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。

/ R/ _' }+ F" s02STM32G474 FPU 运算性能优化
2.1. STM32G474 系统性能优化
( S- Z/ T% e0 j
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。

▲ 图1. STM32G474 架构

2.2. ARM DSP Lib 的使用
/ D" N' c; p5 ^, a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 T7 }3 A) H0 q0 l, k1 L5 l6 |& }

2.3. 示例代码
! w& K2 y/ D: z6 X' M! M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] =
   / B/ I% ^0 a/ t% {, e5 u' L+ V
3. {
     v6 a# u4 i2 a( O- m
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
   
7. -0.417470f, -0.205806f, -0.174323f, 0.217577f, 1.684295f, 0.119528f,
   
8. 0.650667f, 2.080061f
   
9. };
   * E5 K2 j: v7 i3 r% e5 e* r2 f
10. __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
    4 M' }+ l3 u2 Y+ b  v! t
11. {
    
12. -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
    ! H9 Z! b% E% n: A2 u3 I) e
13. 1.126352f, -0.815002f,
    
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
    1 J' n. \/ n* S
17. };
    
18. 
      ~/ |' Q8 @' j# H+ I! g" w
19. __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
    
20. 
    
21. float32_t* pA;
    
22. float32_t* pB;
    , [: j+ y0 z, X( H/ K7 O8 w: I
23. float32_t* pR;
    
24. /* Private user code --------------------------------------------------*/
    
25. /* USER CODE BEGIN 0 */
    
26. void test_normal_mul(uint32_t kLoops, float32_t*
    2 i; C3 y% g, b1 D5 R, [
27. pSrcA, float32_t* pSrcB, float32_t*
    2 s3 t8 j6 \; c& U9 `
28. pResult, uint32_t lenVector)
    ; T9 @; M% a2 i+ F5 _0 b9 T
29. {
    ' H. D2 y3 k2 R) H
30. for (uint32_t j = 0; j < kLoops; j++)
    0 o/ `. v8 a1 p$ C0 ]
31. {
    
32. pA = pSrcA;
    
33. pB = pSrcB;
    . W; [$ n, C' E; h
34. pR = pResult;
    * g' Q6 ~) B: @: B6 C
35. 
    
36. for (uint32_t i = 0; i < lenVector; i++)
    
37. { *pR++ = (*pA++) * (*pB++) ;
    
38.    }
    
39.   }
    
40. }
    
41. 
    7 \* f4 c' [  E
42. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
43. /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
    3 Y7 X2 D2 c/ h1 w$ z" ^
44. void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
    ' C, r' g! n4 j* N; C5 ~3 Z$ d
45. pResult, uint32_t lenVector)
    ) M& x* X0 K: ]. `& Q
46. {
    
47. for (uint32_t j = 0; j < kLoops; j++)
    
48. {
    ; i$ R# l$ Y* A: k4 ?5 R' B
49. pA = pSrcA; //Code alignment with the function without FPU
    
50. pB = pSrcB;
    8 ~; I4 C( [4 C6 k
51. pR = pResult;
    / z% e1 s* w) I% X
52. arm_mult_f32(pA, pB, pR, lenVector);
    
53. }
    
54. }
    
55. #endif
    
56. 
    6 |) S" C, D( R" x) q) n; V* }
57. /**
    
58. * @brief The application entry point.
    
59. * @retval int
    ' e, b' }8 D9 _
60. */
    
61. int main(void)
    + \) Y* L; ]  C" _
62. {
    . j6 t0 w8 n" p$ \
63. /* MCU Configuration------------------------------------------------*/
    
64. 
    ! U" {0 X5 r  t4 y; ?  ^5 u. \5 @+ d7 {
65. /* Reset of all peripherals, Initializes the Flash interface and the Systick. */
    
66. HAL_Init();
    
67. 
    ) U" q6 v, s+ `4 `' R3 i
68. /* Configure the system clock */
    ! f0 [6 F& m& \5 ?
69. SystemClock_Config();
    
70. 
    
