你的浏览器版本过低,可能导致网站不能正常访问!
为了你能正常使用网站功能,请使用这些浏览器。

基于STM32H7芯片的矩阵运算应用示例

[复制链接]
yumeii 发布时间:2019-12-27 15:12
在STM32的应用开发过程中,我们有时可能涉及到DSP应用,需要使用到相关DSP函数。这里基于STM32H743芯片的Nucleo开发板,做个有关矩阵运算应用的演示,简单的演示下两个矩阵相乘的实现过程。
( Q( h' W+ B. m9 @! c: H
2 \7 {  w! M5 f& i; W8 x& p$ r开发环境选择的是ARM MDK,当然你也可以选其它的,比方IAR, STM32CubeIDE等。8 f5 r8 J0 h7 `9 M

9 d+ b+ l& X* j% j, K* q+ h

/ p3 {4 J$ g: ?我们要用到ARM提供的DSP函数库,该库在STM32的Cube库或标准库里都可以找到。3 x* g4 M( r0 D

9 c4 F- T2 @9 x4 Q+ b$ {

8 s1 L" x9 h- F9 r: e以STM32CubeH7的库为例,相应的DSP函数库一般在下面位置:
: L8 w% r1 Y7 p6 f: {9 N
! d- M/ x. A5 [5 K9 C: Q7 g) B: E8 ~

/ m. `. d9 r* k 1.png
. j* y" ^: O& ^( P8 B  c4 U, J6 ?
6 c2 `) u+ L0 @

& a' I6 J5 k( j1 N2 }上图中绿色方框内的函数即为跟矩阵相关的函数库文件。% H0 v3 I0 `" N4 L, e% l
# @( j0 a  G( f0 n$ z* o, R7 v

, a4 r" O5 O/ }7 y具体使用时,我们直接添加相应的lib库进来即可,不过,添加该lib库文件时要注意两点:( F  g) _4 b% u

# L4 e( F. p5 C* }% w# G

: g/ u3 q. `6 p$ U5 M0 @+ A你选择的库文件要跟你芯片类型一致,内核类型、大小端模式、是否支持浮点运算。
5 I+ u- [$ _8 i( |2 y: D0 R0 o6 ~2 h4 W" \

% J  I1 f7 x  D; m0 L  o你选择的库文件还要跟你所使用的编译器匹配,即IDE是MDK还是IAR等。
" @( f. E. o6 u7 N
1 W& F8 A& t4 d( v# p& v$ Y

, `# I5 {$ H, W' l! U! l$ S基于上面两点我们添加arm_cortexM7lfdp_math.lib文件【corex M7、小端模式、支持硬件浮点单元】。
$ `8 Q, h% Y' H2 Y
$ \3 n5 J* \6 h. v5 {7 C6 k- l8 }
0 n' S9 V# G0 ?* k
2.png
, W4 [. Y1 O4 E/ F/ u% ]/ ]& @
" g3 I' t5 g$ n3 n& r1 p7 `  ~
* b& x6 J' Y* L( H. X
在我们的main()文件里添加arm_math.h头文件。记得在IDE环境的配置里添加相应的搜索路径。启用硬件浮点运算单元。开启有关宏定义。【宏开关不用特别去记,缺少的话编译时会报错】
! m) C  w" I2 ~" i  {- [' u5 C# Z- o1 D! G

# T+ g8 q. C& x# C 3.png " g8 h7 d0 ]) X: `% [. g$ d! M

8 B. U, D: j5 O) `3 B
/ ^3 v7 D' U* U# _1 R: `( r8 W0 ~
下面构造三个矩阵,A矩阵的数据表示某家芯片代理商为他的8个客户分别提供四种不同规格的芯片,数据以包为单位。不同型号的包装规格不一样。A矩阵为8X4矩阵。" Z. Q7 A; ]! N( s

$ w+ \& z9 R3 G9 z
+ J5 n' J4 R6 e/ t/ Z6 V
B矩阵表示A矩阵中各类包装每包的数量、价格、运费、重量,为4X4矩阵。
: I$ U% ^1 v1 P9 _
7 u  K+ V- N* V  m" k! s' K

% f1 w: r, p; q3 d1 b二者的矩阵乘积表示各个收货方收到芯片的总数、应付货款、运费、以及货物总重量,将构成8X4矩阵。矩阵里的数据使用浮点数,数据随意设计的。
; ]5 p" Z3 t4 {
9 i# ~! |7 f+ R9 l' e我们知道,两个矩阵可乘有个前提,比方A*B,矩阵A的列数应该等于矩阵B的行数,相乘后所得的乘积矩阵的行数等于矩阵A的行数,其列数等于矩阵B的列数。9 y& r9 K- e. _( Z: p

, b/ D2 x! I. L: }- l
( T4 x; h& u( c% j# Y: D  I4 t* T
具体到这里,矩阵A的行数为8,列数为4,矩阵B的行数、列数均为4。A*B所得矩阵的行数为8,列数为4.+ u6 K& G  A$ E/ s

1 Y0 O$ F$ U! ^& M
9 j& R( t8 W4 [' _" O5 c
4.png
0 z& o4 ^" x4 A
  \/ e6 }4 {. B0 ~+ P
  M1 ~6 g: o; L3 Y5 l, N( p# `
5.png
' |. S2 n1 {$ ], w/ m  W
, r9 d. Z# _/ o8 q/ r5 v
- m7 l0 g; ~1 N: X7 t8 ]( b  T
下面做相关代码的准备。
& O' W7 A. }/ r4 m/ [$ o. q
0 O8 `! [- d; ^- ]  F

