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。

! J3 U' t) w. `% g# ?- d2 B02STM32G474 FPU 运算性能优化
0 E, d9 _8 u' f* ~9 G7 F2.1. STM32G474 系统性能优化

. v+ n. n, x, M5 J# A: \* ]2 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。
( a2 L2 d! r& N6 u7 ]- l  d

▲ 图1. STM32G474 架构

; _3 b! S( Y: W8 j) V' Q
: Z5 e6 ?, t3 S" x9 s: c& m2.2. ARM DSP Lib 的使用
3 {* L" M+ }7 k  E$ ~  b& h- B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：

0 E3 F1 f0 W, Y+ j/ U2 b$ I2.3. 示例代码
* E8 B. j8 W2 S$ N+ N; X' k0 ?) V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：
# ^: `9 P4 m+ n  o

1. 
   
2. __attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
   & b( B+ T8 j8 t' ]; E
3. {
   ' n& H( I1 h& s1 G
4. 0.623234f, 0.799049f, 0.940890f, -0.992092f, 0.212035f, 0.237882f, -
   
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
   # _# x. ?, y3 z. Q4 K  o( q
7. -0.417470f, -0.205806f, -0.174323f, 0.217577f, 1.684295f, 0.119528f,
   1 b+ ]3 x9 |5 U
8. 0.650667f, 2.080061f
   
9. };
   
10. __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
    
11. {
    
12. -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
    8 @7 f2 ~6 f# c9 n: [8 ^1 i
13. 1.126352f, -0.815002f,
    5 f8 {  v, M  F+ P! K8 L: C
14. 
    
15. ~~ 这里数组使用动态生成的float数据，数据量较大，略
    9 f  v8 i$ g% _8 ]
16. -0.447001f, -0.725993f, 0.354045f, -0.506772f, -2.103747f, -0.664684f, 1.450110f, -0.329805f
    
17. };
    - n3 ~; w+ @1 S, @: {2 k
18. 
    
19. __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
    # f1 M& D/ H) I4 P+ C
20. 
    0 T7 {0 ]2 n' z- W9 b$ L' R& B7 Z
21. float32_t* pA;
    
22. float32_t* pB;
    
23. float32_t* pR;
    
24. /* Private user code --------------------------------------------------*/
    
25. /* USER CODE BEGIN 0 */
    
26. void test_normal_mul(uint32_t kLoops, float32_t*
    
27. pSrcA, float32_t* pSrcB, float32_t*
    
28. pResult, uint32_t lenVector)
    8 k9 Q" l& u* Y  a
29. {
    
30. for (uint32_t j = 0; j < kLoops; j++)
    $ {( C1 G& A7 Z. D: H- U
31. {
    
32. pA = pSrcA;
    % T6 q) z$ g) Q. ]. k0 v% r# ?
33. pB = pSrcB;
    % F1 o$ q: v3 Q8 c  m3 h$ k
34. pR = pResult;
    ' }4 s$ X. n+ Y1 M) a& s
35. 
    
36. for (uint32_t i = 0; i < lenVector; i++)
    
37. { *pR++ = (*pA++) * (*pB++) ;
    - V& M" {/ I7 A: Z9 ^
38.    }
    1 c- l7 w) x; @, c5 T
39.   }
    
40. }
    ' j9 L' i2 N5 K5 H& x
41. 
    
42. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
43. /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
    * _1 y7 J) ^% X: |, n7 I
44. void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
    3 [( s/ a/ C" e: x- I
45. pResult, uint32_t lenVector)
    ! h( q" h# p  `( {1 E
46. {
    , J5 n6 k  X; m
47. for (uint32_t j = 0; j < kLoops; j++)
    % B' u& V5 q/ n6 U
48. {
    
49. pA = pSrcA; //Code alignment with the function without FPU
    4 q3 n3 N8 g0 M9 C
50. pB = pSrcB;
    
51. pR = pResult;
    
52. arm_mult_f32(pA, pB, pR, lenVector);
    
53. }
    % h: V$ i+ K$ J7 c2 j! q' y, m/ }
54. }
    ) e/ j. `, p5 H/ u- f# R' ~
55. #endif
    
56. 
    9 g0 R9 |' @- C+ \8 i
57. /**
    * M' k6 `5 U0 F
58. * @brief The application entry point.
    : v' t* @* q) \; n
59. * @retval int
    1 B8 Y! b, \$ Y+ ~' q6 M
60. */
    
61. int main(void)
    
62. {
    
63. /* MCU Configuration------------------------------------------------*/
    4 q+ i+ M7 E1 U& [2 @4 U- C. r6 v
64. 
    0 H2 g1 U  Q& C1 I! M( @
65. /* Reset of all peripherals, Initializes the Flash interface and the Systick. */
    3 N8 t$ @! Y% i6 z$ w2 V
66. HAL_Init();
    : _% n. M' D; I7 |1 p  Y7 Y
67. 
    
