ARM / NEON的64位/ 32位分区更快算法？
我正在编写一个代码，其中两个地方有64位乘32位定点除法，结果取32位。 这两个地方共占用了我总时间的20％以上。 所以我觉得如果我能删除64位除法，我可以很好地优化代码。 在NEON中，我们可以有一些64位指令。 任何人都可以建议通过使用更快的实现来解决瓶颈问题。
或者如果我可以用C中的32位/ 32位除法进行64位/ 32位除法，那也没关系？
如果有人有想法，你能帮帮我吗？
我过去做了很多定点运算，并且自己做了大量的研究，寻找快速的64/32位分区。 如果你谷歌搜索“ARM部门”，你会发现很多关于这个问题的好链接和讨论。
ARM架构的最佳解决方案，即使32位除法可能无法在硬件中使用，也可以在此处：
http://www.peter-teichmann.de/adiv2e.html
这个汇编代码很老，你的汇编程序可能无法理解它的语法。 但是，值得将代码移植到您的工具链中。 这是我迄今为止看到的特殊案例中最快的部门代码，相信我：我对它们进行了基准测试:-)
上次我这样做（大约5年前，对于CortexA8），这段代码比编译器生成的代码快10倍。
此代码不使用NEON。 一个NEON端口会很有趣。 不确定它是否会提高性能。
编辑：
我发现汇编程序的代码移植到GAS（GNU工具链）。 此代码正在运行和测试：
Divide.S
.section ".text" .global udiv64 udiv64: adds r0,r0,r0 adc r1,r1,r1 .rept 31 cmp r1,r2 subcs r1,r1,r2 adcs r0,r0,r0 adc r1,r1,r1 .endr cmp r1,r2 subcs r1,r1,r2 adcs r0,r0,r0 bx lr C代码：
extern "C" uint32_t udiv64 (uint32_t a, uint32_t b, uint32_t c); int32_t fixdiv24 (int32_t a, int32_t b) /* calculate (a<<24)/b with 64 bit immediate result */ { int q; int sign = (a^b) < 0; /* different signs */ uint32_t l,h; a = a<0 ? -a:a; b = b<0 ? -b:b; l = (a << 24); h = (a >> 8); q = udiv64 (l,h,b); if (sign) q = -q; return q; }