[W806捣鼓手记]FPU性能简单测试——2022.05.23

W806 是一款安全 IoT MCU 芯片。芯片集成 32 位 CPU 处理器，内置 UART、GPIO、SPI、SDIO、 I2C、I2S、PSRAM、7816、ADC、LCD、TouchSensor 等数字接口；支持 TEE 安全引擎，支持多种硬件加解密算法，内置 DSP、浮点运算单元与安全引擎，支持代码安全权限设置，内置 1MB Flash 存储器，支持固件加密存储、固件签名、安全调试、安全升级等多项安全措施，保证产品安全特性。适用用于小家电、智能家居、智能玩具、工业控制、医疗监护等广泛的物联网领域。

---

FPU简介

以下内容摘抄自《玄铁E804用户手册_v04》。

浮点单元作为 E804 的可配置硬件单元，旨在提升 E804 面向浮点应用的处理能力。E804 浮点单元提供了一种低成本、高性能的硬件浮点实现。
浮点单元支持 IEEE-754 浮点标准中的单精度浮点运算，实现了 16 个单精度浮点寄存器。在系统软件支持下，E804可实现对双精度浮点运算的支持。

浮点单元的体系结构与编程模型的主要特点如下：

• 完全兼容 ANSI/IEEE Std 754 浮点标准（系统软件支持下）；
• 仅支持单精度浮点运算；
• 支持向零舍入、向正无穷舍入、向负无穷舍入和就近舍入四种舍入方式；
• 支持浮点异常的陷入与非陷入两种处理模式；
• 支持浮点异常的精确处理；
• 支持浮点硬件除法与开方。

浮点单元的微体系结构的主要特点如下：

• 16 个独立的单精度浮点寄存器；
• 单发射结构，每个周期处理一条浮点算术指令；
• 支持浮点算术指令的按序发射、按序执行、按序回写；
• 包含三条独立的执行流水线，分别是浮点 ALU、浮点乘法与浮点除法开方；
• 优化的执行延时技术，除浮点除法开方指令外，均可在 1-2 个时钟周期执行完毕；
• 基于运算部件复用的成本优化技术；
• 基于门控时钟与数据通路隔离的功耗优化技术。

测试项目

基本算法

• 浮点与浮点的加减乘除
• 三角函数和反三角函数
• 开平方
• e为底的X次幂
• X的Y次幂

复合算法

• 100点一阶低通滤波
• 100点正弦曲线值
• 32*32像素RGB转灰度

测试方法

分别记录关闭FPU和开启FPU时，10ms定时周期内的算法执行次数，值越高越好。
所有测试统一使用单精度浮点，代码-O3优化，为了尽量减少循环带来的额外开销，手动展开了最里层的循环。

测试结果

基本算法

浮点与浮点的加减乘除

__IO uint32_t cnt = 0;
__IO float a = 1.1f;
__IO float b = 0.123456f;
__IO float c;

while(1)
{
	c = a + b;
	c = a + b;
	c = a + b;
	c = a + b;
	cnt += 4;
}

结果如下，减法、乘法、除法的测试方法和加法是一样的，所以测试代码就不放出来了。

算法	关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
c = a + b	12708	319268	25.12
c = a - b	11116	319268	28.72
c = a * b	18640	319268	17.13
c = a / b	5592	69412	12.41

三角函数和反三角函数

算法	关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
c = sinf(a)	440	14068	31.97
c = cosf(a)	480	15628	32.56
c = tanf(a)	236	9268	39.27
c = asinf(a)	6612	41112	6.22
c = acosf(a)	6668	37860	5.68
c = atanf(a)	336	3816	11.36

开平方

while(1)
{
	c = sqrtf(a);
	c = sqrtf(a);
	c = sqrtf(a);
	c = sqrtf(a);
	cnt += 4;
}

算法	关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
sqrtf()	7364	57704	7.84

e为底的X次幂

while(1)
{
	c = expf(a);
	c = expf(a);
	c = expf(a);
	c = expf(a);
	cnt += 4;
}

算法	关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
expf()	444	14404	32.44

X的Y次幂

while(1)
{
	c = powf(a, b);
	c = powf(a, b);
	c = powf(a, b);
	c = powf(a, b);
	cnt += 4;
}

