当单元测试浮点信号处理库时出现错误界限

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。我一直有意将单元测试合并到我的工作流程中一段时间，这看起来像是一个很好的机会来尝试使用非平凡的代码。这样我就可以测试重构后的输出接近完全相同。当单元测试浮点信号处理库时出现错误界限

我与catch试验作为测试框架，但是，这个细节可能是无关紧要的（从我可以收集）的所有测试框架周围结果铰链由运营商，即

REQUIRE(i_x == 2)

然而，浮动点数据，则需要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))

这将很快得到丑陋的人，写的每一个测试，这样我就可以，当然，作出这样的返回（模板化）全局函数bool给x，target和tolerance作为参数。

这是所有人都这样做的方式吗？这是最佳做法还是我错过了一个窍门？

来源

2012-09-13 learnvst

我不确定最佳实践是什么，但这就是我所做的......'附近（浮动实际，浮动预期，浮动公差）' –

测试对上下文高度敏感。你提出的测试测试相对误差。实质上，你声称在这种特殊情况下：

正常的，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。

总之，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，有些应用程序可以很好地处理浮点运算，在这种情况下，小的偏差可能导致超出规范的结果。例如，假设您有一个反正弦例程，该例程返回的结果与正确的结果稍有不同：当正确结果为1时，返回1 + 2 ^-23。稍后，此结果x用于表达式为sqrt(1-x*x)。该表达式对于所有数学上正确的反正弦值（对于实际输入）是真实的，但是，给定略大于1的x时，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程序。

第一个断言更可疑。浮点算术中的误差源并不总是与最终结果成比例的。例如，考虑对某些输入信号进行离散傅立叶变换（DFT）。对于几乎每个输出编号，每个输入编号都会贡献一些部分。偶然的情况下，一些单独的输出数字将接近于零。但是，它们中的错误可能与输入中的大数成正比。因此，对这些输出数字应用相对误差测试会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。

来源

2012-09-13 14:14:31

当单元测试浮点信号处理库时出现错误界限

回答

相关问题