AT32F403A如何开启FPU并进行运算对比测试: 基于AT32F403ACGU7如何开启FPU并进行运算对比测试。同时有一些数学运算性能测试代码

---
title: AT32F403A如何开启FPU并进行运算对比测试
data: 2021/9/24 14:30:00
---

# 一、什么是FPU：

FPU: Float Point Unit，表示“浮点运算单元”，FPU是专用于浮点运算的处理器或处理器的一部分。虽然早期的FPU是独立的处理器，但现在大多数都集成在计算机的CPU中。

即使没有浮点单元，CPU也可以处理整数和浮点(非整数)计算。但是，整数操作使用的逻辑与浮点操作明显不同，这使得使用相同的处理器来处理这两种操作的效率很低，FPU为处理非整数的计算提供了一种更快的方法。

任何数学运算，如加法、减法、乘法或除法，都可以由整数处理单元或FPU来执行。当CPU接收到一条指令时，它会自动将其发送到相应的处理器。例如，12 + 5将作为整数计算处理，而1.0023 x 5.789将被发送到FPU。虽然程序员可以为任何一个处理单元专门编写一条指令，但这通常是不必要的。

由于整数和浮点数的性能差异很大，大多数处理器基准测试都包括这两种类型的操作。整数计算速度通常被列为“整数性能”，并在SPEC基准测试中标记为“SPECint”。FPU计算速度通常被列为“浮点性能”，可以用FLOPS来衡量。

# 二、FPU的优势

对于定点CPU（没有FPU的CPU）来说必须要按照IEEE-754标准的算法来完成运算，是相当耗费时间的。而对于有FPU的CPU来说，浮点运算则只是几条指令的事情，速度相当快。

浮点运算一直是定点CPU的难题，比如一个简单的1.1+1.1，定点CPU必须要按照IEEE-754标准的算法来完成运算，对于8位单片机来说已经完全是噩梦，对32为单片机来说也不会有多大改善。虽然将浮点数进行Q化处理能充分发挥32位单片机的运算性能，但是精度受到限制而不会太高。对于有FPU（浮点运算单元）的单片机或者CPU来说，浮点加法只是几条指令的事情。

AT32F403A属于ARM® Cortex®-M4F架构，带有32位单精度浮点运算单元FPU，支持浮点指令集，相对于Cortex® M0和Cortex® M3等，高出数十倍甚至上百倍的运算性能。

# 三、AT32F403A开启FPU的方法

Keil5环境下使用使用AT32F403A_407 BSP/Pack标准库举例。

## 步骤一：使能FPU

在Keil的【Options for Taget】中的【Target】标签下直接选择【Floating Point Hardware 】修改为【Single Precision】如下图：

![image-20210924143303781](README/image-20210924143303781.png)

注意：如果只是单纯的加速单精度浮点运行，那步骤一设置完就能正常启动FPU了，后面的操作都是为了使用DSP库。

## 步骤二：添加FPU相关的宏定义

在Keil的【Options for Taget】中的【C/C++】添加全局宏定义

![image-20210924143542989](README/image-20210924143542989.png)

```
Define：AT32F403ACGU7,LIBRARY_VERSION,USE_FULL_ASSERT,__TARGET_FPU_VFP,ARM_MATH_CM4,__CC_ARM,ARM_MATH_ROUNDING
```

**一些配置宏说明**

```
__TARGET_FPU_VFP        // FPU的条件编译配置宏（开和关） -> 配置该宏，则开
ARM_MATH_MATRIX_CHECK   //  库函数参数检查配置宏（开和关）
ARM_MATH_ROUNDING       // 库函数运算是否开启四舍五入（开和关）
ARM_MATH_CM4            // 使用FPU，必须配置该宏，不配置该宏，编译之后，默认使用math.h库函数，不使用硬件FPU
__CC_ARM                // 不同编译器的编译配置宏（__CC_ARM代表MDK开
```

## 步骤三：查看SystemInit()

在system_at32f4xx.c的SystemInit()中查看是否有如下这段代码，如果没有就添加。

![image-20210924144056666](README/image-20210924144056666.png)

