SSE指令集入門

原文地址：http://blog.csdn.net/wensishuai/article/details/8439418

Intel公司的單指令多數據流式擴展（SSE，Streaming SIMD Extensions）技術能夠有效增強CPU浮點運算的能力。Visual Studio .NET 2003提供了對SSE指令集的編程支持，從而允許用戶在C++代碼中不用編寫彙編代碼就可直接使用SSE指令的功能。MSDN中有關SSE技術的主題[1]有可能會使不熟悉使用SSE彙編指令編程的初學者感到困惑，但是在閱讀MSDN有關文檔的同時，參考一下Intel軟件說明書（Intel Software manuals）[2]會使你更清楚地理解使用SSE指令編程的要點。

SIMD（single-instruction, multiple-data）是一種使用單道指令處理多道數據流的CPU執行模式，即在一個CPU指令執行週期內用一道指令完成處理多個數據的操作。考慮一下下面這個任務：計算一個很長的浮點型數組中每一個元素的平方根。實現這個任務的算法可以這樣寫：

for each  f in array        //對數組中的每一個元素
    f = sqrt(f)             //計算它的平方根

爲了瞭解實現的細節，我們把上面的代碼這樣寫：

for each  f in array
{
    把f從內存加載到浮點寄存器
    計算平方根
    再把計算結果從寄存器中取出放入內存
}

具有Intel SSE指令集支持的處理器有8個128位的寄存器，每一個寄存器可以存放4個（32位）單精度的浮點數。SSE同時提供了一個指令集，其中的指令可以允許把浮點數加載到這些128位的寄存器之中，這些數就可以在這些寄存器中進行算術邏輯運算，然後把結果放回內存。採用SSE技術後，算法可以寫成下面的樣子：

for each  4 members in array  //對數組中的每4個元素
{
    把數組中的這4個數加載到一個128位的SSE寄存器中
    在一個CPU指令執行週期中完成計算這4個數的平方根的操作
    把所得的4個結果取出寫入內存
}

下面是一個演示的例子

使用純C＋＋

void CSSETestDlg::ComputeArrayCPlusPlus(
          float* pArray1,                   // [in] first source array
          float* pArray2,                   // [in] second source array
          float* pResult,                   // [out] result array
          int nSize)                        // [in] size of all arrays
{

    int i;

    float* pSource1 = pArray1;
    float* pSource2 = pArray2;
    float* pDest = pResult;

    for ( i = 0; i < nSize; i++ )
    {
        *pDest = (float)sqrt((*pSource1) * (*pSource1) + (*pSource2)
                 * (*pSource2)) + 0.5f;

        pSource1++;
        pSource2++;
        pDest++;
    }
}

使用SSE內嵌原語

void CSSETestDlg::ComputeArrayCPlusPlusSSE(
          float* pArray1,                   // [in] first source array
          float* pArray2,                   // [in] second source array
          float* pResult,                   // [out] result array
          int nSize)                        // [in] size of all arrays
{
    int nLoop = nSize/ 4;

    __m128 m1, m2, m3, m4;

    __m128* pSrc1 = (__m128*) pArray1;
    __m128* pSrc2 = (__m128*) pArray2;
    __m128* pDest = (__m128*) pResult;


    __m128 m0_5 = _mm_set_ps1(0.5f);        // m0_5[0, 1, 2, 3] = 0.5

    for ( int i = 0; i < nLoop; i++ )
    {
        m1 = _mm_mul_ps(*pSrc1, *pSrc1);        // m1 = *pSrc1 * *pSrc1
        m2 = _mm_mul_ps(*pSrc2, *pSrc2);        // m2 = *pSrc2 * *pSrc2
        m3 = _mm_add_ps(m1, m2);                // m3 = m1 + m2
        m4 = _mm_sqrt_ps(m3);                   // m4 = sqrt(m3)
        *pDest = _mm_add_ps(m4, m0_5);          // *pDest = m4 + 0.5

        pSrc1++;
        pSrc2++;
        pDest++;
    }
}

使用SSE彙編

void CSSETestDlg::ComputeArrayAssemblySSE(
          float* pArray1,                   // [輸入] 源數組1
          float* pArray2,                   // [輸入] 源數組2
          float* pResult,                   // [輸出] 用來存放結果的數組
          int nSize)                        // [輸入] 數組的大小
{
    int nLoop = nSize/4;
    float f = 0.5f;

    _asm
    {
        movss   xmm2, f                         // xmm2[0] = 0.5
        shufps  xmm2, xmm2, 0                   // xmm2[1, 2, 3] = xmm2[0]

        mov         esi, pArray1                // 輸入的源數組1的地址送往esi
        mov         edx, pArray2                // 輸入的源數組2的地址送往edx

        mov         edi, pResult                // 輸出結果數組的地址保存在edi
        mov         ecx, nLoop                  //循環次數送往ecx

start_loop:
        movaps      xmm0, [esi]                 // xmm0 = [esi]
        mulps       xmm0, xmm0                  // xmm0 = xmm0 * xmm0

        movaps      xmm1, [edx]                 // xmm1 = [edx]
        mulps       xmm1, xmm1                  // xmm1 = xmm1 * xmm1

        addps       xmm0, xmm1                  // xmm0 = xmm0 + xmm1
        sqrtps      xmm0, xmm0                  // xmm0 = sqrt(xmm0)

        addps       xmm0, xmm2                  // xmm0 = xmm1 + xmm2

        movaps      [edi], xmm0                 // [edi] = xmm0

        add         esi, 16                     // esi += 16
        add         edx, 16                     // edx += 16
        add         edi, 16                     // edi += 16

        dec         ecx                         // ecx--
        jnz         start_loop                //如果不爲0則轉向start_loop
    }
}

在信號處理中的實際應用（sse2）：

獲得信號能量

/*
* Compute Energy of a complex signal vector, removing the DC component!
* input  : points to vector
* length : length of vector in complex samples
*/

#define shift 4
#define shift_DC 0

int signal_energy(int *input, unsigned int length)
{
    int i;
    int temp, temp2;
    register __m64 mm0, mm1, mm2, mm3;
    __m64 *in;

    in = (__m64 *)input;

    mm0 = _m_pxor(mm0,mm0);
    mm3 = _m_pxor(mm3,mm3);

    for (i = 0; i < length >> 1; i++) {
        mm1 = in[i];
        mm2 = mm1;
        mm1 = _m_pmaddwd(mm1, mm1);
        mm1 = _m_psradi(mm1, shift);
        mm0 = _m_paddd(mm0, mm1);
        mm2 = _m_psrawi(mm2, shift_DC);
        mm3 = _m_paddw(mm3, mm2);
    }

    mm1 = mm0;
    mm0 = _m_psrlqi(mm0, 32);
    mm0 = _m_paddd(mm0, mm1);
    temp = _m_to_int(mm0);
    temp /= length;
    temp <<= shift;

    /*now remove the DC component*/
    mm2 = _m_psrlqi(mm3, 32);
    mm2 = _m_paddw(mm2, mm3);
    mm2 = _m_pmaddwd(mm2, mm2);
    temp2 = _m_to_int(mm2);
    temp2 /= (length * length);
    temp2 <<= (2 * shift_DC);
    temp -= temp2;
    _mm_empty();
    _m_empty();

    return((temp > 0) ? temp : 1);
}