01引言
) Z4 l6 s2 ~9 V8 P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。

2 m3 z6 S+ e( E: d' H02STM32G474 FPU 运算性能优化
2.1. STM32G474 系统性能优化

STM32G474 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。
' i; i% R2 M4 L7 j' Y

▲ 图1. STM32G474 架构

, ]7 D$ }8 U/ }# {; S$ ]8 S/ k6 z0 K
5 H( g' c6 l  F0 Z( J( Z2.2. ARM DSP Lib 的使用
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：

! |# J1 I1 E( Y0 s3 O' y2.3. 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：

1. 
   
2. __attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
   
3. {
   3 Z8 o# O9 r! [* l* q( j$ \
4. 0.623234f, 0.799049f, 0.940890f, -0.992092f, 0.212035f, 0.237882f, -
   
5. 1.007763f, -0.742045f,
   " U. c! k! N/ M
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,
   8 `' p0 |8 c# W2 r+ [
8. 0.650667f, 2.080061f
   4 Y6 G, m& Z3 I0 P& @4 ]
9. };
   
10. __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
    
11. {
    & C. C) h" |- {
12. -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
    7 e5 A+ V% k( [; m4 y1 j; x. E0 ]
13. 1.126352f, -0.815002f,
    3 P3 [8 K- C. _( e8 I; r
14. 
    + m' o4 P1 h: n6 _3 R
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
    , ?; d# J3 q( M
17. };
    / o. `$ X2 \: n+ \2 J
18. 
    
19. __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
    ' l/ u3 i" u' F
20. 
    
21. float32_t* pA;
    ( ^: f, O( N# F, u" ?8 L" d
22. float32_t* pB;
    6 F. {5 Z# `3 B7 n% Y
23. float32_t* pR;
    - u/ ~0 y* a+ o# \  P
24. /* Private user code --------------------------------------------------*/
    
25. /* USER CODE BEGIN 0 */
    0 M2 N  _+ s# ]/ J
26. void test_normal_mul(uint32_t kLoops, float32_t*
    ! D* F; W3 e9 o3 f
27. pSrcA, float32_t* pSrcB, float32_t*
    
28. pResult, uint32_t lenVector)
    
29. {
    
30. for (uint32_t j = 0; j < kLoops; j++)
    ! N) w4 m) I6 [; J* _$ U2 i- S6 i
31. {
    
32. pA = pSrcA;
      h& B" v% T' i# Z- a
33. pB = pSrcB;
    
34. pR = pResult;
    1 R, y/ N) S. l4 |- n+ Q
35. 
      d. u& j6 P  ~3 T4 N
36. for (uint32_t i = 0; i < lenVector; i++)
    
37. { *pR++ = (*pA++) * (*pB++) ;
    
38.    }
    
39.   }
    0 S5 E. s: B( p
40. }
    2 m8 Y, G9 w3 p+ u% z# z
41. 
    % p+ p( T5 s; {# P
42. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    7 U$ J8 @2 X' @- p$ g
43. /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
    : l5 D- ~# @" D/ @! c
44. void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
    + b. C  k+ H) z4 `3 }: j; S; C
45. pResult, uint32_t lenVector)
    
46. {
    
47. for (uint32_t j = 0; j < kLoops; j++)
    6 L, w# V& I# l+ e/ W) I+ d# @
48. {
    2 [( K' y$ P  b5 U( a
49. pA = pSrcA; //Code alignment with the function without FPU
    " i& U1 [9 R- w: j. ?
50. pB = pSrcB;
    " y: }) j  G5 j  [. H$ m
51. pR = pResult;
    - _) Y, \$ N! N
52. arm_mult_f32(pA, pB, pR, lenVector);
    
53. }
      X# K! V$ c& {3 I
54. }
    + v- }8 e" ?0 o; C- |- f3 c
55. #endif
    
56. 
    
57. /**
    
58. * @brief The application entry point.
    
