可以并行化 ARM NEON 的过滤器吗？答案

【问题标题】：Possible to parallelize filter for ARM NEON?可以并行化 ARM NEON 的过滤器吗？
【发布时间】：2013-05-31 13:15:01
【问题描述】：

我试图弄清楚是否以及如何并行化特定的现有代码以用于 ARM Cortex-A9 NEON SIMD 单元。这是代码：

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，我几乎可以肯定它不能被有效地并行化，但我想，我可以试试看这里。我不期待准备好的代码，只是关于如何做的想法。谢谢:)

【问题讨论】：

有哪些数据类型？你应该粘贴一些可以满足编译器的东西。
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。如果你用 NEON 写的话，看起来你可以改进几个周期。唯一的问题是需要将除法转换为乘法。
这是一个标准的双二阶过滤器，对吧？好吧 - 如果您可以接受一些全局输出延迟，则可以使用技巧来并行化它。
@NilsPipenbrinck：+1 用于识别它是 Biquad；不过，如果有一些关于您提到的优化机会的指针，那就太好了。

标签： filter arm simd neon

【解决方案1】：

所以是的，这看起来确实像一个双二阶，每个样本的系数都发生了变化，可能是因为您正在对其进行平滑处理。

正如评论者所提到的，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次数，尤其是在浮点平台上。您还可以经常对双二阶进行归一化以摆脱D[i][0]（使其成为1.0），然后将一个标量应用于整个输出。

当然，您可能已经意识到，您希望在循环期间将所有内容保存在寄存器中，然后仅在循环完成后将它们写入内存... ;-)

在那之后，我知道有两种矢量化技术（尽管我也对 Nils 的想法感兴趣）：

频道矢量化 - 最简单。如果您需要一次将过滤器应用于多个数据集（例如，对于立体声音频非常常见），您可以同时使用两组音频数据操作两组系数。如果您使用全 SP 浮点，我发现 Neon 为两个通道提供了大约正确数量的寄存器。确实是即时 2 倍加速。
循环展开。在这里详细描述有点棘手，但幸运的是这里有一个不错的页面：http://reanimator-web.appspot.com/articles/simdiir。这种技术添加了极点/零对，本质上是一次计算更多样本。但是，额外的极点当然会为滤波器的稳定性增加额外的条件，因此您必须小心。在您的情况下，当系数似乎是动态的时，这可能是需要确保的某种噩梦。

【讨论】：