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。
. t0 z$ N' _& O  M) O* C1 p. L
7 @$ W0 F% Y% 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。

▲ 图1. STM32G474 架构

2.2. ARM DSP Lib 的使用
$ X2 [  X# j& o+ H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：
) E% E/ o7 @9 E0 p

. P8 d: H; w: k# v0 I2.3. 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：
! \5 j; S8 K4 t" l( k+ T  a& v

1. 
   : ]( R) e5 @) E
2. __attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
   + q5 W$ C( I' \% ]/ C
3. {
   5 _3 y" X: Q+ P$ T6 A' {4 d: P
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,
   0 H' _1 ?4 T& r0 L: k- s: R
8. 0.650667f, 2.080061f
   
9. };
   
10. __attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
    " M2 z7 a8 q* z; T7 }9 \/ w9 K
11. {
    2 B+ _; a/ ]" m* L2 a) `1 g: |+ Y5 C
12. -2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
    
13. 1.126352f, -0.815002f,
    
14. 
    " w1 T# d5 a% m  X. y
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
    
17. };
    % T; J# Q# n, b. Q* q
18. 
    5 Q' O. D+ o1 c' i5 |% M4 E
19. __attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
    
20. 
    ' ^. i& i) b% p1 ?  F
21. float32_t* pA;
    
22. float32_t* pB;
    
23. float32_t* pR;
    
24. /* Private user code --------------------------------------------------*/
    
25. /* USER CODE BEGIN 0 */
    . e$ |( n) t: ?
26. void test_normal_mul(uint32_t kLoops, float32_t*
    ! j5 `# A! y+ [; A' L+ U& d$ \/ |
27. pSrcA, float32_t* pSrcB, float32_t*
    
28. pResult, uint32_t lenVector)
    
29. {
    / R6 f: u  Y$ b) U
30. for (uint32_t j = 0; j < kLoops; j++)
    
31. {
    9 X  r+ b) \8 S% E* i4 x8 W7 c
32. pA = pSrcA;
    
33. pB = pSrcB;
    
34. pR = pResult;
    
35. 
    
36. for (uint32_t i = 0; i < lenVector; i++)
    
37. { *pR++ = (*pA++) * (*pB++) ;
    
38.    }
    
39.   }
    & K. R* O8 a8 C6 {4 }
40. }
    6 i) Y, I5 R4 J4 A9 Z# i' b
41. 
    
42. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
43. /* Use arm dsp lib to test basic operation Multiply, FPU enabled */
    * T: P) ]$ o- `! J2 c
44. void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
    
45. pResult, uint32_t lenVector)
    
46. {
    
47. for (uint32_t j = 0; j < kLoops; j++)
    2 @. y. L6 ^3 n1 Y5 q
48. {
    
49. pA = pSrcA; //Code alignment with the function without FPU
    
50. pB = pSrcB;
    % f0 [9 ]7 e9 V
51. pR = pResult;
    
52. arm_mult_f32(pA, pB, pR, lenVector);
    , m3 p/ E3 a$ U& y; A2 _- {
53. }
    8 A" Z0 R3 u- B8 n
54. }
    
55. #endif
    
56. 
    
57. /**
    1 c9 D6 X- R' ]3 L
58. * @brief The application entry point.
    
59. * @retval int
    ) m) z9 o  N+ y# O+ a7 v8 W( |
60. */
    
61. int main(void)
    
62. {
    / s/ g9 \/ ]% @+ |6 l( R- _
63. /* MCU Configuration------------------------------------------------*/
    % X. s4 C4 ^5 a0 g: O- t
64. 
    2 p" T8 l8 G, }' D# A
65. /* Reset of all peripherals, Initializes the Flash interface and the Systick. */
    
66. HAL_Init();
    1 Y4 J8 f/ C. R+ X; ]9 l* s6 G- h8 r
67. 
    + X) ]3 V  T4 q# _
68. /* Configure the system clock */
    
69. SystemClock_Config();
    + l/ z/ T! [1 A$ a1 k
70. 
    3 X: {7 \* S% f5 l; M1 j( r* e
71. …
    7 G( I% m/ x/ y- A0 ]1 E& ^
72. 
    
