Обратно sqrt за фиксирана точка

Номерът е да приложите метода на Нютон към проблема x - 1/y^2 = 0. И така, при дадено x, решете за y, като използвате итеративна схема.

Y_(n+1) = y_n * (3 - x*y_n^2)/2

Разделянето на 2 е просто малко изместване или в най-лошия случай умножение по 0,5. Тази схема се свежда до y=1/sqrt(x), точно както е поискано и без никакви истински разделения.

Единственият проблем е, че имате нужда от прилична начална стойност за y. Доколкото си спомням, има ограничения за оценката y за сближаване на повторенията.

Процесорите ARMv5TE осигуряват бърз умножител на цели числа и инструкция за "броене на водещи нули". Те също така обикновено идват с умерено големи кешове. Въз основа на това най-подходящият подход за внедряване с висока производителност изглежда е търсене в таблица за първоначално приближение, последвано от две итерации на Нютон-Рафсън за постигане на напълно точни резултати. Можем да ускорим още повече първата от тези итерации с допълнително предварително изчисление, което е включено в таблицата, техника, използвана от компютрите Cray преди четиридесет години.

Функцията fxrsqrt() по-долу прилага този подход. Започва с 8-битово приближение r към реципрочния квадратен корен на аргумента a, но вместо да съхранява r, всеки елемент от таблицата съхранява 3r (в долните десет бита на 32-битовия запис) и r³ (в горните 22 бита на 32-битовия запис). Това позволява бързото изчисляване на първата итерация като r₁ = 0,5 * (3 * r - a * r³). След това втората итерация се изчислява по конвенционалния начин като r₂ = 0,5 * r₁ * (3 - r₁ * (r₁ * а)).

За да можете да извършвате тези изчисления точно, независимо от големината на входа, аргументът a се нормализира в началото на изчислението, като по същество го представя като 2.32 число с фиксирана запетая, умножено с мащабен коефициент 2 ^мащаб. В края на изчислението резултатът се денормализира съгласно формула 1/sqrt(2²ⁿ) = 2^-n. Чрез закръгляване на резултати, чийто най-значим изхвърлен бит е 1, се подобрява точността, което води до правилно закръгляване на почти всички резултати. Изчерпателните доклади от тестовете: results too low: 639 too high: 1454 not correctly rounded: 2093

Кодът използва две помощни функции: __clz() определя броя на водещите нулеви битове в ненулев 32-битов аргумент. __umulhi() изчислява 32-те най-значими бита от пълно 64-битово произведение на две 32-битови цели числа без знак. И двете функции трябва да бъдат реализирани или чрез вътрешни компоненти на компилатора, или чрез използване на малко вградено асемблиране. В кода по-долу показвам преносими реализации, подходящи за ARM CPU, заедно с вградени версии за асемблиране за x86 платформи. На ARMv5TE платформи __clz() трябва да бъде картографирано към инструкцията CLZ, а __umulhi() трябва да бъде картографирано към UMULL.

#include <stdio.h>
#include <stdlib.h>
#include <stdint.h>
#include <math.h>

#define USE_OWN_INTRINSICS 1

#if USE_OWN_INTRINSICS
__forceinline int __clz (uint32_t a)
{
    int r;
    __asm__ ("bsrl %1,%0\n\t" : "=r"(r): "r"(a));
    return 31 - r;
}

uint32_t __umulhi (uint32_t a, uint32_t b)
{
    uint32_t r;
    __asm__ ("movl %1,%%eax\n\tmull %2\n\tmovl %%edx,%0\n\t"
             : "=r"(r) : "r"(a), "r"(b) : "eax", "edx");
    return r;
}
#else // USE_OWN_INTRINSICS
int __clz (uint32_t a)
{
    uint32_t r = 32;
    if (a >= 0x00010000) { a >>= 16; r -= 16; }
    if (a >= 0x00000100) { a >>=  8; r -=  8; }
    if (a >= 0x00000010) { a >>=  4; r -=  4; }
    if (a >= 0x00000004) { a >>=  2; r -=  2; }
    r -= a - (a & (a >> 1));
    return r;
}

uint32_t __umulhi (uint32_t a, uint32_t b)
{
    return (uint32_t)(((uint64_t)a * b) >> 32);
}
#endif // USE_OWN_INTRINSICS