## 步骤四：查看`__FPU_PRESENT`和`__FPU_USED`

在at32f4xx.h中查看`__FPU_PRESENT`，在core_cm4.h中查看`__FPU_USED`，这两个宏定义是否设置为1U。

![image-20210924144346605](README/image-20210924144346605.png)

![image-20210924144401181](README/image-20210924144401181.png)

## 步骤五：在需要使用浮点运算的文件中添加math库的头文件

\#include "arm_math.h"

![image-20210924144445065](README/image-20210924144445065.png)

注意：#include "arm_math.h"添加的前面要先添加#include <at32f4xx.h>，#include <at32f4xx.h>要先完成编译，不然编译器会无法识别到宏定义`__FPU_PRESENT`报错。（报错信息如下：Compiler generates FPU instructions for a device without an FPU (check __FPU_PRESENT)）

## 步骤六：添加官方DSP库

在工程中添加arm_cortexM4lf_math.lib（Cortex-M4，小端，浮点单元）

![image-20210924144548538](README/image-20210924144548538.png)

库文件相对路径：..\..\Libraries\CMSIS\Lib\ARM\arm_cortexM4lf_math.lib

![image-20210924144608314](README/image-20210924144608314.png)

**浮点库的函数用法和说明**

可以打开C:\Keil_v5\ARM\Pack\ARM\CMSIS\5.5.1\CMSIS\Documentation\DSP\html下面的 index.html 文件进行查看

![image-20210924144707907](README/image-20210924144707907.png)

# 四、测试方案及代码

## 测试一：+、-、*、/、%五种操作符，uint8_t、uint16_t、uint32_t、uint64_t、float、double六种数据类型组合测试

**测试说明**

1、测试+、-、*、/、%五种操作符在uint8_t、uint16_t、uint32_t、uint64_t、float、double六种数据类型下的计算性能

2、首先测试10000次空循环的时间，然后在循环中加入测试代码，记录中的时间，减去空循环时间就是要计算消耗的时间

3、STM32F403A数据类型范围介绍

![image-20210924144748798](README/image-20210924144748798.png)

![image-20210924144811895](README/image-20210924144811895.png)

![image-20210924144823588](README/image-20210924144823588.png)

4、测试代码见[附件](https://gitee.com/tudouniS/AT32F403A-FPU-test)

## 测试二：相关三角函数测试运算时间测试2

**测试说明**

1、测试sin，cos，tan，asin，acos，atan每次运算所需要花费的时间

2、首先测试10000次空循环+进行变量变化的时间，然后在循环中加入测试代码，记录中的时间，减去空循环时间就是要计算消耗的时间。

3、循环中开始对输入三角函数的变量进行变换，不再像上一次固定，不过输入的数也就10个。

4、测试代码见[附件](https://gitee.com/tudouniS/AT32F403A-FPU-test)

#### 其他说明：

编译器优化，使用改为-O0

Keil中代码优化等级主要有四个O0、O1、O2、O3，默认的优化等级为O2

![image-20210924144956620](README/image-20210924144956620.png)