71. …
    
72. 
    
73. HAL_Delay(100);
    ; c0 p/ {8 k/ n/ P* Q
74. 
    
75. /* USER CODE BEGIN 2 */
    8 I- J" u8 g* ^! }% u8 w$ M* X
76. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    
77. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    ( r; h' L, Y* u. K
78. 
    ( B# k) ?$ ]  g" Q1 \( ^) R
79. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
80. // Multiply calculation with arm dsp lib
    ' m9 r! f4 B7 ]9 S! B" a6 y4 a
81. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    
82. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    
83. #endif
    6 }* W9 x% B+ J! R- J1 _2 c
84. 
    
85. /* USER CODE END 2 */
    
86. 
    
87. /* Infinite loop */
    
88. /* USER CODE BEGIN WHILE */
    
89. while (1)
    , h7 c2 z" r* E& y
90. {
      g2 @- X2 u: q; H' g7 g
91. /* USER CODE END WHILE */
    1 n$ |% M6 H( N1 U. @5 F7 K
92. 
    0 s& G4 W$ Y! |, e; W$ C1 r- B, w
93. /* USER CODE BEGIN 3 */
    % V" P$ [! E0 m
94. }
    / j4 j' ]+ O! {. q3 b8 U
95. /* USER CODE END 3 */
    1 P8 r; H! a5 I/ f
96. }

复制代码

2.4. 工程配置
2 q  z7 b% t% I$ s/ E0 T7 w; {; t通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。
- h, {; c* {0 F0 f$ S% J

6 }/ z: q( S; o6 a/ J: o

▲ 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. 
   5 }' H/ G  I$ e: v
2. RW_IRAM1 0x20000000 0x00014000 { ; RW data
   : Y2 h0 E  F! M; j
3. .ANY (+RW +ZI)
   
4. }
   
5. RW_IRAM2 0x20014000 0x00004000 {
   # a4 s2 v; T/ v' h0 q; z
6. *(.TEST_INPUT_A)
   
7. *(.TEST_INPUT_B)
   ' |3 W+ _% t; Q8 A7 S& P$ i
8. *(.TEST_RESULT_D)
   2 c) u8 d$ z' }; _
9. }
   
10. RW_CCM 0x20018000 0x00008000 {
    % R' Y8 S  g& C) E6 S6 V' U
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: x3 C0 D' U- G! X- w4 s, w6 h
& P& I! V! V6 [8 ]$ B; h. H( l2.5. 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。
: p  Y2 F. b/ ~& U* e6 a3 z

▲ 图4. KEIL 工程，编译选项设置

03使用 KEIL Trace 工具进行测量
3.1. KEIL 工程设置
, G  E5 {5 h; h7 Z
7 X" `0 `; v8 [5 EKEIL 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：
& K4 ^  S1 g8 c& r3 U1 T/ ?2 |$ u6 EnStart = DWT->CYCCNT;
~~~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）
* y& V% Q$ `# m: G# L, {

▲ 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。
9 Z+ T, j& }: B3 c2 }) u! u

▲ 表1. STM32G474 10K 次 浮点“乘”用时统计表

10 X 1024次浮点乘

7 }# f$ ^8 r  C4 @& z7 t增加--loop_optimization_level=2 编译选项
) W5 r1 }% \" d6 C
FPU 核心汇编代码的比较，见图8和图9。
: k: d$ A3 h2 Y' l- q

▲ 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

; ~: Q7 n; O$ L) L$ d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。
# u/ q4 n6 `- G
04小结
. K; ~# e1 c1 l7 U' V+ R3 G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。


4 O8 o6 Z' o0 \, `. t1 e" n( {' l" a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！


% k8 _7 Q, e* @; S- B) |( i



3 l# g( \7 x7 p
# {9 O0 q" W: @


1 ?  m1 ~. q  @5 U6 V& [6 p1 F


) r& }, a1 s& s/ N+ o& k( \% u/ L