Question

我试图对n个元素的字节数组执行特定8个n位数组的矩阵转换，每个数组都有n位（大约70,000个）。

上下文信息：8个n位数组是8个通道的RGB数据。我需要有一个字节代表8个数组的第n位。这将在ARM Cortex-M3处理器上运行，并且需要尽可能快地执行，因为我使用生成的阵列生成8个同步信号。

我已经提出了一个伪算法（在链接中）来做这件事，但我担心这对处理器来说可能太昂贵了。

我正在寻找执行速度最快的代码。尺寸是次要的。我会很感激的建议。

这是我实施的，但结果不是那么好。

do{
    for(b=0;b<24;b++){ //Optimize to for(b=24;b!=0;b--)
        m = 1 << b;
        *dataBytes = *dataBytes + __ROR((*s0 & m),32+b-0); //strip 0 data       
        *dataBytes = *dataBytes + __ROR((*s1 & m),32+b-1); //strip 1 data
        *dataBytes = *dataBytes + __ROR((*s2 & m),32+b-2); //strip 2 data
        *dataBytes = *dataBytes + __ROR((*s3 & m),32+b-3); //strip 3 data
        *dataBytes = *dataBytes + __ROR((*s4 & m),32+b-4); //strip 4 data
        *dataBytes = *dataBytes + __ROR((*s5 & m),32+b-5); //strip 5 data
        *dataBytes = *dataBytes + __ROR((*s6 & m),32+b-6); //strip 6 data
        *dataBytes = *dataBytes + __ROR((*s7 & m),32+b-7); //strip 7 data
        dataBytes++;
    }       
    s0 += 3;
    s1 += 3;
    s2 += 3;
    s3 += 3;
    s4 += 3;
    s5 += 3;
    s6 += 3;
    s7 += 3;
}while(n--);

S0到7是8个单独的向量，其中的比特以24的组为单位。 N是组的数量，m是掩码，b是掩码位置。 dataBytes是生成的数组。

Answer 1

优化时总会有两件事情，

内存带宽
CPU时钟

带宽

您当前的算法一次加载一个字节。您可以通过一次加载至少32位来更有效地完成此操作。这将优化ARM总线。对于某些情况，结束算法不会被BUS绑定，如果是，则为此进行了优化。

对于不同的ARM CPU，有pld等指令可以尝试通过预先提取下一个数据元素来优化BUS。这可能适用于您的Cortex-M，也可能不适用。另一种技术是尽可能将数据重新定位到更快的内存，例如TCM。

CPU速度

像素处理几乎总是通过SIMD类型指令加速。 Cortex-M的指令标记为 SIMD。不要挂在标签上 SIMD ;使用这个概念。如果您已将多个字节加载到单词中，则可以使用表格。

 const unsigned long bits[16] = {
              0,          1,      0x100,      0x101,
        0x10000,    0x10001,    0x10100,    0x10101,
      0x1000000,  0x1000001,  0x1000100,  0x1000101,
      0x1010000,  0x1010001,  0x1010100,  0x1010101
 }

类似的概念用于因特网上的许多CRC算法。处理每个半字节（4位）并一次形成一个位的下一个四字节输出。可能有一个可以替换表的乘法值，但这取决于你的速度倍数，这取决于Cortex-M和/或ARM的类型。

绝对是'C'中的原型，然后转换为汇编程序或尽可能使用内联汇编程序。如果您的算法中有许多mov语句，则表明编译器可能比您更好地分配寄存器。许多复杂的算法使用代码生成器（在phython，perl等中编写脚本），它可以展开你最终的最佳循环，并以算法的方式跟踪寄存器。

注意：仔细检查我的表格;它只是第一个裂缝，我实际上没有编码这个特定的算法。可能有更多光滑的方法一次处理多个位，但这个想法可能很有成效。

如何在ARM程序集中转置矩阵

1 个答案:

带宽

CPU速度