ARM / NEON的64位/ 32位分区更快算法？

Question

我正在研究一个代码，其中两个地方有64位乘32位定点分割，结果以32位进行。这两个地方共占用了我总时间的20％以上。所以我觉得如果我能删除64位除法，我可以很好地优化代码。在NEON中，我们可以有一些64位指令。任何人都可以建议通过使用更快的实现来解决瓶颈问题。

或者如果我能用C中的32位/ 32位除法进行64位/ 32位除法，那还可以吗？

如果有人有任何想法，你能帮帮我吗？

Answer 1

我过去做了很多定点运算，并且自己做了大量的研究，寻找快速的64/32位分区。如果你谷歌搜索'ARM部门'，你会发现吨很棒的链接和关于这个问题的讨论。

ARM架构的最佳解决方案，即使32位除法可能无法在硬件中使用，也可以在这里：

http://www.peter-teichmann.de/adiv2e.html

这个汇编代码非常旧，你的汇编程序可能无法理解它的语法。但是，值得将代码移植到您的工具链中。这是我迄今为止看到的特殊案例中最快的部门代码，请相信我：我对它们进行了基准测试： - ）

上次我这样做（大约5年前，对于CortexA8），这段代码比编译器生成的代码快10倍。

此代码不使用NEON。一个NEON端口会很有趣。不确定它是否会提高性能。

修改

我发现汇编程序的代码移植到GAS（GNU工具链）。此代码正在运行和测试：

<强> Divide.S

.section ".text"

.global udiv64

udiv64:
    adds      r0,r0,r0
    adc       r1,r1,r1

    .rept 31
        cmp     r1,r2   
        subcs   r1,r1,r2  
        adcs    r0,r0,r0
        adc     r1,r1,r1
    .endr

    cmp     r1,r2
    subcs   r1,r1,r2
    adcs    r0,r0,r0

    bx      lr

<强> C代码：

extern "C" uint32_t udiv64 (uint32_t a, uint32_t b, uint32_t c);

int32_t fixdiv24 (int32_t a, int32_t b)
/* calculate (a<<24)/b with 64 bit immediate result */
{
  int q;
  int sign = (a^b) < 0; /* different signs */
  uint32_t l,h;
  a = a<0 ? -a:a;
  b = b<0 ? -b:b;
  l = (a << 24);
  h = (a >> 8);
  q = udiv64 (l,h,b);
  if (sign) q = -q;
  return q;
}