C ARM上的高效复制，两次16位回迁还是1次32位回迁？

我正在研究一个使用ARM7TDMI处理器的嵌入式系统

在时间关键型ISR中，我需要将硬件寄存器中的24个16位值快照（拷贝）到SRAM中。这些值是连续的，可以作为数组处理

数据总线（到SRAM和硬件寄存器）是16位的，我们在ARM模式（8/32）下运行

在商店里，我们正在讨论复制数据的最佳方法：16位数量或32位数量

我的论点是ARM处于32位模式，因此它将使用一条指令进行2次16位回迁，比使用两条16位指令每次进行一次回迁快。
另外，要获取的指令数量是原来的一半，这将减少1/2的时间

有人有数据支持这两种方法吗？ （我的示波器都已分配，因此我无法在嵌入式系统上进行测量。由于ISR每毫秒中断一次，我也无法运行大量时间。） *（由于我们的JTAG Jet探针无法提供精确的分析方法，因此分析比较困难）*

示例代码-16 it副本： 示例代码，32位副本： 详细信息：ARM7TDMI处理器以8/32位模式运行，IAR EW编译器

注意：代码被展开以防止指令缓存重新加载。
注意：汇编语言列表显示，使用常量索引访问内存比使用递增指针更有效

编辑1：测试 根据Chris Stratton的评论，我们在16位FPGA寄存器上进行32位取数时遇到问题，因此无法进行32位优化

也就是说，我使用DMA进行了分析。使用DMA控制器的性能增益为30 us（微秒）。在我们的项目中，我们希望获得更大的时间节省，所以这种优化是不值得的。这个实验表明，如果我们有更多的数据要传输，DMA将非常有用，或者可以并行传输

---

有趣的是，DMA需要17条指令来设置

如果速度是最重要的，那么如果硬件能够支持，那么最好的选择就是汇编语言例程，比如：

; Assume R0 holds source base and R1 holds destination base
PUSH   {R4-R7}
LDMIA R0,{R2-R7}
STMIA R1,{R2-R7}
LDMIA R0,{R2-R7}
STMIA R1,{R2-R7}
POP    {R4-R7}

---

我相信在ARM7TDMI上，当使用32位总线时，LDR需要三个周期，STR需要两个周期；使用LDRMIA/STRIA加载或存储n个字需要3+n个周期。因此，12个LDR和12个STR将需要60个周期，但上述序列应需要50个周期（包括寄存器保存/恢复）。我预计使用16位总线会给每个32位加载或存储增加额外的周期惩罚，但如果LDM*和STM*指令将每个32位操作拆分为两个16位操作，那么它们的执行速度仍将比离散加载和存储快得多，尤其是当代码必须从16位内存中提取时。

关闭中断，并测量主代码的性能。你可能应该考虑使用DMA，而不是…这是最快的。你知道寄存器在两种模式下都可以访问吗？在我使用的一些手臂部件上，有些SFR需要特定的访问宽度。此外，您可能想考虑在基于块的传输中，基于DMA的MEMCPY实现变得有价值（可能大于这个，但是？）@ MulkLakaT-似乎代码在中断处理程序中，而不是主程序。应该可以编写测试代码，在主循环中不必要地花费大量时间来完成这项工作，但是有理由不给出相同的结果。也许有一个硬件周期计数器可以访问以进行稀疏测试基准测试？@ChrisStratton：寄存器与内存映射的FPGA相连，32位提取将读取2个连续寄存器。另外，48字节是值得用DMA控制器复制的（设置至少需要6条指令）。某些硬件需要以特定的宽度读取。但是，我不能相信代码在ISR中运行的方式与在主循环中运行的方式有任何不同。代码就是代码。如果硬件阻塞了读取，那么尝试优化它就没有意义了——最好改用DMA。您能提供一个使用内联汇编的C语言示例吗？我们的车间编码标准更喜欢内联装配，而不是创建新的装配文件。您可以使用GNU语法，就像IAR编译器使用GNU语法一样。只需查看并使用memcpy（），它可以优化axi/amba总线上的最佳大小传输。连接到axi/amba总线的供应商逻辑将处理相同/更大的传输。总线将等待（必须将较小总线上的延迟和多个周期添加到supercat所指示的数字）。通常，四寄存器ldmia/stmia对用于快速复制循环。gameboy advance主要使用16位总线，并清楚地表明thumb运行得更快，但您的代码是数据周期重而不是指令周期重，因此您可以获得thumb优势，但主要问题是数据周期。使用128位（4个字）或更大的传输应该会将您推向数据与指令的边缘。如果您在编写代码时使用了该代码，而编译器没有进行优化，那么您的指令量很大，应该使用thumb。您将获得一些性能提升，但不如提高拷贝的效率（只需使用memcpy）。

uint32_t * p_data_from_hardware = (uint32_t *)&data_from_hardware[0];
uint32_t volatile * p_hardware_32_ptr = (uint32_t volatile *) p_hardware;
p_data_from_hardware[0] = p_hardware_32_ptr[0];
p_data_from_hardware[1] = p_hardware_32_ptr[1];
p_data_from_hardware[2] = p_hardware_32_ptr[2];
p_data_from_hardware[3] = p_hardware_32_ptr[3];
//...
p_data_from_hardware[ 8] = p_hardware_32_ptr[ 8];
p_data_from_hardware[ 9] = p_hardware_32_ptr[ 9];
p_data_from_hardware[10] = p_hardware_32_ptr[10];
p_data_from_hardware[11] = p_hardware_32_ptr[11];

; Assume R0 holds source base and R1 holds destination base
PUSH   {R4-R7}
LDMIA R0,{R2-R7}
STMIA R1,{R2-R7}
LDMIA R0,{R2-R7}
STMIA R1,{R2-R7}
POP    {R4-R7}