/*
 * For each sub-interval in [1, 4), use an 8-bit approximation r to reciprocal
 * square root. To speed up subsequent Newton-Raphson iterations, each entry in
 * the table combines two pieces of information: The least-significant 10 bits
 * store 3*r, the most-significant 22 bits store r**3, rounded from 24 down to
 * 22 bits such that accuracy is optimized.
 */
uint32_t rsqrt_tab [96] = 
{
    0xfa0bdefa, 0xee6af6ee, 0xe5effae5, 0xdaf27ad9,
    0xd2eff6d0, 0xc890aec4, 0xc10366bb, 0xb9a71ab2,
    0xb4da2eac, 0xadce7ea3, 0xa6f2b29a, 0xa279a694,
    0x9beb568b, 0x97a5c685, 0x9163027c, 0x8d4fd276,
    0x89501e70, 0x8563da6a, 0x818ac664, 0x7dc4fe5e,
    0x7a122258, 0x7671be52, 0x72e44a4c, 0x6f68fa46,
    0x6db22a43, 0x6a52623d, 0x67041a37, 0x65639634,
    0x622ffe2e, 0x609cba2b, 0x5d837e25, 0x5bfcfe22,
    0x58fd461c, 0x57838619, 0x560e1216, 0x53300a10,
    0x51c72e0d, 0x50621a0a, 0x4da48204, 0x4c4c2e01,
    0x4af789fe, 0x49a689fb, 0x485a11f8, 0x4710f9f5,
    0x45cc2df2, 0x448b4def, 0x421505e9, 0x40df5de6,
    0x3fadc5e3, 0x3e7fe1e0, 0x3d55c9dd, 0x3d55d9dd,
    0x3c2f41da, 0x39edd9d4, 0x39edc1d4, 0x38d281d1,
    0x37bae1ce, 0x36a6c1cb, 0x3595d5c8, 0x3488f1c5,
    0x3488fdc5, 0x337fbdc2, 0x3279ddbf, 0x317749bc,
    0x307831b9, 0x307879b9, 0x2f7d01b6, 0x2e84ddb3,
    0x2d9005b0, 0x2d9015b0, 0x2c9ec1ad, 0x2bb0a1aa,
    0x2bb0f5aa, 0x2ac615a7, 0x29ded1a4, 0x29dec9a4,
    0x28fabda1, 0x2819e99e, 0x2819ed9e, 0x273c3d9b,
    0x273c359b, 0x2661dd98, 0x258ad195, 0x258af195,
    0x24b71192, 0x24b6b192, 0x23e6058f, 0x2318118c,
    0x2318718c, 0x224da189, 0x224dd989, 0x21860d86,
    0x21862586, 0x20c19183, 0x20c1b183, 0x20001580
};

/* This function computes the reciprocal square root of its 16.16 fixed-point 
 * argument. After normalization of the argument if uses the most significant
 * bits of the argument for a table lookup to obtain an initial approximation 
 * accurate to 8 bits. This is followed by two Newton-Raphson iterations with
 * quadratic convergence. Finally, the result is denormalized and some simple
 * rounding is applied to maximize accuracy.
 *
 * To speed up the first NR iteration, for the initial 8-bit approximation r0
 * the lookup table supplies 3*r0 along with r0**3. A first iteration computes
 * a refined estimate r1 = 1.5 * r0 - x * r0**3. The second iteration computes
 * the final result as r2 = 0.5 * r1 * (3 - r1 * (r1 * x)).
 *
 * The accuracy for all arguments in [0x00000001, 0xffffffff] is as follows: 
 * 639 results are too small by one ulp, 1454 results are too big by one ulp.
 * A total of 2093 results deviate from the correctly rounded result.
 */
uint32_t fxrsqrt (uint32_t a)
{
    uint32_t s, r, t, scal;

