隨著嵌入式系統(tǒng)變得越來越智能，對嵌入式處理器的要求也越來越高。為了更好應(yīng)對汽車、醫(yī)療和工業(yè)機器人等領(lǐng)域?qū)η度胧教幚砥鞯囊螅?a target="_blank">Arm推出了采用Armv8-R架構(gòu)的Cortex-R52。Cortex-R52相對之前的處理器引入了很多新的特性，其中一個就是NEON。

本文主要介紹如何在IAR Embedded Workbench for Arm中使用Arm Cortex-R52NEON。

注意：由于Cortex-R52和Cortex-R52+具有相同的指令集并且軟件兼容， 除非特別說明，本文中的Cortex-R52同時包括Cortex-R52和Cortex-R52+。

01Arm Cortex-R52 NEON介紹

Arm NEON概述

大多數(shù)Arm指令是單指令單數(shù)據(jù) (SISD，Single Instruction Single Data)：即每條指令對單個數(shù)據(jù)執(zhí)行指定的操作，因此，處理多個數(shù)據(jù)需要多條指令，相對較慢。為了提高性能和效率，Arm推出了對應(yīng)的高級單指令多數(shù)據(jù) (SIMD, Single Instruction Multiple Data)架構(gòu)擴展NEON。Arm NEON 是針對Armv8架構(gòu)Cortex-A和Cortex-R處理器的高級單指令多數(shù)據(jù)架構(gòu)擴展。

單指令多數(shù)據(jù)指令可同時對多個數(shù)據(jù)執(zhí)行相同的操作，如果數(shù)據(jù)處理很簡單并且重復多次，單指令多數(shù)據(jù)指令可以帶來顯著的性能提升。如下圖所示，單指令多數(shù)據(jù)指令 (ADD V10.4S, V8.4S, V9.4S)可以同時對4個數(shù)據(jù)進行加法運算：

Arm NEON寄存器(Registers), 向量(Vectors), 通道(Lanes)和元素(Elements)

Arm處理器有通用寄存器(R0-R15)，AArch32的通用寄存器寬度是32位，AAarch64的通用寄存器寬度是64位。Arm NEON有對應(yīng)的NEON寄存器(NEON寄存器數(shù)目跟對應(yīng)處理器相關(guān))，NEON寄存器寬度是128位，同時NEON寄存器可以8位、16位、32位、64位或128位寄存器訪問。NEON寄存器包含相同數(shù)據(jù)類型元素(Elements)的向量(Vectors)，輸入和輸出NEON寄存器中相同的元素(Elements)位置稱為通道(Lanes)。

通常，每條NEON指令會并行執(zhí)行n個操作，其中n是輸入向量被劃分為的通道數(shù)。每個操作都包含在通道中，從一個通道到另一個通道不能有進位或溢出。NEON向量中的通道數(shù)量取決于向量的大小和向量中的元素大小。

128位NEON向量可以包含以下元素大?。?/p>

16個8位元素(操作數(shù)后綴.16B，其中B表示字節(jié)Byte)

8個16位元素(操作數(shù)后綴.8H，其中H表示半字Half word)

4個32位元素(操作數(shù)后綴.4S，其中S表示單字Single word)

2個64位元素(操作數(shù)后綴.2D，其中D表示雙字Double word)

64位NEON向量可以包含以下元素大小(128位寄存器的高64位清零)：

8個8位元素(操作數(shù)后綴.8B，其中B表示字節(jié)Byte)

4個16位元素(操作數(shù)后綴.4H，其中H表示半字Half word)

2個32位元素(操作數(shù)后綴.2S，其中S表示單字Single word)

向量中的元素從最低有效位開始排序，元素0使用最低有效位。

下面是8個通道16位元素(8*16 =128)相加的示例：

Arm Cortex-R52 NEON概述

Arm Cortex-R52屬于Armv8-R架構(gòu)，Armv8-R架構(gòu)本身支持NEON，Cortex-R52具有對應(yīng)的NEON配置選項：只支持單精度浮點運算或者支持單精度、雙精度浮點運算和NEON。

Cortex-R52 NEON包含16個128位的寄存器，這些寄存器可以當作32位的單精度寄存器S0-S31，64位的雙精度寄存器D0-D31或者128位的四字寄存器Q0-Q15：

02Arm NEON使用介紹

作為程序員，您可以有多種方法使用Arm NEON：

支持Arm NEON的庫

使用支持Arm NEON的庫(比如Arm Compute Library， Ne10等庫)可以很快捷方便地使用Arm NEON。

編譯器自動向量化(Auto-vectorization)

編譯器自動向量化可以自動優(yōu)化代碼，充分利用Arm NEON。編譯器自動向量化一般包含兩部分：

循環(huán)向量化(Loop vectorization)：展開循環(huán)以減少迭代次數(shù)，同時在每次迭代中執(zhí)行更多操作；

超字并行向量化(SLP，Superword-Level Parallelism vectorization)：將多個標量運算綁定到一起，使其成為向量運算，以充分利用高級單指令多數(shù)據(jù)指令。

