实战经验
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。
02STM32G474 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。
12.png (109.85 KB, 下载次数: 5)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 图1. STM32G474 架构
2.2. 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：
14.png (183.3 KB, 下载次数: 3)
下载附件
保存到相册
2024-10-30 16:51 上传
2.3. 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：
__attribute__((section (".TEST_INPUT_A"))) float32_t testInputA[1024] =
{
0.623234f, 0.799049f, 0.940890f, -0.992092f, 0.212035f, 0.237882f, -
1.007763f, -0.742045f,
~~ 这里数组使用动态生成的float数据，数据量较大，略
-0.417470f, -0.205806f, -0.174323f, 0.217577f, 1.684295f, 0.119528f,
0.650667f, 2.080061f
};
__attribute__((section (".TEST_INPUT_B"))) float32_t testInputB[1024] =
{
-2.423957f, -0.223831f, 0.058070f, -0.424614f, -0.202918f, -1.513077f, -
1.126352f, -0.815002f,
~~ 这里数组使用动态生成的float数据，数据量较大，略
-0.447001f, -0.725993f, 0.354045f, -0.506772f, -2.103747f, -0.664684f, 1.450110f, -0.329805f
};
__attribute__((section (".TEST_RESULT_D"))) float32_t testResult[1024];
float32_t* pA;
float32_t* pB;
float32_t* pR;
/* Private user code --------------------------------------------------*/
/* USER CODE BEGIN 0 */
void test_normal_mul(uint32_t kLoops, float32_t*
pSrcA, float32_t* pSrcB, float32_t*
pResult, uint32_t lenVector)
{
for (uint32_t j = 0; j < kLoops; j++)
{
pA = pSrcA;
pB = pSrcB;
pR = pResult;
for (uint32_t i = 0; i < lenVector; i++)
{ *pR++ = (*pA++) * (*pB++) ;
}
}
}
#if defined (__FPU_USED) && (__FPU_USED == 1U)
/* Use arm dsp lib to test basic operation Multiply, FPU enabled */
void test_arm_math_mul(uint32_t kLoops, float32_t* pSrcA, float32_t* pSrcB, float32_t*
pResult, uint32_t lenVector)
{
for (uint32_t j = 0; j < kLoops; j++)
{
pA = pSrcA; //Code alignment with the function without FPU
pB = pSrcB;
pR = pResult;
arm_mult_f32(pA, pB, pR, lenVector);
}
}
#endif
/**
* @brief The application entry point.
* @retval int
*/
int main(void)
{
/* MCU Configuration------------------------------------------------*/
/* Reset of all peripherals, Initializes the Flash interface and the Systick. */
HAL_Init();
/* Configure the system clock */
SystemClock_Config();
…
HAL_Delay(100);
/* USER CODE BEGIN 2 */
test_normal_mul(10, testInputA, testInputB, testResult, 1024);
test_normal_mul(10, testInputA, testInputB, testResult, 1024);
#if defined (__FPU_USED) && (__FPU_USED == 1U)
// Multiply calculation with arm dsp lib
test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
test_arm_math_mul(10, testInputA, testInputB, testResult, 1024);
#endif
/* USER CODE END 2 */
/* Infinite loop */
/* USER CODE BEGIN WHILE */
while (1)
{
/* USER CODE END WHILE */
/* USER CODE BEGIN 3 */
}
/* USER CODE END 3 */
}复制代码2.4. 工程配置
通过 KEIL 工程 Options / Target, Floating Point Hardware, 确定 FPU On/Off。
15.png (238.92 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 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。
RW_IRAM1 0x20000000 0x00014000 { ; RW data
.ANY (+RW +ZI)
}
RW_IRAM2 0x20014000 0x00004000 {
*(.TEST_INPUT_A)
*(.TEST_INPUT_B)
*(.TEST_RESULT_D)
}
RW_CCM 0x20018000 0x00008000 {
}复制代码完成后，进行编译链接，即可进行 STM32G474 FPU 性能的测试。
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。
16.png (263.77 KB, 下载次数: 3)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 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
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。
17.png (268.71 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 图5. KEIL 工程，Debugger 设置入口
18.png (238.72 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 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;
~~~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）
19.png (233.59 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 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。
20.png (115.23 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:51 上传
▲ 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
FPU 核心汇编代码的比较，见图8和图9。
21.png (418.25 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:54 上传
▲ 图8. 使用--loop_optimization_level=2 编译选项的常规代码汇编
22.png (643.36 KB, 下载次数: 4)
下载附件
保存到相册
2024-10-30 16:54 上传
▲ 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。
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。
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！