NEON 优化 C++ 混响算法

普通的串行版本 和优化思路在这里。

跟 AVX2 不一样的大概是两点：

• NEON 指令只可以同时处理 4 个 float 数据
• NEON 有自己的函数集

优化后的 NEON 版本：

size_t samples = file.file_size / 4;
size_t ir_samples = sizeof(ir) / 4;
for (size_t i = 0; i < samples; ++i)
{
    float32x4_t out = { 0 };
    for (size_t j = 0; j < ir_samples && i >= j; j += 4)
    {
        float32x4_t ir_x4 = vld1q_f32(ir + j);
        float32x4_t in;
        switch (i - j)
        {
        case 0:
        {
            float temp[4] = {file.in_file_data[0], 0, 0, 0};
            in = vld1q_f32(temp);
            break;
        }
        case 1:
        {
            float temp[4] = {file.in_file_data[1], file.in_file_data[0], 0, 0};
            in = vld1q_f32(temp);
            break;
        }
        case 2:
        {
            float temp[4] = {file.in_file_data[2], file.in_file_data[1], file.in_file_data[0], 0};
            in = vld1q_f32(temp);
            break;
        }
        default:
              // float temp[4] = {file.in_file_data[i-j], file.in_file_data[i-j-1], file.in_file_data[i-j-2], file.in_file_data[i-j-3]};
              // in = vld1q_f32(temp);
              in = vld1q_f32(file.in_file_data + i - j - 3);
              in = vrev64q_f32(in);
            break;
        }
        out = vmlaq_f32(out, in, ir_x4);
    }
    file.out_file_data[i] += vgetq_lane_f32(out, 0);
    file.out_file_data[i] += vgetq_lane_f32(out, 1);
    file.out_file_data[i] += vgetq_lane_f32(out, 2);
    file.out_file_data[i] += vgetq_lane_f32(out, 3);
}

NEON 函数集跟 AVX2 略有不同，只有顺序加载的 load ( vld1q_f32() )，没有逆序、离散加载的 set，所以需要构造一个临时的 float 数组，逆序赋值，再传入 load 函数。

不需要补零时，构造临时 float 数组再 load，效率明显低于上边代码示例里 default 块的实现方式，即先一次性 load 4个数据后再反转。在我的测试用例里，单这一个改动就提升了约 10% 的性能。

完整的 Android 测试工程在这里