NEON內(nèi)在(intrinsics)函數(shù)

NEON內(nèi)在函數(shù)是編譯器用適當?shù)?NEON指令替換的函數(shù)調(diào)用。NEON內(nèi)在函數(shù)提供的控制幾乎與編寫匯編語言一樣多，但將寄存器的分配留給編譯器，以便開發(fā)人員可以更專注于算法。NEON內(nèi)在函數(shù)在arm_neon.h中定義。

NEON匯編

為了獲得非常高的性能，對于經(jīng)驗豐富的程序員來說，編寫 NEON匯編也是一種選擇。

03在IAR Embedded Workbench for Arm中使用Arm Cortex-R52 NEON

前面介紹了Arm NEON的基本概念和對應(yīng)的使用方法，下面介紹如何在IAR Embedded Workbench for Arm中使用Arm Cortex-R52 NEON，主要包括使用編譯器自動向量化和NEON內(nèi)在函數(shù)。

編譯器自動向量化

編譯器自動向量化需要指定對應(yīng)的編譯器選項才能讓編譯器進行對應(yīng)的自動向量化優(yōu)化：

對應(yīng)的處理器支持NEON

對應(yīng)的編譯選項使能編譯器自動向量化

首先要確保對應(yīng)的處理器支持NEON：

對應(yīng)的Core要選擇為Cortex-R52/Cortex R52+:

同時對應(yīng)FPU要選擇為VFPv5 double precision, D registers要選擇為32，并且要勾選Advanced SIMD (NEON/HELIUM)選項：

對應(yīng)CPU和FPU的編譯器選項分別為：--cpu=Cortex-R52/Cortex-R52+和--fpu=VFPv5。

然后對應(yīng)的編譯器優(yōu)化選項要使能編譯器自動向量化：

編譯器優(yōu)化等級需要選擇為High Speed，并且勾選Vectorization選項才會使能編譯器自動向量化：

對應(yīng)編譯器優(yōu)化等級和自動向量化的編譯器選項分別為：-Ohs和--vectorize。

另外可以通過#pragma vectorize命令對后面的循環(huán)單獨使能/不使能編譯器自動向量化(只有在編譯器優(yōu)化等級為High的時候#pragma vectorize命令才會生效)：

下面通過一個簡單的示例進行介紹：

void vec_mul_int (int* vec_A, int* vec_B, int* vec_C, int len_vec)

{

int i;

for (i=0; i

{

vec_C[i] = vec_A[i] * vec_B[i];

}

}

首先不使能編譯器自動向量化進行編譯，然后查看對應(yīng)的反匯編代碼(可以使用ielfdumparm xxx.o xxx.txt --code --source命令將對應(yīng)的.o文件輸出為對應(yīng)的.txt文件)，對應(yīng)的乘法操作采用的是普通的乘法指令MULS R5, R4, R5：

然后使能編譯器自動向量化進行編譯，查看對應(yīng)的反匯編代碼使用了NEON相關(guān)的高級單指令多數(shù)據(jù)指令，其中乘法操作使用了VMUL.I32 Q0,Q0,Q1指令，同時對4個32位整型數(shù)據(jù)(.I32)進行乘法操作(VMUL)：

NEON內(nèi)在函數(shù)

使用NEON內(nèi)在函數(shù)需要包含對應(yīng)的頭文件 arm_neon.h：

#include

void vec_mul_int(int* vec_A, int* vec_B, int* vec_C, int len_vec)
{
int i;

for (i=0; i<(len_vec / 4); i++)
{
*((int32x4_t*)vec_C) = vmulq_s32(*((int32x4_t*)vec_A), *((int32x4_t*)vec_B));

vec_A = vec_A + 4;
vec_B = vec_B + 4;
vec_C = vec_C + 4;
}
}

其中int32x4_t表示的是4個32位整型數(shù)據(jù)，vmulq_s32表示的是對s32(32位整型)數(shù)據(jù)進行向量乘法操作。

查看對應(yīng)的反匯編代碼，對應(yīng)的vmulq_s32 NEON內(nèi)在函數(shù)被翻譯為對應(yīng)NEON相關(guān)的高級單指令多數(shù)據(jù)指令，其中乘法操作使用了VMUL.I32 Q0,Q1,Q0指令，同時對4個32位整型數(shù)據(jù)(.I32)進行乘法操作(VMUL)：

04總結(jié)

本文首先介紹了Arm NEON的基本概念，然后介紹了使用Arm NEON的通用方法，最后詳細介紹了如何在IAR Embedded Workbench for Arm中使用Arm Cortex-R52 NEON，包括使用編譯器自動向量化和NEON內(nèi)在函數(shù)，用戶可以根據(jù)項目具體情況選擇合適的策略。