Cortex-M 也会"算"：它的 SIMD 指令扩展怎么用

很多人印象里的 Cortex-M 就是"跑控制、管外设"，算力活儿都丢给 DSP 或浮点单元。其实从 Cortex-M3 开始，ARM 就给它塞了一套 **DSP/SIMD 指令扩展**，M4/M7/M33/M55 一代比一代全。会用它，电机 FOC、传感器滤波这类活儿完全可以在 MCU 上搞定，不用另加芯片。

## 什么是单周期"双 16 位"运算

Cortex-M 的 ALU 是 32 位的。普通 `ADD` 一次加一对 32 位数；SIMD 指令则把 32 位寄存器**拆成两个 16 位（或四个 8 位）通道**，一次指令完成两次独立运算：

- `SADD16`：两个 16 位有符号数并行相加
- `SSUB16` / `SMLAD`：`SMLAD` 更狠，一条指令完成"两个 16 位乘法 + 32 位累加"——正好是 FIR 滤波器的内循环
- `USAD8`：四个 8 位无符号数并行求绝对差累加，图像块匹配（SAD）算法的神器

CMSIS-DSP 库把这些指令全封装好了：`arm_fir_q15()`、`arm_biquad_cascade_df1_q15()` 等等，内部已经用 SIMD 优化过。你不需要手写汇编，调用库函数就能吃到加速。

## 工程实践：怎么落地

1. **先确认内核型号**：M0/M0+ 没有 DSP 扩展（只有 M3 起部分支持，M4/M7/M33 支持完整版，M55 还加了 Helium MVE 向量扩展）。选型时看准，别指望 M0 跑 SIMD。
2. **数据对齐是前提**：SIMD 一次处理打包好的数据，输入数组必须是 16 位对齐、用 Q15/Q31 格式存放。用 CMSIS-DSP 的初始化函数，它会帮你处理系数排布。
3. **编译器开关**：用 armclang/GCC 时打开 `-mcpu=cortex-m4 -mfpu=...` 之外，确保 CMSIS-DSP 按目标内核编译（`ARM_MATH_CM4` 这类宏），否则库函数会退化成纯 C 实现，加速全无。
4. **性能实测别靠猜**：DWT 周期计数器（`DWT_CYCCNT`）测一下 `arm_fir_q15` 跑 64 阶滤波的真实周期数，再和你之前的纯 C 版本对比，差距通常在 3~5 倍。

## 一个常见误区

"加了 FPU（M4F/M7）就不需要定点了"——错。FPU 做浮点很爽，但**功耗和确定性**不如定点 SIMD：浮点除法、超越函数的周期数不固定，中断延迟抖动大；定点 SIMD 每条指令周期数固定，硬实时场景更可控。很多电机控制项目是"定点 SIMD 做内环 + 浮点做外环"的混合架构。

下次选型别再默认"算力不够就加 DSP 芯片"，先看看你手里的 Cortex-M4/M7 有没有把 SIMD 用满。

弱弱问一句，这个方案的功耗表现怎么样？我们项目功耗卡得很死。