基于Neon/RPi的64位DSP滤波性能优化

Question

我有一个32位的C++ DSP音频处理项目的模拟设备，夏克DSP处理器，并需要把它转移到64位处理，这已经有一段时间以来，嵌入式用例与ARM AArch64。

我正在考虑两个备选方案：

• 可以使用我自己定制的FIR和IIR过滤实现，也可以使用
• 进行一些为AArch64和Neon.

优化的库函数。

在64位精度的基础上，我有相当多的CPU密集型处理。我还需要获得更多的处理能力，因为当前Sharc性能也是一个瓶颈。IIR和FIR功能应该提供64位实时、基于块的信号处理.

我的目标平台是Raspberry，3B+可能是4。我需要的函数类型是提供的，例如在CMSIS库中作为arm_biquad_cascade_df2T_f64() (它实际上与一个辅助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)。图书馆的运作似乎是64位的。但是我怀疑它们是否适合和优化AArch64，因为CMSIS通常被标记为32位，Ne10也是类似的。

我正在探索自定义代码路径，我的问题是：

possible

• which
• 哪种霓虹灯和AArch64的特定优化是相对于普通C实现的基于块的双四叉函数

的性能提高的数量级的。

或者，当它留给编译器优化和使用Neon时，它就足够了？

Answer 1

如果您有选择的话，为了性能，您肯定希望选择AArch64而不是32位Neon实现。AArch64有更多/更宽的矢量寄存器。CPU从无序执行中获利更多，因为AArch64放弃了普遍存在的32位指令集的条件执行，这很容易通过条件标志导致指令之间的额外依赖。

我最近从一项具体的优化任务中得出的个人结论：

impressive

• helpful

• clang比gcc

• clang 10更好地实现了自矢量化，比clang 8

• clang对特定皮质核心的调整更好：-Rpass=loop-vectorize -Rpass-missed=loop-vectorize -Rpass-analysis=loop-vectorize

• neither编译器设法克服了AArch64向量gather-loads

• manually矢量代码的不足，使用ARM矢量本质的2x

• programming自动矢量化仍然受到索引不足的阻碍，并且ARM将从ARMv7到AArch64

• 的所有向量指令重新命名为AArch64

• 使用的mca (https://llvm.org/docs/CommandGuide/llvm-mca.html)，这是非常有用的< code >H 218f 219

请注意，这些经验不应泛化，这是一项具体的任务。

手动优化的实现所获得的性能取决于使用特定的普通C代码的自动向量器的成功与否。

我从一个简单的C实现开始，如果它是自动矢量化的，我研究了llvm-mca输出，发现了自动向量化代码的弱点，并从那里开始工作。