    /* handle special case of zero input */
    if (a == 0) return ~a;
    /* normalize argument */
    scal = __clz (a) & 0xfffffffe;
    a = a << scal;
    /* initial approximation */
    t = rsqrt_tab [(a >> 25) - 32];
    /* first NR iteration */
    r = (t << 22) - __umulhi (t, a);
    /* second NR iteration */
    s = __umulhi (r, a);
    s = 0x30000000 - __umulhi (r, s);
    r = __umulhi (r, s);
    /* denormalize and round result */
    r = ((r >> (18 - (scal >> 1))) + 1) >> 1;
    return r;
}

/* reference implementation, 16.16 reciprocal square root of non-zero argment */
uint32_t ref_fxrsqrt (uint32_t a)
{
    double arg = a / 65536.0;
    double rsq = sqrt (1.0 / arg);
    uint32_t r = (uint32_t)(rsq * 65536.0 + 0.5);
    return r;
}

int main (void)
{
    uint32_t arg = 0x00000001;
    uint32_t res, ref;
    uint32_t err, lo = 0, hi = 0;

    do {
        res = fxrsqrt (arg);
        ref = ref_fxrsqrt (arg);

        err = 0;
        if (res < ref) {
            err = ref - res;
            lo++;
        }
        if (res > ref) {
            err = res - ref;
            hi++;
        }
        if (err > 1) {
            printf ("!!!! arg=%08x  res=%08x  ref=%08x\n", arg, res, ref);
            return EXIT_FAILURE;
        }
        arg++;
    } while (arg);
    printf ("results too low: %u  too high: %u  not correctly rounded: %u\n", 
            lo, hi, lo + hi);
    return EXIT_SUCCESS;
}

Имам решение, което характеризирам като "бърз обратен sqrt, но за 32-битови фиксирани точки". Без таблица, без препратка, просто направо към точката с добро предположение.

Ако искате, преминете към изходния код по-долу, но внимавайте за няколко неща.

1. (x * y)>>16 може да бъде заменено с всяка схема за умножение с фиксирана точка, която искате.
2. Това не изисква 64-битови [дълги думи], просто го използвам за по-лесна демонстрация. Използват се дълги думи, за да се предотврати препълване при умножение. Математическа библиотека с фиксирана запетая ще има функции за умножение с фиксирана запетая, които се справят по-добре с това.
3. Първоначалното предположение е доста добро, така че получавате относително точни резултати при първото заклинание.
4. Кодът е по-подробен, отколкото е необходимо за демонстрация.
5. Стойности по-малки от 65536 (‹1) и по-големи от 32767‹‹16 не могат да се използват.
6. Това обикновено не е по-бързо от използването на таблица с квадратен корен и деление, ако вашият хардуер има функция за деление. Ако не, това избягва разделенията.

int fxisqrt(int input){

    if(input <= 65536){
        return 1;
    }

    long xSR = input>>1;
    long pushRight = input;
    long msb = 0;
    long shoffset = 0;
    long yIsqr = 0;
    long ysqr = 0;
    long fctrl = 0;
    long subthreehalf = 0;

    while(pushRight >= 65536){
        pushRight >>=1;
        msb++;
    }

    shoffset = (16 - ((msb)>>1));
    yIsqr = 1<<shoffset;
    //y = (y * (98304 - ( ( (x>>1) * ((y * y)>>16 ) )>>16 ) ) )>>16;   x2
    //Incantation 1
    ysqr = (yIsqr * yIsqr)>>16;
    fctrl = (xSR * ysqr)>>16;
    subthreehalf = 98304 - fctrl;
    yIsqr = (yIsqr * subthreehalf)>>16;
    //Incantation 2 - Increases precision greatly, but may not be neccessary
    ysqr = (yIsqr * yIsqr)>>16;
    fctrl = (xSR * ysqr)>>16;
    subthreehalf = 98304 - fctrl;
    yIsqr = (yIsqr * subthreehalf)>>16;
    return yIsqr;
}