O0：使用最低优化，多数优化都被关闭，生成的代码具有最多的调试信息。

O1：使用有限优化，未使用的内联函数、未使用的静态函数以及冗余代码都会被移除，指令会被重新排序以避免互锁的情况。生成的代码会被适度优化，并且比较适合调试。

O2：使用高度优化，根据处理器的特定行为优化程序代码，生成的代码为高度优化的，并且具有有限的调试信息。

O3：使用极端优化，根据时间/空间选项进行优化，默认为多文件编译，它可以提供最高等级的优化，但编译时间会稍微长些，软件调试信息也比较少。

#### 测试截图：

代码优化等级-O0，FPU未开启，10000次计算所用的时间：

代码优化等级-O0，FPU开启，10000次计算所用的时间：

#### 数据整理：

| 数据整理                                                     |
| ------------------------------------------------------------ |
| AT32 240M (-O0)FPU未启动                                     |
| 8位+计算时间：790 us \|8位-计算时间：751 us \|8位*计算时间：751  us \|8位/计算时间：793 us \|8位%计算时间：835 us |
| 16位+计算时间：793 us \|16位-计算时间：751 us \|16位*计算时间：793  us \|16位/计算时间：835 us \|16位%计算时间：876 us |
| 32位+计算时间：751 us \|32位-计算时间：751 us \|32位*计算时间：793  us \|32位/计算时间：836 us \|32位%计算时间：876 us |
| 64位+计算时间：960 us \|64位-计算时间：918 us \|64位*计算时间：1001  us \|64位/计算时间：70799 us \|64位%计算时间：70799 us |
| 浮点32位+计算时间：2671 us \|浮点32位-计算时间：2755 us \|浮点32位*计算时间：1461 us \|浮点32位/计算时间：1503 us |
| 浮点64位+计算时间：6009 us \|浮点64位-计算时间：6219 us \|浮点64位*计算时间：2629 us \|浮点64位/计算时间：2211 us |
| sin计算时间：121517 us \| asin计算时间：183858 us \| cos计算时间：124883 us \| acos计算时间：187884 us \| tan计算时间：227756 us \| atan计算时间：161042 us |
|                                                              |
| AT32 240M (-O0) FPU启动                                      |
| 8位+计算时间：790 us \|8位-计算时间：793 us \|8位*计算时间：751  us \|8位/计算时间：835 us \|8位%计算时间：876 us |
| 32位+计算时间：793 us \|32位-计算时间：793 us \|32位*计算时间：793  us \|32位/计算时间：793 us \|32位%计算时间：835 us |
| 64位+计算时间：918 us \|64位-计算时间：960 us \|64位*计算时间：918  us \|64位/计算时间：3928 us \|64位%计算时间：3844 us |
| 浮点32位+计算时间：751 us \|浮点32位-计算时间：751 us \|浮点32位*计算时间：751 us \|浮点32位/计算时间：1210 us |
| 浮点64位+计算时间：6301 us \|浮点64位-计算时间：6427 us \|浮点64位*计算时间：2962 us \|浮点64位/计算时间：2545 us |

从数据上可以明显看到开启FPU对浮点32位即单精度浮点运算有很大的提升。但是测试数据还是存在点异常除法的提升效果有点差，所以接下来单独对浮点32位撰写代码进行验证测试。

## 测试三：+、-、*、/、%五种操作符，float数据类型测试

测试说明

1、测试+、-、*、/、%五种操作符在float数据类型下的计算性能

2、测试代码见[附件](https://gitee.com/tudouniS/AT32F403A-FPU-test)

#### 测试截图

代码优化等级-O0，FPU未开启，10000次计算所用的时间：

代码优化等级-O0，FPU开启，10000次计算所用的时间：

#### 数据整理：

| 数据整理：                                                   |
| ------------------------------------------------------------ |
| AT32 240M (-O0)FPU未启动                                     |
| 浮点32位+计算时间：3337 us \|浮点32位-计算时间：3429 us \|浮点32位*计算时间：3337 us \|浮点32位/计算时间：2712 us |
|                                                              |
| AT32 240M (-O0) FPU启动                                      |
| 浮点32位+计算时间：708 us \|浮点32位-计算时间：712 us \|浮点32位*计算时间：712 us \|浮点32位/计算时间：1254 us |

# 五、测试小结

FPU开启后对单精度浮点（float）的计算还是有很大的效果提升，加减乘提升约5倍，除法提升约2倍。

对于其他数据类型的计算提升就没有什么提升的效果了。

# 参考：

1、[FPU是什么](https://www.simcf.cc/9886.html)

2、[KEIL中STM32F4系列使能FPU](https://blog.csdn.net/linxi8693/article/details/100025936)

3、[玩转X-CTR100 l STM32F4 l FPU单精度浮点性能测试](https://www.cnblogs.com/xtark/p/9369684.html)

4、[STM32F4 FPU简单设置](https://blog.csdn.net/sinat_36568888/article/details/78190685)

# 源码链接：

https://gitee.com/tudouniS/AT32F403A-FPU-test

ewin66/AT32F403A如何开启FPU并进行运算对比测试

简介

发行版

贡献者

近期动态

ewin66/AT32F403A如何开启FPU并进行运算对比测试 .gitee-modal { width: 500px !important; }

简介

发行版

贡献者

近期动态

搜索帮助

ewin66/AT32F403A如何开启FPU并进行运算对比测试