新唐的Cortex-M4 DSP内核运算有多强

1万 · 2017-5-21 09:08

大家都知道C语言本身的基本库函数就有不少，比如数学库函数math.h
其实如果用了新唐带DSP内核的，还有个DSP专用的库，那么到底有多强呢。
看对比吧

三角函数运算

Cortex®-M4 DSP函数库，提供了计算Sine，Cosine的功能，以查表的方式减少计算时间

arm_cos_f32(float32_t x)
参数：	x	[in]欲计算的弧度
回传值：		cos(x)

表 3‑14 使用弧度计算Cosine程序设定

arm_sin_f32(float32_t x)
参数：	x	[in]欲计算的弧度
回传值：		sin(x)

表 3‑15 使用弧度计算Sine程序设定

arm_sin_cos_f32(float32_t theta, float32_t pSinVal, float32_t pCosVal)
参数：	theta	[in] 欲计算的角度
	*pSinVal	[out] sine值输出
	*pCosVal	[out] cosine值输出
回传值：		无

表 3‑16 使用角度计算Sine与Cosine程序设定

在范例程序中，比较了使用DSP函数库与使用C函数库运算时间，计算样本数为32，下表3-17比较有无使用DSP函数库运行时间差异，可以看出使用DSP函数库可以大幅缩减计算时间。

1万 · 2017-5-21 09:09

/*计算sin, cos (32个样本数)*/ for(i=0; i< blockSize; i++)
{
   /* 输入为弧度 */
               cosOutput = arm_cos_f32(testInput_f32);                         sinOutput = arm_sin_f32(testInput_f32);

      /* 输入为角度 */
      arm_sin_cos_f32(testInput_f32, &sinOutput1, &cosOutput1); }


Function(with 32 sample)

DSP(Time unit)
CPU(Time unit)
CPU/DSP
Sine
551
23251
42.2
Cosine
551
23720
43.05
Sine  and Cosine
413
46561
112.74

1万 · 2017-5-21 09:11

通过上表可以看出来对比了吧，一个三角函数都可以差别这么大。
双输出时候相差速度一百多倍。。可见新唐的DSP内核的单片机还是非常非常强悍的。

1万 · 2017-5-21 09:12

说起来线性插值运算，是很简单的，那么DSP还能提速吗？当然还能。。

使用Cortex®-M4 DSP函数库线性插值功能首先定义x0的样本数、起始值x0和x值与值间隔，再来输入y值数据，程序设定如表3-18与表3-19，完成浮点数插值结构设定之后，再输入x值执行程序，即可得到线性插值所得y值。

arm_linear_interp_instance_f32 S = {uint32_t nValues, float32_t x0, float32_t xSpacing, float32_t *pYData}
参数：	nValues	x值的样本数
	x0	x起始值
	xSpacing	x值与值之间隔
	*pYData	y值数据
回传值：		无

表 3‑18 线性插值结构设定

arm_linear_interp_f32(arm_linear_interp_instance_f32 *S, float32_t x)
参数：	*S	[in, out]浮点数插值结构
	x	[in] 输入x值
回传值：		线性插值y结果

表 3‑19 线性插值程序设定

1万 · 2017-5-21 09:13

程序范例流程如下，且在下表3-20比较有无使用DSP运算时间差异：
/* 设定结构变量S，定义x样本个数为2，其起始为0数值间隔为10，即x0=0，x1=10，且定义y值为 arm_linear_interep_table */
arm_linear_interp_instance_f32 S = {2, 0, 10, (float32_t *)&arm_linear_interep_table[0]};

/* 循环放入10个样本进行线性插值运算，并且输出结果到testLinIntOutput[] */
for(i=0; i< TEST_LENGTH_SAMPLES; i++)
{ testLinIntOutput[i] = arm_linear_interp_f32(&S, testInputSin_f32[i]); }