我在 ADI 公司的 Sharc DSP 处理器上有一个 32 位 C++ DSP 音频处理项目,需要将其移至 64 位处理,该项目现在已可用于 ARM AArch64 的嵌入式用例。
我正在考虑两种选择:
除了 64 位精度之外,我还有相当多的 CPU 密集型处理。我还需要获得更多的处理能力,因为目前 Sharc 性能也是一个瓶颈。 IIR 和 FIR 功能应提供 64 位实时、基于块的信号处理。
我的目标平台是 Raspberry Pi,3B+ 可能是 4。提供了我需要的那种功能,例如在 CMSIS 库中为
arm_biquad_cascade_df2T_f64()
(它实际上与补充 init 函数一起工作,该函数实现了以基于块的方式处理数据所需的状态数组)。库 funcs 似乎适用于 64 位。但我怀疑它们是否适合 AArch64 并针对 AArch64 进行了优化,因为通常 CMSIS 标记为 32 位,类似的 Ne10。我正在探索自定义代码路径,我的问题是:
或者当它留给编译器优化和使用 Neon 时就足够了?
最佳答案
如果您有选择,为了性能,您肯定希望选择 AArch64 而不是 32 位 Neon 实现。 AArch64 有更多/更宽的 vector 寄存器。并且 CPU 从乱序执行中获益更多,因为 AArch64 放弃了 32 位指令集无处不在的条件执行,这很容易通过条件标志导致指令之间的额外依赖。
我个人最近从一个特定的优化任务中得出的结论:
-Rpass=loop-vectorize -Rpass-missed=loop-vectorize -Rpass-analysis=loop-vectorize
请注意,这些经验不应该泛泛而谈,这是一项特定的任务。
通过手动优化实现获得多少性能取决于使用特定纯 C 代码的自动矢量化器的成功。
我从一个普通的 C 实现开始,让它自动矢量化,研究了 llvm-mca 输出,发现了自动矢量化代码的弱点,并从那里开始工作。
关于c++ - Neon/RPi 上的 64 位 DSP 滤波性能优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64115868/