Question

我有一个符合规范的信号处理库。但是，我已经确定了一些重构的好地方。我有意将单元测试整合到我的工作流程中一段时间，这看起来是一个尝试非平凡代码的好机会。这样我可以测试重构后输出几乎相同。

我正在试验catch作为测试框架，但是，这个细节可能无关紧要（因为我可以收集）所有测试框架都取决于运算符的结果，即

REQUIRE(i_x == 2)

但是，对于浮点数据，需要进行某种形式的错误边界检查。。

const float target = 2.000f;
const float tolerance = 0.000005f;
const float err = target*tolerance;
REQUIRE( (f_x > target-err) && (f_x < target+err) )

对于每次编写的测试，这都会很快变得难看，所以当然，我可以创建一个（模板化的）全局函数，返回bool给定x，target和{{ 1}}作为参数。

这是其他人这样做的方式吗？这是最佳做法还是我错过了一招？

Answer 1

测试对上下文非常敏感。你建议的测试测试相对误差。从本质上讲，你在这种特殊情况下断言：

正常，可接受的代码更改可能会在每个结果中产生相对于结果较小的偏差。
错误可能会产生相对于结果不小的偏差。

总的来说，我认为第二个断言通常是安全的。 “随机”代码更改可能会在至少某些值上产生巨大差异。但是，可能有一些应用程序可以很好地处理浮点数，在这种情况下，小偏差可能会导致结果超出规范。例如，假设您有一个arcsine例程，该例程返回的结果与正确的结果略有不同：当正确的结果为1时，它返回1 + 2 ^-23。之后，此结果x为用在sqrt(1-x*x)之类的表达式中。对于所有数学上正确的arcsine值（对于实数输入），此表达式是真实的，但是，如果x略大于1，则它会尝试取负数的平方根，并发生错误。所以你必须决定第二个断言是否适合你的应用。

第一个断言更值得怀疑。浮点运算中的误差源并不总是与最终结果成比例。例如，考虑采用某些输入信号的离散傅立叶变换（DFT）。对于几乎每个输出数字，每个输入数字贡献一些部分。根据偶然情况，某些单独的输出数字将接近零。但是，它们中的错误可能与输入中的大数字成比例。因此，对这些输出数量应用相对误差测试将产生错误的错误指示。相反，有必要允许输入以某种方式缩放的错误。

单元测试浮点信号处理库时的误差界限

1 个答案: