第1B部分：单精度浮点FIR滤波器，使用C循环实现

与第1A部分类似，第1B部分使用纯C循环编写的浮点逻辑来实现FIR滤波器。不同之处在于，第1B部分使用单精度浮点数（float）而不是第1A部分中的双精度浮点数（double）。

xcore.ai设备包括一个用于单精度浮点算术的标量浮点单元，包括乘法、加法和融合乘累加指令。双精度的相似操作需要显著的软件参与，因此速度较慢。在这个阶段，我们将看到通过有效利用FPU，我们可以获得很大的性能提升。

实现

将part1B.c中的代码与part1A.c中的代码进行比较，我们可以看到唯一的区别是所有的double值都被替换为float值。

类似地，第1B部分应用程序包括filter_coef_float.c（而不是filter_coef_double.c），它将filter_coef[]定义为float值的向量。

由于第1B部分与第1A部分非常相似，这里不会展示filter_task()、rx_frame()和tx_frame()的实现。

src/part1B/part1B.c

//将滤波器应用于生成单个输出样本
float filter_sample(
    const float sample_history[TAP_COUNT])
{
  // 计算sample_history[]和filter_coef[]的内积
  float acc = 0.0;
  for(int k = 0; k < TAP_COUNT; k++)
    acc += sample_history[k] * filter_coef[k];
  return acc;
}

在这里，我们可以看到第1B部分中的filter_sample()与第1A部分中的函数完全相同，只是将double替换为float。

结果

运行时间

时间类型	测量时间
每个滤波器系数	75.20 ns
每个输出样本	77.00000 us
每帧	19.77849200 ms

输出波形