3 `; X! k& c6 g4 _; x9 d定义三个数组,pDataA[32]数组对应矩阵A, pDataB[16]数组对应矩阵B,第3个数组pDataC[32]对应矩阵AB乘积所得的新矩阵。
: v3 n0 f3 O: s7 o' J4 H
) {; d$ f. S; M& ]7 X

3 p3 ~9 @- M0 q( r 6.png
1 n: d! b, o" q  I
( t& c: u$ e* J) M9 N! v- ~
* m, }  W, `; L9 ]3 T1 K: ~6 Z
基于上面的3个数组定义3个如下矩阵变量:- a& N4 e: T% q

9 |" c6 \: i: T- y* M8 U( f* j
- x: T, h0 ~1 f  c3 N  c3 E1 F7 Q
7.png 5 l# a$ m0 ~2 g5 Q" W

6 [$ T4 Y$ L8 u, C
$ i9 G" N4 F  r, O2 S
关于结构体arm_matrix_instance_f32的定义和说明,可以在arm_math.h中看到。4 f3 q( w4 t; @" r8 Y- l, @

/ o& m3 _( q7 U/ X- T8 S5 [

. a) U9 _5 v8 _/ f6 \ 8.png
: U5 @: w+ A- f& A8 I* M- V5 D; C) Y) L7 ~
9 b/ r2 a+ i: R. I
接下来对3个矩阵进行初始化,注意行、列数别给错了。- I7 b3 M+ B; }( m  U! k; c
: W; _" _6 C: A) B, d- l1 R  s
8 p0 _+ H: }" z7 w. Y: a
9.png 9 o- d4 Q0 r' p
. r# v* m8 x* i4 A3 b; R' g7 ^
) S$ |$ e" Q. k1 J8 x
一切都准备好了,就可以进行矩阵乘法计算了,调用库函数中arm_mat_mult_f32()函数。8 y$ T8 p1 g0 Z4 W4 O4 m5 I
2 F6 @' ?; C+ P0 L5 W

3 ~3 E8 {+ {) n 10.png & v, }+ M' k8 m( ]8 _9 i8 t
  Y) L$ O$ l1 ]
9 E4 h; K1 _2 [3 {: @
矩阵相乘后的运算结果存放在数组pDataC[32]里面,按8*4的矩阵摆放。- a% _; y3 Q, s. a9 F
* f2 R) x: M+ C( p6 c8 z: i, p

& a: a4 w! a6 D; O- U( v 11.png ! c9 b" T* t+ H& n8 k1 t1 ?6 |/ ]* Q

. g0 G- h! B0 s: O

0 t8 G+ W2 k* }( A上述运算结果跟使用MATLAB数学工具通过矩阵乘法得到的结果整体上非常一致。数据会稍有些小出入,毕竟是基于浮点运算所得结果。
4 K1 Y8 L/ Q) J7 w6 l  A: S1 K' H' k% @
我们知道,STM32H7是带Cache和FPU的。不妨基于该矩阵乘法应用比较不同情况下的运行时间。以定时器的计数时钟为单位。根据Cache和FPU的开启与关闭的不同组合进行测试,可以做些相对比较,让我们有些直观的感受。测试时ARM MDK的优化等级为-o3。顺便提醒下,如果不开启硬件FPU,调用的DSP库函数应选择另外一个不支持硬件浮点单元的函数库。
, x* n# s5 f" ?* V4 e
2 _+ o) V& V. V1 Q8 d5 T, D
3 T2 M" H6 \1 Z8 f2 s) V# D5 T, y6 o
12.png " f, b! \0 ^* ]

5 e( O' @" @4 w3 j- R0 F  B

) A6 `2 A& L, a1 d7 h- R  M0 y, B下面数据是基于上面测试代码所得到的,其中红色数据为十进制数据。! ?5 l5 e: D- C1 B

' i6 g  ?; W! l, u/ g2 Z
7 @$ O/ s9 J( f) v) D# A( o
13.png
" D- n) s6 h& N1 H% ~4 ?
8 R  g7 X, j5 ^1 }" e$ f

, d; H- x% p% E$ J1 @8 {从这里我们可以看出,同时开启硬件FPU和Cache与同时关闭二者,运行时间相差将近40倍;开启Cache与关闭Cache运行时间上相差4倍左右;使用FPU和不用FPU,运行时间相差8倍左右。当然,或许基于不同的应用,上述数据可能存在些差异,但可以肯定,开与不开Cache、启不启用硬件FPU,运行速度上的差别还是很明显的。
1 X6 N' g. J& \1 g4 x' |! B& Z0 k& F: e

9 p, p4 b) a3 t# k% c9 e5 v+ w4 `好,关于利用STM32及相关DSP函数库进行矩阵运算的演示就介绍到这里,请留意上文中谈到的那些提醒。其它更多细节,有兴趣的话可以进一步阅读和研究相关资料。: {2 s+ S8 I9 Z; J

* @+ U# e3 [' d; G' [$ o8 V2 Y3 t# K
赞 收藏 1 评论0 发布时间:2019-12-27 15:12

举报

0个回答

所属标签

相似技术帖

官网相关资源

关于
我们是谁
投资者关系
意法半导体可持续发展举措
创新与技术
意法半导体官网
联系我们
联系ST分支机构
寻找销售人员和分销渠道
社区
媒体中心
活动与培训
隐私策略
隐私策略
Cookies管理
行使您的权利
官方最新发布
人形机器人运动控制、感知与智能配电
半导体创新技术与应用方向
EE架构与软件定义汽车
12V/48V 汽车智能配电(SPD)
区域控制单元(ZCU)与分区架构
关注我们
st-img 微信公众号
st-img 手机版