01引言
客户在使用 STM32G474 时，希望使用 FPU 进行浮点运算，并最大化其性能。本文 从 STM32G474 系统的角度、ARM DSP Lib、编译选项的影响等几个方面探讨如何提升整体性能，并介绍如何使用 KEIL 工具进行测量。
1 j& j6 v4 r  r4 p9 a2 e  w" E5 n% W
8 \/ B6 b0 E* B4 B' {02STM32G474 FPU 运算性能优化
2.1. STM32G474 系统性能优化
2 j( b7 B- H% r' K) ]9 {
. [% ~0 y+ X, K% Z6 j4 K5 fSTM32G474 使用的是 ARM Cortex-M4 内核（+FPU）。一般代码会放在 FLASH 区， 通过 I-Bus 读取。这里 STM32G474 有 FLASH 预取指及 CACHE Line, 无需放入 IRAM 或 CCM。因为 Cortex-M4 DSP 指令中没有运算指令与加载指令并行的混合指令，所以数据 存放区域及 Bus 的选择理论上对性能的影响不大。如下图 1 所示，可将 FPU 运算数据放 在 SRAM1。另外还需尽量避免 SRAM 的并发访问，如使能了 DMA，DMA 传输目的地 可以使用 SRAM2，从而减少潜在的 SRAM 并发访问产生的性能下降。应用则需要根据实 际情况，合理使用内存区域。
" o7 d5 C9 o& S& V* {2 L$ m

▲ 图1. STM32G474 架构

& _+ M2 o3 s" p' @: v
# P5 c5 V9 w" M7 c1 s2.2. ARM DSP Lib 的使用
4 z. I1 D: k( ?在 ARM DSP 库实现了很多 math 算法，可进行浮点乘加、点积、卷积、FFT、NN 等 多种算法 API，可以使用 ARM DSP 库高效使用 FPU。ARM DSP 代码位置如下：
- Z6 z( N. b/ i% s$ @

+ z6 T. W0 d* O1 V* V7 x3 |/ M2.3. 示例代码
下面示例代码中对浮点乘法运算进行了测试。用户可以使用 STM32CubeMX 生成 STM32G474 KEIL 工程，在 main.c 文件中加入如下示例代码：
: {0 @4 z4 ~1 _/ n0 W

1. 
   5 p: S* g" G3 X  K
2. __attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
   
3. {
   6 ?5 F2 E& N: n4 t  Z) O# n
4. 0.623234f, 0.799049f, 0.940890f, -0.992092f, 0.212035f, 0.237882f, -
   " @) I3 O2 e; E1 p! ~5 S  U  G1 q( E
5. 1.007763f, -0.742045f,
   
6. ~~ 这里数组使用动态生成的float数据，数据量较大，略
   
7. -0.417470f, -0.205806f, -0.174323f, 0.217577f, 1.684295f, 0.119528f,
   2 G2 V9 J4 y8 ~1 M
8. 0.650667f, 2.080061f
   0 C5 A( }% U8 i
9. };
   6 S& @' u; k& {! A6 l% i0 {9 e
10. __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
    0 {( x! _: R: u
11. {
    9 W' ~; E% P/ s% A" h
12. -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
    ' B. H4 }2 g. z+ W/ c! k
13. 1.126352f, -0.815002f,
    , R& h" M) I/ h# y- ~  x
14. 
    
15. ~~ 这里数组使用动态生成的float数据，数据量较大，略
    
16. -0.447001f, -0.725993f, 0.354045f, -0.506772f, -2.103747f, -0.664684f, 1.450110f, -0.329805f
    ! A9 Q$ `+ m' S9 e& a+ y
17. };
    0 _$ I9 L) ~0 n4 @) E- d/ a
18. 
    # {2 X0 I/ ?# Q. C. K/ o& |5 ]
19. __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
    
20. 
    6 p, u) q  K2 J, \! q: i
21. float32_t* pA;
    
22. float32_t* pB;
      A, b+ }4 R/ {: K1 f
23. float32_t* pR;
    
24. /* Private user code --------------------------------------------------*/
    
25. /* USER CODE BEGIN 0 */
    
26. void test_normal_mul(uint32_t kLoops, float32_t*
    & G5 z# W, L1 k* I
27. pSrcA, float32_t* pSrcB, float32_t*
    
28. pResult, uint32_t lenVector)
    , k4 n& A3 H' M8 P4 v7 U8 ?% c& [
29. {
      ^5 N* D' T& ~
30. for (uint32_t j = 0; j < kLoops; j++)
    
31. {
    
32. pA = pSrcA;
    & s1 @. A9 B6 |" Z6 s7 O( P
33. pB = pSrcB;
    9 f9 D4 X0 p7 y) k3 I8 P
34. pR = pResult;
    
35. 
    7 o; _- I7 m$ s8 t) ]
36. for (uint32_t i = 0; i < lenVector; i++)
    
37. { *pR++ = (*pA++) * (*pB++) ;
    7 p: ?4 W$ W+ k1 T; B" E. M
38.    }
    
39.   }
    " C# M% [, x8 ^) n" _0 F# ^
40. }
    5 i: r3 x7 u1 q7 X. x' @5 l( |, |
41. 
    
42. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
43. /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
    
44. void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
    
45. pResult, uint32_t lenVector)
    8 R: ~" S7 Q' ?+ u, D3 k
46. {
    
47. for (uint32_t j = 0; j < kLoops; j++)
    
48. {
    % b/ H* o5 q8 _* A' w1 W
49. pA = pSrcA; //Code alignment with the function without FPU
    . x5 u* N% |/ A2 P; u+ j2 `
50. pB = pSrcB;
    
51. pR = pResult;
    3 F( y/ J, B, h& R8 B4 q
52. arm_mult_f32(pA, pB, pR, lenVector);
    9 N+ l+ k: V! [- q" @: a4 |
53. }
    - j( r3 M! ~& f$ z( x/ \
54. }
    ) s" V: K, u( G- ^% r
55. #endif
    
56. 
    8 O" M- u& `- |, Z, X, I, S
57. /**
    
58. * @brief The application entry point.
    
59. * @retval int
    
60. */
    
61. int main(void)
    
62. {
    
63. /* MCU Configuration------------------------------------------------*/
    
64. 
    
65. /* Reset of all peripherals, Initializes the Flash interface and the Systick. */
    8 X9 j0 f8 S8 ~6 ?5 i2 Q
66. HAL_Init();
    
67. 
    6 y( y, G+ ]  O) g! g" H# w  ]: {+ q
68. /* Configure the system clock */
    
69. SystemClock_Config();
    : D6 z" @/ {+ T( |2 x! r
70. 
    8 S; s+ x6 P$ s. ]' C0 \7 D2 m' l
71. …
    2 |2 D: {8 ?  u  E" j. ~
72. 
    7 U4 j: G1 i2 p2 T
73. HAL_Delay(100);
    + z7 ?, @# S- V5 U9 \
74. 
    
75. /* USER CODE BEGIN 2 */
    
76. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    * o- F: s& O& J0 N9 x4 q' S" S
77. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    7 E/ G* Q1 `9 c0 x9 {
78. 
    
79. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    ' ^1 y: g% D9 C/ d7 h
80. // Multiply calculation with arm dsp lib
    
81. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    
82. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    / `6 Z* f2 }' c' Y
83. #endif
    3 q# L, B) S& f! i" b
84. 
    ; ]$ g! ]! R- \4 u$ K! t2 a
85. /* USER CODE END 2 */
    , {  D% x7 w9 N% X" l
86. 
    . Z7 d' m) b8 H9 U9 H* \
87. /* Infinite loop */
    
88. /* USER CODE BEGIN WHILE */
    * M. p3 i& T! P* V" u+ p  q
89. while (1)
    
90. {
    & M$ l7 A, D- i! i  q9 D% [
91. /* USER CODE END WHILE */
    
92. 
    6 a/ Y9 k" ]  F* V  u& p' F" n
93. /* USER CODE BEGIN 3 */
    
94. }
    
95. /* USER CODE END 3 */
    
96. }

复制代码

2.4. 工程配置
9 G% e7 b% E6 j通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。

' ~1 [/ w/ F) z) w- `
( W: A& N9 u8 c7 s

▲ 图3. KEIL 项目工程 FPU 单精度浮点设置

通过 STM32G474_FPU_TEST.sct 文件配置 Data 存放区域，如下例，将测试数据置 于 SRAM2。
. l1 c3 W4 V+ ]6 _4 E

1. 
   
2. RW_IRAM1 0x20000000 0x00014000 { ; RW data
   
3. .ANY (+RW +ZI)
   6 z. Q5 z! Y3 J% r
4. }
   8 Y$ B6 D! ^/ M, C, I/ I9 r
5. RW_IRAM2 0x20014000 0x00004000 {
   
6. *(.TEST_INPUT_A)
   + F6 H7 e7 M) c2 |; Q  ~! V# d5 `
7. *(.TEST_INPUT_B)
   
8. *(.TEST_RESULT_D)
   
