優化方法：
1、二維數組相比一維數組存儲
2、整數運算相比浮點運算
3、乘除法和移位運算
左移1位相當于乘2，右移1位相當于除2
4、查表運算
比如計算cos sin 函數
例如：
5、并行計算
充分利用ALU單元，在循環内寫多次相同的語句，但該資料不能有依賴
這點在STM32F4的CMSIS庫的正常數學運算中有相應的示例也是如此操作
6、調用子函數和内聯函數
将函數聲明為inline，編譯器會将該函數嵌入到母函數中，減少調用子函數的開銷
在CC2640上确實會出現這樣的情況：例如在子函數中定義一個256大小的數組，然後運算，那麼調試過程中會卡住。
原因可能是：調用該子函數進行大的運算量操作會占用很大計算開銷，當改成在主函數中定義，就能解決（實際操作過）
7、對于不同的資料采用恰當的資料類型
int 32位
unsight short 16位 0-65535
short 16位 -32768~+32768
uint8_t 8 8位無符号 0-255
char -128-127 uchar 0-255
有符合和無符号，位數區分，整形和浮點
選擇的原則是夠用即可！
舉例：實際操作時采用的比較大的資料類型int類型，進行乘除法的運算出錯，後續将資料類型更改後，（浮點運算的優化，将多個已知的乘除法預先計算出來等）得出正确的結果
8、浮點運算 double 和float 型的選擇
在浮點數後加上 f，轉換為float 型運算， 比如3.0f
因為float 4位元組 32 位 ，double 8位元組 64 位
關于float 型和double型的位數及小數點位數的表示
參考【3】
浮點數在記憶體中的存儲方式。浮點數，差別于定點數，指的是小數點位不确定的的資料類型，其原理是将一個浮點數a用兩個數m（尾數）和e（指數）來表示：a = m × b^e。其中的b為選取的基數。科學計數法就是一種特殊形式的浮點數。
在計算機二進制表示中，浮點數采用2作為基數，規定尾數的範圍為1.0~2.0之間。
以float類型為例，根據最廣泛采用的IEEE754标準規定，float資料類型長度為32位，其中最高位為符号位，中間8位為指數位，最後23位作為尾數位。
最高位符号位通過0/1來區分正負，0正1負；指數位則規定采用移碼的形式存儲，這樣可以保證指數部分為無符号數，友善比較大小。移碼表示法是在數X上增加一個偏移量來定義的，如果機器字長為n，規定偏移量為2^(n-1)，對于8位補碼-128~127，可得到對應的階碼表示為0~255，其中0和255分别用來表示0和無窮大，1~254用來表示規範數字，即指數範圍從-126到127；尾數部分統一規定為1.0-2.0之間，最高位必然為1，故可以省略，是以尾數部分從小數點後算起，最小可以取到1，最大則取到二進制1.1...1(小數點後23位)，即取到2-2^-23，可近似約等于2。故得到float絕對值的最大值取到2^127*(2-2^-23)約等于2^128=3.4E+38。加上符号之後可得float表示範圍為(-3.4E+38)~(3.4E+38)。當然實際是取不到的，開區間。絕對值最小則可以取到2^-127*1，即為1.175E-38。
接下來解釋精度。由于尾數部分位數是固定的小數點後23位，23位所能表示的最大數是2^23−1=8388607，是以十進制的尾數部分最大數值是8388607，也就是說尾數數值超過這個值之後，float将無法精确表示，是以float最多能表示小于8388607的小數點後7位，但絕對能保證的為6位，也即float的十進制的精度為為6~7位。
double資料類型的推算過程和上述同理，唯一的差別在于尾數由23位擴充到52位，階碼由8位增加到了11位，計算方法不變。是以double的階碼（移碼表示）為0~2047，偏移量為1024，故指數範圍為-1024~1023，得表示範圍為(2^1023*2)~(-2^1023*2)即為-1.7E+308~1.7E+308，絕對值最小可以取到2^-1024，精度則為2^52-1=4503599627370495，為16位。是以精度最高位16位，一定可以保證15位。
原文連結：https://blog.csdn.net/black_kyatu/article/details/79257346