59. * @retval int
    
60. */
    2 g* V5 j( |9 u# B$ @& i/ E
61. int main(void)
    
62. {
    7 S  H/ H: F% a
63. /* MCU Configuration------------------------------------------------*/
    
64. 
    - c8 W( S6 f' F  H) X! R
65. /* Reset of all peripherals, Initializes the Flash interface and the Systick. */
    * S/ |* ?! I- O4 z
66. HAL_Init();
    
67. 
    2 G% n/ ?3 g$ c( G+ I
68. /* Configure the system clock */
    
69. SystemClock_Config();
    
70. 
    
71. …
    & r7 _, N- e0 ^* g* n4 {) I* \
72. 
    + x* ^5 N7 _' G1 s
73. HAL_Delay(100);
    # j  d/ |6 C4 z; r. E& V7 ?
74. 
    4 c/ {* _7 f8 y" j# V9 i
75. /* USER CODE BEGIN 2 */
    
76. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    5 b6 C+ o4 e0 p
77. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    
78. 
    
79. #if defined (__FPU_USED) && (__FPU_USED == 1U)
      n" |2 f0 J; X
80. // Multiply calculation with arm dsp lib
    6 c- k( m- b6 p* g$ j; P5 O7 g4 e
81. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    $ j, ]* y+ u- {' I4 }% q
82. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    
83. #endif
    & w) K; F# `; K+ P
84. 
    3 H* |- H6 J, Q* a5 ~* _
85. /* USER CODE END 2 */
    
86. 
    
87. /* Infinite loop */
    
88. /* USER CODE BEGIN WHILE */
    
89. while (1)
    
90. {
      j- S( o& D) F8 X7 f  ]
91. /* USER CODE END WHILE */
    ! F. E' Q8 S, b- x+ ^
92. 
    
93. /* USER CODE BEGIN 3 */
    8 T/ w$ K3 r% o
94. }
    
95. /* USER CODE END 3 */
    & H' [1 k# b8 L) c3 [( |. u
96. }

复制代码

2.4. 工程配置
1 m8 I2 N9 Q% D通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。

▲ 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。
( @. ]7 M- f0 Y0 ^

1. 
   
2. RW_IRAM1 0x20000000 0x00014000 { ; RW data
   7 ?( M4 S/ [9 n$ x
3. .ANY (+RW +ZI)
   2 Y' ]3 c; S- j$ L0 x
4. }
   
5. RW_IRAM2 0x20014000 0x00004000 {
   
6. *(.TEST_INPUT_A)
   
7. *(.TEST_INPUT_B)
   % Y1 o2 t( T0 c! L1 w% s' N
8. *(.TEST_RESULT_D)
   
9. }
   , v. j! V# y" d# a
10. RW_CCM 0x20018000 0x00008000 {
    ( j$ U- \/ ?/ M$ O5 h
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。

" `, Q: i1 `" v, g. Y" A2.5. 编译选项
  z, F0 y% p7 A" `5 ~( E: ?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。
8 L- U% V% Z, H0 m

▲ 图4. KEIL 工程，编译选项设置

03使用 KEIL Trace 工具进行测量
/ P" m8 h+ o7 ?" S6 ^5 i3.1. KEIL 工程设置

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：
nStart = DWT->CYCCNT;
& `3 ~; K, q+ T  Z~~~需测试执行时间的代码~~~
nStop = 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）
* [( S5 a4 m& g# n' ?( e2 s

▲ 图7. KEIL 工程，Debug 模式下 Trace 程序执行时间

3.2. 测试结果
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

* {* h2 }) d- [- U2 v. y增加--loop_optimization_level=2 编译选项
  Z2 X9 h0 V6 S  X2 s6 i* E
, n/ B+ S8 }( i1 }/ HFPU 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。
; H2 \+ [. U+ V5 `/ o4 _
04小结
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。
! [+ n7 f1 E1 a8 j

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！


: E: q. E" w7 |8 {  W+ ]





; |8 X: M0 t" W4 w
: n) r; _+ S2 ^9 N- q; i' Y7 `

: e1 Z: y" ~, U& ]4 Z
  \* m9 {4 q: b3 |, Y" ^* W* F