本帖最后由 liu_tianyi 于 2013-5-28 05:08 编辑

我犯了一个严重的错误，误以为KEIL的DEFAULT就是不优化了，其实是Default是高度优化，LEVEL-O1才是不优化。参考这里：
http://www.keil.com/support/man/docs/uv4/uv4_dg_adscc.htm

重新测试了一下STM32F4的成绩：
一共285964个周期，除以168MHZ，大约是1.7ms,比F28335略慢



抛开架构因素，从纯浮点运算方面来看的话。STM32F4的FPU加减乘指令VADD.F32、VSUB.F32、VMUL.F32都是单周期指令，而除法VDIV.F32耗费14个周期。
例如：a = a / b;产生的汇编为：

1. 0x08000220 ED900A00  VLDR          s0,[r0,#0x00]
   
2. 0x08000224 4804          LDR           r0,[pc,#16]  ; @0x08000238
   
3. 0x08000226 EDD00A00  VLDR         s1,[r0,#0x00]
   
4. 0x0800022A EE801A20  VDIV.F32    s2,s0,s1
   
5. 0x0800022E 4803          LDR           r0,[pc,#12]  ; @0x0800023C
   
6. 0x08000230 ED801A00  VSTR         s2,[r0,#0x00]

复制代码F28335：  F28335的FPU有加减乘法指令，都是双周期的，由于没有硬件除法指令，F28335这里是用软件模拟的浮点除法，汇编可以看到 LCR  $div_f32.asm字样，需要19个时钟周期。
例如：a = a * b,产生的汇编为：

1. 0087B2 E203 MOV32      *-SP[4], R0H
   
2. 0087B4 E2AF MOV32      R1H, *-SP[6], UNCF
   
3. 0087B6 E700 MPYF32     R0H, R1H, R0H
   
4. 0087B8 7700 NOP                                               //需要让流水线等待FPU运算完毕，所以需要NOP     
   
5. 0087B9 E203 MOV32      *-SP[4], R0H
   

复制代码除法：

1. 0087BD E203 MOV32      *-SP[4], R0H
   
2. 0087BF E2AF MOV32      R1H, *-SP[6], UNCF
   
3. 0087C1 7640 LCR        $div_f32.asm:52:71$
   
4. 0087C3 E203 MOV32      *-SP[4], R0H

复制代码结论：
可见单从浮点处理器来说，F28335是不如F4的FPU的。但是由于F28335是哈佛架构，有较长的流水线，可以在一个时钟周期里完成读取，运算和存储，所以程序连续运行的话，就比ARM快上许多许多，比如执行一次a = a + b只需要5个时钟周期，但是缺点就是一旦要跳转，就必须清空流水线，如果是

1. for(i = 0;i < 1000; i ++)
   
2. a = a + b;

复制代码这样的运算，速度反而要比ARM慢（测试下来单次是17周期，ARM是14）.所以说这就是ARM和DSP不同的地方了。