针对ARM/NEON的64位/ 32位除法算法更快？

Question

我正在做一个代码，其中在两个地方有64位乘32位定点除法，结果取32位。这两个地方在一起占用了我总时间的20％以上。所以我觉得如果我可以删除64位分区，我可以很好地优化代码。在NEON中，我们可以有一些64位指令。任何人都可以建议一些例行程序，通过使用一些更快的实现来解决瓶颈问题。

或者如果我可以在C中的32位/ 32位除法64位/ 32位除法，这也很好吗？

如果任何人有一些想法，你能帮我吗？

Answer 1

我在过去做了很多定点算术，并且做了大量的研究来寻找自己的64/32位快速分割。如果你的谷歌'ARM部门'，你会发现吨伟大的联系和讨论这个问题。

为ARM架构，其中甚至有32位除法可能无法在硬件提供最好的解决办法是在这里：

http://www.peter-teichmann.de/adiv2e.html

这汇编代码是非常老了，你的汇编可能不理解它的语法。不过值得将代码移植到您的工具链中。这是迄今为止我见过的特殊情况下最快的分割代码，并且相信我：我已经将它们全部基准化了:-)

上次我做到了这一点（大约5年前，对于CortexA8）比编译器生成的速度快大约10倍。

此代码不使用NEON。一个NEON端口会很有趣。不知道它会不会提高性能。

编辑：

我发现汇编移植到GAS（GNU工具链）的代码。此代码的工作和测试：

Divide.S

.section ".text" 

.global udiv64 

udiv64: 
    adds  r0,r0,r0 
    adc  r1,r1,r1 

    .rept 31 
     cmp  r1,r2 
     subcs r1,r1,r2 
     adcs r0,r0,r0 
     adc  r1,r1,r1 
    .endr 

    cmp  r1,r2 
    subcs r1,r1,r2 
    adcs r0,r0,r0 

    bx  lr 

C代码：

extern "C" uint32_t udiv64 (uint32_t a, uint32_t b, uint32_t c); 

int32_t fixdiv24 (int32_t a, int32_t b) 
/* calculate (a<<24)/b with 64 bit immediate result */ 
{ 
    int q; 
    int sign = (a^b) < 0; /* different signs */ 
    uint32_t l,h; 
    a = a<0 ? -a:a; 
    b = b<0 ? -b:b; 
    l = (a << 24); 
    h = (a >> 8); 
    q = udiv64 (l,h,b); 
    if (sign) q = -q; 
    return q; 
}