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。
1 K: l3 ~" W( o1 j& n2 u+ r+ t
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。


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。
5 @9 h: V, d) K, K1 Z
% U: [# w2 S- j% K- U& M
1 w9 y! W& L% `2 Z' A5 R: n以STM32CubeH7的库为例，相应的DSP函数库一般在下面位置：



! b( o! B5 W: N" i5 S

上图中绿色方框内的函数即为跟矩阵相关的函数库文件。

- X  V. ?# N. @, m# [% S/ m0 _
1 n3 h' O* s0 R( s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：
5 x: o+ ?7 c  N7 y! ^

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。
. _' g; n+ Q+ Z) B/ l1 P( \

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。

6 }* e: p* g/ |3 @" ?' u
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】。
+ `0 A6 I; d* c" s
6 O, t# Y: d3 n* R! w5 x  y* d% P
4 I  X1 Q4 I  I0 n0 ~: w; w8 L

8 `8 y. w% a/ G5 U' d3 j8 J
" f, O' v1 u8 I/ w! Q- U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】
; w$ Q5 n1 L5 a& @1 ]2 l




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。
' U6 E+ M2 @" r5 s! o. {7 h7 e

; r3 t# }8 a. C2 J) h( HB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。
, X( R6 D. R  P
- P) g- t+ u1 M, d
' E: u" q0 M; m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。
1 B+ A5 R( t, |0 g$ p% l
& t* H# D9 i2 ?/ D) g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。
( {; w: e# w% E% J, z. r* n1 J% ~

( P! w" V0 M* P" X1 [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.
$ ?2 t; V. Y: L% \0 U
- T& y( n0 E. b8 i! ]. ^0 z/ ^4 j* w, u


& B1 s, G  `7 a  T
4 c: S: E8 F) X5 T7 Q  L  c" J


下面做相关代码的准备。

2 T2 w' `4 e% T  |" ^6 {9 U2 @' h( F
& b& Z- M  m0 J: \( T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。
9 k5 ^" ^) D: x9 s& O



# a4 c9 M& {  U# e; f
7 P9 G! s  A7 X  q基于上面的3个数组定义3个如下矩阵变量：
8 k% p1 i& b0 X- s, f4 C6 H


$ v8 L% o9 u2 w9 y. O1 R8 }
8 j. M; L- r: t3 X% F( Y
& {( g8 w9 y6 s1 i关于结构体arm_matrix_instance_f32的定义和说明，可以在arm_math.h中看到。

  n& E7 d% e* A# B$ I& H

5 V6 V- X  R: D8 [/ g$ U9 d- W* t
, u0 d: R( `6 P+ k6 M
# v$ ]+ A2 u0 V- V接下来对3个矩阵进行初始化，注意行、列数别给错了。
/ k% a3 y0 D  j: O
6 r5 B2 D  L1 L! J8 Q+ a

9 @9 A& w' a$ |1 s2 n
3 ^) \; f) H2 u+ U4 [7 l
7 \$ f6 }% Z% @6 ~3 M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。
) @2 E( F( v$ `* [. D: E
0 S, ]6 F+ \% k: l3 M4 _! t( B
! G, v" Z. P  ^3 n
: l8 U' N3 P# \5 A
+ u( y& R% L: }% \' p
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。

: a6 Q! `8 p7 I, o7 E) W' H: C
; [" N* p. `$ U! N- y
9 [& n% [" b) n+ e) ?0 c% `( e

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。
- l( u2 _9 U& B" p# b5 e6 o' T
9 d: L4 \  c% D5 }) g$ N6 S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。
6 j* X3 }6 [& u: f
5 Q  b. y  U3 z% m3 |7 n7 q+ ^: a) @
  L2 C: `: t5 d7 X
' I/ i9 O* l7 r* f; |$ {" n7 B" D
! D) j6 R. s$ h) u- z3 K
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。





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。


8 g9 k) P9 O" T0 a( x. Y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。

3 ^5 B' H" G4 R& I) V