參考：C/C++ float與double的有效數字位 https://blog.csdn.net/VonSdite/article/details/76575247
嵌入式代碼優化（C語言）
9 、查表資料放置在CPU 高速CACHE中
10、把函數用彙編語言編寫
11、 調用其它人優化好的庫函數，比如成熟的ARM晶片的DSP運算
有兩種方法處理：
1、調用library庫，并加載，但要設定相關的參數比如代碼設定、編譯控制等
2、可以直接加載相應的頭檔案(.h)和源檔案(.c)，主要是加載armmath.h頭檔案，并添加相應的要處理的處理源函數,需要注意的是頭檔案之間的依賴關系。確定能充分無誤的#include
1、BasicMathFunctions
提供浮點數的各種基本運算函數，如加減乘除等運算。對于M0/M3隻能用Q運算（實際操作在CC2640R2中也可以使用浮點類型的計算，也即是f32開頭的，應該是預編譯指令自動轉換了），即檔案夾下以_q7、_q15和_q31結尾的檔案；而M4F能直接硬體浮點計算，屬于檔案夾下以_f32結尾的檔案。
2、CommonTables
arm_common_tables.c檔案提供位翻轉或相關參數表。
3、ComplexMathFunctions
複述數學功能，如向量處理，求模運算的。
4、ControllerFunctions
控制功能，主要為PID控制函數。arm_sin_cos_f32/-q31.c函數提供360點正餘弦函數表和任意角度的正餘弦函數值計算功能。
5、FastMathFunctions
快速數學功能函數，提供256點正餘弦函數表和任意任意角度的正餘弦函數值計算功能，和Q值開平方運算：
Arm_cos_f32/_q15/_q31.c：提供256點餘弦函數表和任意角度餘弦值計算功能。
Arm_sin_f32/_q15/_q31.c：提供256點正弦函數表和任意角度正弦值計算功能。
Arm_sqrt_q15/q31.c：提供疊代法計算平方根的函數。對于M4F的平方根運算，通過執行VSQRT指令完成。
6、FilteringFunctions
濾波函數功能，主要為FIR和LMS（最小均方根）濾波函數。
7、MatrixFunctions
矩陣處理函數。
8、StatisticsFunctions
統計功能函數，如求平均值、計算RMS、計算方差/标準差等。
9、SupportFunctions
支援功能函數，如資料拷貝，Q格式和浮點格式互相轉換，Q任意格式互相轉換。
10、TransformFunctions
變換功能。包括複數FFT（CFFT）/複數FFT逆運算（CIFFT）、實數FFT（RFFT）/實數FFT逆運算（RIFFT）、和DCT（離散餘弦變換）和配套的初始化函數。
官網：
CMSIS-DSP Version 1.7.0
CMSIS DSP Software Library
http://www.keil.com/pack/doc/CMSIS/DSP/html/index.html
下載下傳該庫的方法：到keil官網下載下傳keil5安裝包，完成後有庫所在的檔案路徑如下所示：
參考資料：
【1】讓你的軟體飛起來https://wenku.baidu.com/view/1fb647bdf121dd36a32d8290.html
【2】讓你的軟體飛起來-----算法優化（整理版） https://www.cnblogs.com/fhyfhy/p/4452941.html
【3】準确詳解：C/C++ float、double資料類型的表示範圍及精度 https://blog.csdn.net/black_kyatu/article/details/79257346
【4】 C/C++ float與double的有效數字位 https://blog.csdn.net/VonSdite/article/details/76575247
【5】使用STM32F4XX自帶數學庫"arm_math.h" http://j1o1y.blog.sohu.com/275269554.html
【6】CMSIS庫 http://www.keil.com/pack/doc/CMSIS/DSP/html/index.html
【7】http://www.keil.com/dd2/Pack/