SSE指令集入门

Intel公司的单指令多数据流式扩展（SSE，Streaming SIMD Extensions）技术能够有效增强CPU浮点运算的能力。Visual Studio .NET 2003提供了对SSE指令集的编程支持，从而允许用户在C++代码中不用编写汇编代码就可直接使用SSE指令的功能。MSDN中有关SSE技术的主题[1]有可能会使不熟悉使用SSE汇编指令编程的初学者感到困惑，但是在阅读MSDN有关文档的同时，参考一下Intel软件说明书（Intel Software manuals）[2]会使你更清楚地理解使用SSE指令编程的要点。

SIMD（single-instruction, multiple-data）是一种使用单道指令处理多道数据流的CPU执行模式，即在一个CPU指令执行周期内用一道指令完成处理多个数据的操作。考虑一下下面这个任务：计算一个很长的浮点型数组中每一个元素的平方根。实现这个任务的算法可以这样写：

for each  f in array        //对数组中的每一个元素

    f = sqrt(f)             //计算它的平方根

为了了解实现的细节，我们把上面的代码这样写：

for each  f in array

{

    把f从内存加载到浮点寄存器

    计算平方根

    再把计算结果从寄存器中取出放入内存

}

具有Intel SSE指令集支持的处理器有8个128位的寄存器，每一个寄存器可以存放4个（32位）单精度的浮点数。SSE同时提供了一个指令集，其中的指令可以允许把浮点数加载到这些128位的寄存器之中，这些数就可以在这些寄存器中进行算术逻辑运算，然后把结果放回内存。采用SSE技术后，算法可以写成下面的样子：

for each  4 members in array  //对数组中的每4个元素

{

    把数组中的这4个数加载到一个128位的SSE寄存器中

    在一个CPU指令执行周期中完成计算这4个数的平方根的操作

    把所得的4个结果取出写入内存

}

下面是一个演示的例子

使用纯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内嵌原语

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汇编

void CSSETestDlg::ComputeArrayAssemblySSE(
          float* pArray1,                   // [输入] 源数组1
          float* pArray2,                   // [输入] 源数组2
          float* pResult,                   // [输出] 用来存放结果的数组
          int nSize)                        // [输入] 数组的大小
{
    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                // 输入的源数组1的地址送往esi
        mov         edx, pArray2                // 输入的源数组2的地址送往edx

        mov         edi, pResult                // 输出结果数组的地址保存在edi
        mov         ecx, nLoop                  //循环次数送往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                //如果不为0则转向start_loop
    }
}
           

在信号处理中的实际应用（sse2）：

获得信号能量

/*
* 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);
}