73. HAL_Delay(100);
    : f# U& ~8 {$ o# U; @: h
74. 
    
75. /* USER CODE BEGIN 2 */
    4 G1 S1 u3 ?( ^) R; y1 t
76. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    . D7 s, Z8 d3 k% T( n4 I
77. test_normal_mul(10, testInputA, testInputB, testResult, 1024);
    
78. 
    3 I. I/ N+ ^$ {/ g- r( T0 \1 \
79. #if defined (__FPU_USED) && (__FPU_USED == 1U)
    
80. // Multiply calculation with arm dsp lib
    
81. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    ( z+ F3 q0 T9 v# T2 A
82. test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
    1 C' C& O1 N% ?1 T& [3 p. Y  R; W
83. #endif
    
84. 
    & M* x6 m& D; ]+ h" A9 O
85. /* USER CODE END 2 */
    6 L, C0 Y' @% i1 o
86. 
    ) r  L: `8 {, O: b( p" I
87. /* Infinite loop */
    
88. /* USER CODE BEGIN WHILE */
    
89. while (1)
    
90. {
    
91. /* USER CODE END WHILE */
      t/ W% ?$ C0 k( [, p2 c
92. 
    # W% \9 m2 o, X; P3 j5 D) v
93. /* USER CODE BEGIN 3 */
    
94. }
    3 @$ i1 }: U$ f' J6 C3 \
95. /* USER CODE END 3 */
    . t0 e# E6 T% o  z* z
96. }

复制代码

2.4. 工程配置
2 P" q  G$ H% {4 n, d通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。
8 |0 t1 E4 Y6 D* R

* B! D) B3 i$ M+ z" P5 Y

▲ 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. }
   5 p  o5 {" m+ \( T
5. RW_IRAM2 0x20014000 0x00004000 {
   $ ^6 q& [$ z+ B- o  `5 ^" h
6. *(.TEST_INPUT_A)
   
7. *(.TEST_INPUT_B)
   % z! E, o- o9 ?
8. *(.TEST_RESULT_D)
   
9. }
   , {- f5 V1 G' B. F, F4 n1 M) X3 E; ~& M
10. RW_CCM 0x20018000 0x00008000 {
    
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。
0 s/ N  v" V2 k3 U# T
% o- g7 J. E3 [: D( h( Y2.5. 编译选项
) y$ n1 Y) c. n* W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
7 Y0 @- v5 k- ^) a; m8 ^/ Z; |7 P3.1. KEIL 工程设置
. V' i! t+ h# @- e0 K1 t  D
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;
8 D5 k7 Z" R8 w1 v~~~需测试执行时间的代码~~~
nStop = DWT->CYCCNT;
3 \1 d; h2 `9 L, b. Q: a% X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）
: }) z) M, }9 Q( q; D, l

▲ 图7. KEIL 工程，Debug 模式下 Trace 程序执行时间

3.2. 测试结果
- m8 ?. u4 `, _+ _/ j4 W下表列出了STM32G474 10K次 浮点“乘”用时统计。
" K3 E7 I5 `/ O/ f6 n5 x

▲ 表1. STM32G474 10K 次 浮点“乘”用时统计表

10 X 1024次浮点乘

增加--loop_optimization_level=2 编译选项

+ `; Q3 q7 d" ~FPU 核心汇编代码的比较，见图8和图9。
6 f$ W# m  n7 |) P: e

▲ 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

  R# \# p' v  h* L
0 S* o! w0 i0 D$ d; o3 H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。
  I+ b0 j( A) n$ G( M, F6 k- P( C
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。


  h6 h- k6 H5 v4 f" k! F7 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！

( l6 I" ]# b% k0 r9 n

8 S# b5 q9 \: _1 E$ M$ Y

) S6 e0 O/ R, A. l6 c4 A4 v) _
+ F" P# W% c6 X# d
: e( j, G0 X" F  |4 J

. ]0 u2 _& N2 z9 q6 \

6 a) B. K/ I+ g; j: K7 ^
- u1 U* Z' @4 ^& A$ N# X& R