3. C语言在DSP中的优化技巧：循环展开、查表法、内联函数、寄存器变量

做DSP开发的朋友都知道，C语言写起来爽，但跑起来不一定爽。尤其是雷达信号处理这种实时性要求极高的场景，代码效率差一点，整个系统就崩给你看。我这些年踩过的坑不少，今天就把几个最实用的优化技巧拿出来聊聊。

3.1 循环展开：用空间换时间的老手艺

循环展开，说白了就是把循环体复制几份，减少循环控制的开销。DSP的循环指令虽然快，但每次迭代都要做一次跳转和条件判断，累积起来就是不小的开销。

举个例子，一个简单的FIR滤波器实现：

// 原始循环
for(i = 0; i < N; i++) {
    sum += x[i] * h[i];
}

// 展开2次
for(i = 0; i < N; i += 2) {
    sum += x[i]   * h[i];
    sum += x[i+1] * h[i+1];
}

我在项目中遇到过一个问题：一个256点的复数乘法，用原始循环跑了200多个时钟周期。展开4次后，直接降到60多个周期。为什么？因为循环控制指令从256次减少到了64次，而且DSP的并行指令能同时处理多个乘加操作。

3.2 查表法：三角函数、开方、反正切，统统查表

雷达信号处理里，三角函数、开方、反正切这些运算太常见了。但DSP做这些运算，一个函数调用可能就是几十甚至上百个周期。查表法，就是提前算好结果存起来，运行时直接查。

你想想看，一个1024点的FFT，每个点都要算一次旋转因子。如果每次都用sin/cos函数算，光这个就够喝一壶的。我建议的做法是：

// 预计算旋转因子表
float cos_table[1024];
float sin_table[1024];

void init_twiddle_table(int N) {
    for(i = 0; i < N; i++) {
        cos_table[i] = cos(2 * PI * i / N);
        sin_table[i] = sin(2 * PI * i / N);
    }
}

// 运行时直接查表
float twiddle_real = cos_table[k];
float twiddle_imag = sin_table[k];

除了三角函数，开方运算也可以用查表法。比如计算复数模值 sqrt(a² + b²)，可以用平方根表或者近似公式。我个人习惯用查表加线性插值，精度够用，速度也快。

3.3 内联函数：省掉函数调用的开销

函数调用在DSP上是有代价的——压栈、跳转、返回，这些操作在实时处理中都是浪费。内联函数，就是把函数体直接嵌入调用处，省掉这些开销。

C语言里用 inline 关键字，但要注意：inline 只是建议，编译器不一定听你的。我一般这样写：

// 内联函数声明
static inline int sat_add(int a, int b) {
    int sum = a + b;
    // 饱和处理
    if((a > 0) && (b > 0) && (sum < 0)) sum = 0x7FFFFFFF;
    if((a < 0) && (b < 0) && (sum > 0)) sum = 0x80000000;
    return sum;
}

// 使用
int result = sat_add(sample1, sample2);

我记得有一次优化一个脉冲压缩模块，里面有个复数乘法函数被调用了上万次。改成内联后，整个模块的执行时间减少了15%。为什么？因为DSP的流水线不用因为函数调用而频繁冲刷了。

3.4 寄存器变量：让数据离CPU更近

寄存器变量，就是用 register 关键字告诉编译器：这个变量请放在寄存器里，别放内存。DSP访问寄存器只需要1个周期，访问内存可能要几个甚至十几个周期。

// 寄存器变量示例
void fir_filter(short *x, short *h, short *y, int N) {
    register int i;
    register long sum;
    register short *px = x;
    register short *ph = h;
    
    for(i = 0; i < N; i++) {
        sum = 0;
        // 循环体
    }
}

我曾经在调试一个MTI（动目标显示）滤波器时，发现性能始终上不去。后来看反汇编，发现循环计数器被放到了栈上。加上 register 后，性能提升了8%。嗯，有时候就是这些小细节决定了成败。

3.5 综合运用：一个实际案例

说了这么多，咱们看一个综合案例。假设我们要实现一个256点的复数点乘：

// 优化前
void complex_dot(complex *a, complex *b, complex *out, int N) {
    int i;
    for(i = 0; i < N; i++) {
        out[i].real = a[i].real * b[i].real - a[i].imag * b[i].imag;
        out[i].imag = a[i].real * b[i].imag + a[i].imag * b[i].real;
    }
}

// 优化后
static inline void cmul(complex *a, complex *b, complex *out) {
    register float ar = a->real, ai = a->imag;
    register float br = b->real, bi = b->imag;
    out->real = ar * br - ai * bi;
    out->imag = ar * bi + ai * br;
}

void complex_dot_opt(complex *a, complex *b, complex *out, int N) {
    register int i;
    register complex *pa = a, *pb = b, *pout = out;
    
    // 展开4次
    for(i = 0; i < N; i += 4) {
        cmul(pa++, pb++, pout++);
        cmul(pa++, pb++, pout++);
        cmul(pa++, pb++, pout++);
        cmul(pa++, pb++, pout++);
    }
}

3.6 避坑指南

最后，分享几个我踩过的坑：

• 循环展开别过头：我曾经把循环展开到16倍，结果代码体积暴增，指令缓存命中率下降，性能反而变差了。一般4倍就够了。
• 查表法注意对齐：DSP访问对齐数据最快。查表时确保表格地址是4字节或8字节对齐的，否则会有额外的访问开销。
• 内联函数别滥用：内联会增加代码体积。我一般只内联那些被频繁调用且函数体小于10行的小函数。
• 寄存器变量别贪多：DSP的寄存器是稀缺资源。你声明太多 register，编译器会忽略多余的，反而可能打乱它的优化策略。

这些技巧，说白了就是让DSP少做无用功。你想想看，雷达信号处理里，一个脉冲重复周期可能只有几毫秒，你要在这段时间内完成匹配滤波、MTI、CFAR等一系列操作。每一行代码的效率，都直接决定了系统能不能跑起来。

好了，今天就聊到这里。下一章我们讲讲内存优化——怎么让数据在DSP的各级存储间高效流转。那个坑更多，到时候我慢慢说。