ARM / NEON的64bit / 32bit分割算法更快？
我正在研究一个代码，其中在两个地方有64位乘32位定点除法，结果取32位。 这两个地方在一起占用了我总时间的20％以上。 所以我觉得如果我可以删除64位分区，我可以很好地优化代码。 在NEON中，我们可以有一些64位指令。 任何人都可以建议一些例行程序，通过使用一些更快的实现来解决瓶颈问题。
或者如果我可以在C中使用32位/ 32位除法来实现64位/ 32位除法，那也很好吗？
如果有人有一些想法，你能帮我解决吗？
过去我做了很多定点算术，并且自己做了很多研究寻找快速64/32比特的分割。 如果你是谷歌'ARM部门'，你会发现很多伟大的链接和讨论这个问题。
对于ARM体系结构的最佳解决方案，即使32位分区可能无法在硬件中使用的情况如下：
http://www.peter-teichmann.de/adiv2e.html
这个汇编代码非常陈旧，您的汇编程序可能不了解它的语法。 不过值得将代码移植到您的工具链中。 这是迄今为止我见过的特殊情况下最快的分割代码，并且相信我：我已经对它们进行了基准测试:-)
上次我做到了这一点（大约5年前，对于CortexA8），这个代码比编译器生成的速度快大约10倍。
此代码不使用NEON。 一个NEON端口会很有趣。 不知道它会不会提高性能。
编辑：
我发现汇编程序的代码移植到了GAS（GNU Toolchain）。 此代码正在运行和测试：
Divide.S
.section ".text"
.global udiv64
udiv64:
adds r0,r0,r0
adc r1,r1,r1
.rept 31
cmp r1,r2
subcs r1,r1,r2
adcs r0,r0,r0
adc r1,r1,r1
.endr
cmp r1,r2
subcs r1,r1,r2
adcs r0,r0,r0
bx lr
C代码：
extern "C" uint32_t udiv64 (uint32_t a, uint32_t b, uint32_t c);
int32_t fixdiv24 (int32_t a, int32_t b)
/* calculate (a<<24)/b with 64 bit immediate result */
{
int q;
int sign = (a^b) < 0; /* different signs */
uint32_t l,h;
a = a<0 ? -a:a;
b = b<0 ? -b:b;
l = (a << 24);
h = (a >> 8);
q = udiv64 (l,h,b);
if (sign) q = -q;
return q;
}