Filter 可以为ARM NEON并行化过滤器吗？

我试图弄清楚一个特定的现有代码是否可以并行化，以及如何在ARM Cortex-A9 NEON SIMD单元中使用。代码如下：

for(int i=0; i < 11; i++)
{
    f4UF1 *= F[i];

    A[i][2] = A[i][1];
    A[i][1] = A[i][0];
    A[i][0] = f4UF1;

    B[i][2] = B[i][1];
    B[i][1] = B[i][0];

    C[i] = 0;

    C[i] += D[i][0] * A[i][0];
    C[i] += D[i][1] * A[i][1];
    C[i] += D[i][2] * A[i][2];

    C[i] -= E[i][1] * B[i][1];
    C[i] -= E[i][2] * B[i][2];

    B[i][0] = C[i] / E[i][0];

    f4UF1 = B[i][0];
}

for（int i=0；i<11；i++）
{
f4UF1*=F[i]；
A[i][2]=A[i][1]；
A[i][1]=A[i][0]；
A[i][0]=f4UF1；
B[i][2]=B[i][1]；
B[i][1]=B[i][0]；
C[i]=0；
C[i]+=D[i][0]*A[i][0]；
C[i]+=D[i][1]*A[i][1]；
C[i]+=D[i][2]*A[i][2]；
C[i]=E[i][1]*B[i][1]；
C[i]=E[i][2]*B[i][2]；
B[i][0]=C[i]/E[i][0]；
f4UF1=B[i][0]；
}

---

我已经看了相当多的代码了，我几乎可以肯定它不能被有效地并行化，但是我想，我可以试着在这里问一下。我并不期待现成的代码，只是关于如何做到这一点的想法。谢谢：）

是的，这看起来确实像是一个双四元组，每个样本的系数都会改变，可能是因为您正在平滑它们

正如一位评论者所提到的，您可能希望预先计算

1/E[i][0]

比例因子，并可能将其滚动到其他系数中以减少乘法的数量，特别是在浮点平台上。您还可以经常规范化双四元组，以消除

D[i][0]

（使其成为

1.0

），只需对整个输出应用标量

当然，您可能已经意识到，您希望在循环期间将所有内容都保存在寄存器中，然后在循环完成后才将它们写入内存…；-）

之后，我知道了两种矢量化技术（尽管我也对Nils的想法感兴趣）：

通道矢量化-最简单。如果需要同时对多个数据集应用过滤器（例如，立体声音频非常常见），则可以同时使用两组音频数据操作两组系数。我发现，如果您使用的是所有SP浮点，Neon为两个通道提供的寄存器数量刚好合适。即时2倍加速真的

循环展开。这在这里有点难以详细描述，但幸运的是这里有一个很好的页面：。该技术添加极/零对，基本上一次计算更多样本。然而，额外的极点当然会为滤波器的稳定性增加额外的条件，因此必须小心。在您的例子中，当系数看起来是动态的时，这可能是某种需要确保的噩梦

---

数据类型是什么？您应该粘贴能够满足编译器要求的内容。编译它并检查输出可能会提供一些见解。您可以使用vext指令向下滑动元素。您也可以进行乘法/加法运算。如果你用NEON写的话，看起来你可以把事情改进几个周期。唯一的问题是需要转换成乘法的除法。这是一个标准的双四元滤波器，对吗？好吧，如果你能接受一些全局输出延迟，那么有一些技巧可以并行化它。@Nilsippenbrinck:+1用于识别它的双四元组；不过，如果能为您提到的优化机会提供一些指导，那就太好了。