68. /* Configure the system clock */
    
69. SystemClock_Config();
    0 n* m2 K8 s& g
70. 
    4 {( e; D; e' G. L: K5 d. v
71. …
    0 ^# X# L2 P' E" J- L) c2 b4 M9 W
72. 
    
73. HAL_Delay(100);
    
74. 
    
75. /* USER CODE BEGIN 2 */
    1 b/ Z. W6 p5 ~0 w) x, e
76. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    3 \5 r' R8 t1 G4 `
77. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    
78. 
    ! m8 G6 q, X* Z* h% ~
79. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
80. // Multiply calculation with arm dsp lib
    / c! z. r& @  h" f, s
81. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    
82. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    
83. #endif
    
84. 
    1 X' \* M0 E; l) L: y6 Q. Q
85. /* USER CODE END 2 */
    
86. 
    
87. /* Infinite loop */
    
88. /* USER CODE BEGIN WHILE */
    
89. while (1)
    
90. {
    % e0 k/ |6 B% R3 H' B& d
91. /* USER CODE END WHILE */
    
92. 
    
93. /* USER CODE BEGIN 3 */
    8 u( {/ M) y* H
94. }
    : ^. G4 R% b% v1 H6 p" q
95. /* USER CODE END 3 */
    " {  M5 K; m1 o1 c/ q
96. }

复制代码

2.4. 工程配置
  Z$ M  q4 ^7 j2 G% f% C. k, E通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。
! E7 b3 {0 o) U9 _# ^2 J

▲ 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。

1. 
   
2. RW_IRAM1 0x20000000 0x00014000 { ; RW data
   
3. .ANY (+RW +ZI)
   
4. }
   6 K0 j: B& |; C
5. RW_IRAM2 0x20014000 0x00004000 {
   + _3 T7 q& M+ w% D2 _+ `, ~! o7 z
6. *(.TEST_INPUT_A)
   & T- z$ p6 o5 P: U: X8 c% |5 o5 w2 r
7. *(.TEST_INPUT_B)
   
8. *(.TEST_RESULT_D)
   + M6 W5 J( ]& m; j' v% T
9. }
   
10. RW_CCM 0x20018000 0x00008000 {
    0 s8 G2 ~9 d3 n- I/ d
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。

$ d4 n1 H! _4 q$ U" o3 }& Q. }2.5. 编译选项
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。

▲ 图4. KEIL 工程，编译选项设置

03使用 KEIL Trace 工具进行测量
; D$ q. p* p, S/ {  t3.1. KEIL 工程设置

. X& \) d- A9 z% R( B, [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：
6 H& r) e- e$ U, GnStart = DWT->CYCCNT;
5 _* p! _( s/ }! P~~~需测试执行时间的代码~~~
$ A4 C) M! S" s% ^% fnStop = DWT->CYCCNT;
/ Y0 }" {1 |/ @# j% q/ g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
! Z4 L3 P/ ~$ L* B1 I. W9 |# g) k. Q下表列出了STM32G474 10K次 浮点“乘”用时统计。

▲ 表1. STM32G474 10K 次 浮点“乘”用时统计表

10 X 1024次浮点乘
# r4 N  J# M& O3 q$ V
2 J, p$ k4 f: I增加--loop_optimization_level=2 编译选项

FPU 核心汇编代码的比较，见图8和图9。
9 U1 r* u9 R+ g( x& s2 u, U

▲ 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

3 ^8 C2 s" I1 c
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。
+ c( \4 u. ^7 `& Z" P& A5 A
6 U0 R+ U$ f0 {* ]* t4 I04小结
' t7 o/ h' `0 F: |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。
# e& ?8 r# |5 ^0 e( n

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！




* t5 E6 V* w* T7 i

9 ]- o7 d2 @+ O5 ~) F
0 y% Y( C4 _9 n! D' F: g
1 K8 X5 p6 i3 a* E# k. b" D
: c% S6 J/ J8 A; a


) e% v) b' @6 O