运算即可，与定点运算一样方便．在运算过程中，逐级进行溢出判断和移位选择，实现动态范围扩展E引。

把一个数表示为尾数部分和指数部分，则称该数为浮点数(floating point number)。例如十进制数为+63.8写成浮点数则为0.638×102，其中+0.638是尾数部分，102是指数部分。对浮点数进行的算术运算称为浮点运算。

下面介绍一下在Altera公司提供的FFT IPCORE中与此概念相关的内容：

Altera 提供的FFT Megacore 提供三个有关信号的输出，也就是实部幅值，虚部幅值和指数

值（exp）。FFT 采用 Block Floating Point （bfp）的数字表达方式。所谓的BFP 是介于定点数和浮点数之间的一种数字表示方法。众所周知，每个浮点数由尾数（mantissa）和指数(Exponent) 共同

组成。如果要计算的数多了，额外的指数寄存器就会让一些系统吃不消了。一个解决办法就

是，一批要被同样的算法处理的数，假设把 n 个这样的数叫做一个 block，让他们共享一个

指数寄存器，数与数的区别仅在其尾数项。在运算的时候幅值最大的那个数的最高位成为敏

感位，如果它要溢出，那么指数寄存器记录一次（如果用符号表示溢出一次，原来指数寄存

器的值为-1，则新值应该为-2），同时尾数向右移一位（LSB 被丢弃，MSB前面补符号位），

这样尾数就不会溢出。到最后综合计算结果的时候，尾数的值向左移n位（如果指数（exp）最后值

为-n的话），或者说尾数乘上2的n次方才对应真正的输出。