大家讨论一下：C66X完成实数FIR波滤器的性能

1.1    DDOTP4H (c66)

long long __BUILTIN _ddotp4h    (__x128_t,  __x128_t);

DDOTP4H 一个指令可以做8对个short相乘并累加(如图，是累加成两个和)

如果A， B两侧算上的话就可以一个cycle做16个乘法。

TI官方的DSPlib中的FIR滤波器就是用这个指令优化的。

你实测性能只有4.4可能是因为D 单元受限，因为你的系数太长(64阶)，取系数，取样值都要用D单元。

达不到每cycle的16实数乘法的性能，是受.D元限制，优化之后的反馈提示如下：

;*                                A-side   B-side
;*      .L units                                           1        0    
;*      .S units                                           0        0    
;*      .D units                                          2        4*   
;*      .M units                                          4*       4*   
;*      .X cross paths                               4*       2    
;*      .T address paths                           4*       4*   
;*      Long read paths                            0        0    
;*      Long write paths                            0        0    
;*      Logical  ops (.LS)                          2        3     (.L or .S unit)
;*      Addition ops (.LSD)                       5        4     (.L or .S or .D unit)
;*      Bound(.L .S .LS)                           2        2    
;*      Bound(.L .S .D .LS .LSD)             4*       4* 

我是做无线信道接收机，接收的（I,Q）信号首先需经过滤波。

我主要是想要知道：C66X方面的专家目前在实数FIR运算方面所能达到的性能。C66X高手在FIR优化方面有什么经验？

你这个循环还是M单元受限，感觉你还没有使用_ddotp4h

另外你D单元用的似乎也不太高效
使用了不对齐加载_mem8()-- 每个cycle只能做一个load
改成用对齐加载_amem8() -- 每个cycle可以在A,B侧同时load，但要注意避免bank冲突

最好的避免D单元首先的办法是把滤波器系数全部存在寄存器。你是64抽头，要占用32个寄存器，确实比较多，但不妨试试

你可以参考DSPlib的优化，里面有FIR的例子，只是阶数小一些

也是办法之一。

不知道有谁在实际运用中实现了每个C66X核实数乘法运算速度能逼近达16*1.25G的运行速度。

以我目前的经验乘每核乘法运算处只能达到6*1.25G的速度