9. }
   
10. RW_CCM 0x20018000 0x00008000 {
    
11. }

复制代码

完成后，进行编译链接，即可进行 STM32G474 FPU 性能的测试。
1 b/ X* ~7 B2 }# G1 G
2.5. 编译选项
& E) V9 M* |, a4 s+ N; M  p* _本文中我们使用的是 KEIL IDE，设置使用的是 KEIL Compiler V5。为了获得代码最 大程度上优化，我们使用了-O3 优化选项，与-Otime（Optimize for Time）结合使用。该组合选项意味着会进行更多代码优化，如循环展开，更激进的函数内联和自动函数内联 （-O3 默认使用--autoinline）等，当然副作用是二进制代码大小会有所增加。另外，增 加设置 --loop_optimization_level=2 来控制循环展开的优化等级。（注意：-- loop_optimization_level=2 选项只能与-O3 -Otime 一起使用。）如果您对 FPU 架构比 较熟悉，也可以尝试增加—fpu=fpv4-sp（Cortex-M4F FPU 实现的是 FPv4-SP 浮点运 算扩展）等选项，不过一般使用默认即可。
) i- x( O/ q) w$ g; ]

▲ 图4. KEIL 工程，编译选项设置

03使用 KEIL Trace 工具进行测量
' }( K( n- H% j/ e7 E9 Q3.1. KEIL 工程设置
* F& W5 A( N6 N: R& E
KEIL 工程下，首先选择工程选项设置，在 Debug 选项页中，右上部使用 Debugger 工具栏中选 Settings，如下图 5 和图 6 设置。注意 KEIL Trace 设置的时钟必须要与实际 STM32 使用的系统时钟相一致，如图 6 中，STM32G474 使用了 170MHz 的系统时钟， KEIL Trace 中也要相应设置为 170MHz。

▲ 图5. KEIL 工程，Debugger 设置入口

▲ 图6. KEIL 工程，Cortex-M Trace 功能设置

运行KEIL debugger，如下图7所示，将断点设置在要测量的语句前及其后，执行 代码，当Debugger停在断点时，其状态栏中t1指示的即为当前代码的已执行时间。测试代码起止时间差即为代码执行用时。该Trace功能计时是比较准确的。当然如果您希望掌控更多，也可以通过代码来实现，如增加诸如如下代码：
" b2 ~$ B% ~4 n' \* l& q" KnStart = DWT->CYCCNT;
~~~需测试执行时间的代码~~~
1 U: |$ s* V1 C: xnStop = DWT->CYCCNT;
然后用(nStop – nStart)/系统时钟，换算成时间即可。（我们这里没有考虑中断，一 般测量前需要禁用中断）

▲ 图7. KEIL 工程，Debug 模式下 Trace 程序执行时间

3.2. 测试结果
/ h; j& w" M( L  p6 G下表列出了STM32G474 10K次 浮点“乘”用时统计。
9 y1 r9 s5 v2 S! }4 l/ j

▲ 表1. STM32G474 10K 次 浮点“乘”用时统计表

10 X 1024次浮点乘
* [: F: N4 X+ \( l) r/ c/ {- ]" x
% o1 H8 ]0 G; \- f% \增加--loop_optimization_level=2 编译选项
- \9 P% d( Y, t2 d! V
FPU 核心汇编代码的比较，见图8和图9。

▲ 图8. 使用--loop_optimization_level=2 编译选项的常规代码汇编

▲ 图9. ARM DSP 库 arm_mult_f32 函数汇编

使用loop_optimization_level=2, 常规代码使用KEIL compiler V5编译结果与 arm DSP Lib 的核心汇编基本相同。如果不使用loop_optimization_level=2编译选项， 则可以看到其主要区别在于KEIL Compiler V5 与ARM库对loop的unroll 处理程度不 同。在实际应用时，需要根据应用自身需求判断是否需要使用ARM DSP Lib，基本上 ARM DSP Lib是很高效的。

04小结
* m$ L' r1 i7 h. Q本文介绍了使用 STM32G474 FPU 进行浮点运算，从系统的角度、ARM DSP Lib、 编译选项的影响等几个方面探讨如何提升整体性能，并介绍了如何利用 KEIL Trace 工具进 行测量。以供在系统性能方面有需求的客户参考借鉴。
$ M" x1 y- Q$ G% c; e" i2 m2 p

+ w/ l4 y+ _/ A  [1 U4 w( [如果你有其他想要的实战笔记，可评论区留言，管管来跟工程师沟通！



: j6 F& e* H% g! B7 y- b
: }: Z9 x! I; n
2 c) I+ R' l+ y# N9 z& x+ r( |
$ I: k% k+ Y6 f' ~! P/ K
7 p1 u8 {0 |1 M
+ X/ W* a3 b# O, w

4 B3 A( X1 `* u0 Z- u


. y4 T. Z  p- ~! i/ l4 w