如何使用SSE指令提高FIR算法效率（进化二）

如何使用SSE指令提高FIR算法效率（进化二）

在“如何使用SSE指令提高FIR算法效率（进化一）“一文中，我们通过SHUFPS指令来完成行列向量之间的转化，实现了向量相加一次写操作的功能，很大程度的提高了程序的执行效率。

那么参考SSE/SEE2的指令，我们能否用其他方式来完成呢？

恩…，好像有，再想想…

哦，对了，MOVLHPS,MOVLHPS不是也可以吗？那么让我们看看如何实现吧J！

为了是大家能够看的清楚一些，代码中加入了部分的注释（很抱歉，在相关的前两篇文章中，我没有做这个方面的工作:-(，以后一定要加强)。

还是在看代码之前，先回顾一下问题：

我们要把A3+A2+A1+A0的值放入数组out[ 0 ]中，B3+B2+B1+B0的值放入out[ 1 ]中，依次类推直到out[ 3 ] = D3+D2+D1+D0。程序的前半段已经将它们存储到

xmm0=[A3, A2, A1, A0]

xmm1=[B3, B2, B1, B0]

xmm2=[C3, C2, C1, C0]

xmm3=[D3, D2, D1, D0]

因为它们是行相加而非是列相加，所以没有合适的SSE/SSE2指令直接使用。程序的下半段利用MOVLHPS,MOVHLPS和SHUFPS的组合实现了转换和向量相加，并存储于out数组中。

static void ShowFIR_O4( float *inPtr, float *outPtr, float *coeffPtr, unsigned int count ) {        __asm        {               xorps xmm0, xmm0               xorps xmm1, xmm1               xorps xmm2, xmm2               xorps xmm3, xmm3               xor eax, eax               xor ecx, ecx               mov ebx, DWORD PTR[ coeffPtr ]               mov esi, DWORD PTR[ inPtr ]               mov edx, DWORD PTR[ outPtr ]               jmp b2 b1:               movaps xmm4, XMMWORD PTR[ ebx + ecx * 4 ]                 movaps xmm5, XMMWORD PTR[ esi + ecx * 4 ]               mulps xmm5, xmm4               addps xmm0, xmm5                 movups xmm5, XMMWORD PTR[ esi + ecx * 4 + 4 ]               mulps xmm5, xmm4               addps xmm1, xmm5                 movups xmm5, XMMWORD PTR[ esi + ecx * 4 + 8 ]               mulps xmm5, xmm4               addps xmm2, xmm5                 movups xmm5, XMMWORD PTR[ esi + ecx * 4 + 12 ]               mulps xmm5, xmm4               addps xmm3, xmm5                             add ecx, 4               cmp ecx, TAP               jb b1                 // xmm0: A3, A2, A1, A0               // xmm1: B3, B2, B1, B0               // xmm2: C3, C2, C1, C0               // xmm0: D3, D2, D1, D0               movaps xmm4, xmm0          // xmm4: A3, A2, A1, A0               movlhps xmm4, xmm1         // xmm4: B1, B0, A1, A0               movaps xmm5, xmm1          // xmm5: B3, B2, B1, B0               movhlps xmm5, xmm0         // xmm5: B3, B2, A3, A2               addps xmm4, xmm5             // xmm4: B1+B3, B0+B2, A1+A3, A0+A2                 movaps xmm6, xmm2          // xmm6: C3, C2, C1, C0               movlhps xmm6, xmm3         // xmm6: D1, D0, C1, C0               movaps xmm7, xmm3          // xmm7: D3, D2, D1, D0               movhlps xmm7, xmm2         // xmm7: D3, B2, C3, C2               addps xmm6, xmm7             // xmm6: D1+D3, D0+D2, C1+C3, C0+C2                 movaps xmm5, xmm4          // xmm5: B1+B3, B0+B2, A1+A3, A0+A2               shufps xmm4, xmm6, 0x88   // xxm4: D0+D2, C0+C2, B0+B2, A0+A2               shufps xmm6, xmm5, 0xDD // xmm6: D1+D3, C1+C3, B1+B3, A1+A3               addps xmm4, xmm6             // xMM4: D0+D1+D2+D3, C0+C1+C2+C3, B0+B1+B2+B3, A0+A1+A2+A3                 movaps XMMWORD PTR[ edx + eax * 4 ], xmm4                 add eax, 4 b2:               cmp eax, count - TAP               jb b1        } }

 

相比于ShowFIR_O3中的相关部分，这里的指令数明显少了很多（ShowFIR_O4有15条指令，ShowFIR_O3有31条指令），大概为其的一半。

 

那么我们是否会认为它的速度要快很多呢？

也许吧？！从理论上说，指令少总是要快一些的，但是ShowFIR_O4使用的MOVHLPS,MOVLHPS是数据相关的指令，它可能会受到这个方面的影响。不过，所有的猜想总没有测试来的直接。

请看下面数据：

在Intel Pentium-M2.2G上运行10000次后的计数值： 4: ShowFIR_O3 delta = 1475 5: ShowFIR_O4 delta = 1476   在AMD Anthlon 4600+上运行10000次后的计数值： 4: ShowFIR_O3 delta = (783, 0) 5: ShowFIR_O4 delta = (799, 0)

 

从结果看，两者的性能差不多（个人观点，它们的结果会因为CPU框架不同产生一些或快或慢的结果，但是差别不会太大。）。ShowFIR_O3中的操作没有进行优化，如果在稍慢的情况下，能够通过再次优化来提速。

 

小结：

1. 本文主要目的是提供一个实现方法来开阔思路，在实现的同时也能够回顾和进一步熟练使用SSE/SSE2指令。

2. 它与ShowFIR_O3中的相关代码段可以作为一个模板供日后参考使用。

 

总之，它是对以前一篇学习笔记的再探讨，所有的东西并不是最佳答案，它将会在日后的学习中逐步完善。正如以前一贯的作风，希望网友们能够给我多找出一些岔子，以便我再学习再提高。谢谢了！