算法	关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
powf()	124	5308	42.8

复合算法

100点一阶低通滤波

__IO float t1[100];
__IO float t2;

static inline float first_oder_filter(float new_data)
{
  static float old_data;
  float a = 0.05f;
  old_data = a * new_data + (1.0f - a) * old_data;
  return old_data;
}

int main(void)
{
	SystemClock_Config(CPU_CLK_240M);

	for (uint32_t i = 0; i < 100; i++)
	{
		t1[i] = rand() / (float)(RAND_MAX / 0xffff);
	}
	while (1)
	{
		for (uint32_t i = 0; i < 100; i += 4)
		{
			t2 = first_oder_filter(t1[i]);
			t2 = first_oder_filter(t1[i + 1]);
			t2 = first_oder_filter(t1[i + 2]);
			t2 = first_oder_filter(t1[i + 3]);
		}
		cnt++;
	}

	return 0;
}

关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
37	1940	52.43

100点正弦曲线

int main(void)
{
	SystemClock_Config(CPU_CLK_240M);

	/* 正弦曲线公式：y=Asin(ωx+ψ)+k */
	__IO float W = 3.1415926f / 50.f;
	__IO float A = 100.0f;
	__IO float k = 50.0f;
	__IO float offset = 6.0f;
	__IO float wave;
	__IO float x[100] = { 0.0f };
	
	float temp = 0.0f;
	for (uint32_t i = 0; i < 100; i++)
	{
		x[i] = temp + 0.05f;
	}

	while (1)
	{
		for (uint32_t i = 0; i < 100; i += 4)
		{
			wave = A * sinf(W * x[i] + offset) + k;
			wave = A * sinf(W * x[i + 1] + offset) + k;
			wave = A * sinf(W * x[i + 2] + offset) + k;
			wave = A * sinf(W * x[i + 3] + offset) + k;
		}
		cnt++;
	}

	return 0;
}

关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
4	116	29.0

32*32像素RGB转灰度

int main(void)
{
	SystemClock_Config(CPU_CLK_240M);

	__IO uint32_t cnt = 0;
	__IO uint8_t color_r[32][32];
	__IO uint8_t color_g[32][32];
	__IO uint8_t color_b[32][32];
	__IO uint8_t color_gray[32][32];

	for (uint32_t i = 0; i < 32; i++)
	{
		for (uint32_t j = 0; j < 32; j++)
		{
			color_r[i][j] = rand() % 0xff;
			color_g[i][j] = rand() % 0xff;
			color_b[i][j] = rand() % 0xff;
		}
	}

	while (1)
	{
		for (uint32_t i = 0; i < 32; i++)
		{
			for (uint32_t j = 0; j < 32; j += 4)
			{
				color_gray[i][j] = color_r[i][j] * 0.299f + color_g[i][j] * 0.587f + color_b[i][j] * 0.114f;
				color_gray[i][j + 1] = color_r[i][j + 1] * 0.299f + color_g[i][j + 1] * 0.587f + color_b[i][j + 1] * 0.114f;
				color_gray[i][j + 2] = color_r[i][j + 2] * 0.299f + color_g[i][j + 2] * 0.587f + color_b[i][j + 2] * 0.114f;
				color_gray[i][j + 3] = color_r[i][j + 3] * 0.299f + color_g[i][j + 3] * 0.587f + color_b[i][j + 3] * 0.114f;
			}
		}
		cnt++;
	}

	return 0;
}

关闭FPU(次/10ms)	打开FPU(次/10ms)	次数比
2	61	30.5

总结

通过以上测试结果可以发现，W806的XT804内核在没有FPU时的浮点数计算能力是非常弱的，而FPU的加入可以大幅提高内核对于单精度浮点的计算能力，不管是基础算法还是复合算法，几乎都是几十倍的提升。W806的工程是默认开启FPU的，直接用就好。

参考资料

1. 《W806 MCU 芯片规格书V2.0》
2. 《玄铁E804用户手册_v04》