什麼Android包可用於矢量，標量，矩陣和FP數學？

Question

建議在Android平臺上執行復雜的數學運算，如向量乘法，向量轉換（int到FP）等。它看起來不像java.lang.math足夠強壯。有人建議我看看NDK和一個好的c/C++ lib或siglib。還有其他建議嗎？謝謝...

Answer 1

去年，我讀a book，其中包括一個關於SIMD數學的話題。正如你可能知道的，SIMD數學用於加速矢量乘法和矢量轉換過程，我查看了Sony的VectorMath庫。

雖然我沒有打算構建處理器昂貴的應用程序，但它使用起來很方便，也很容易。我認爲問題在於它實際上是爲索尼PS3處理器架構設計的，我不確定它是否可用於ARM芯片組。

這裏是鏈接： 子彈SIMDMath庫：http://bullet.svn.sourceforge.net/viewvc/bullet/trunk/Extras/simdmathlibrary/

子彈VectorMath庫：http://bullet.svn.sourceforge.net/viewvc/bullet/trunk/Extras/vectormathlibrary/

編輯

從維基百科的ARM架構頁面直接引用：

高級SIMD （NEON） 先進的SIMD擴展（又名NEON或MPE媒體處理引擎）是一種組合的64位和128位單指令多數據（SIMD）指令集，爲媒體和信號處理應用程序提供標準化加速。 NEON包含在所有Cortex-A8器件中，但在Cortex-A9器件中是可選的[33]。 NEON可以在運行頻率爲10 MHz的CPU上執行MP3音頻解碼，並且可以以不超過13 MHz的頻率運行GSM自適應多速率（AMR）語音編解碼器。它具有全面的指令集，獨立的寄存器文件和獨立的執行硬件。[34] NEON支持8位，16位，32位和64位整數和單精度（32位）浮點數據，並可在SIMD操作中處理音頻和視頻處理以及圖形和遊戲處理。在NEON中，SIMD同時支持多達16個操作。 NEON硬件共享與VFP中使用的相同的浮點寄存器。諸如ARM Cortex-A8和Cortex-A9等設備支持128位向量，但一次只能執行64位，[32]而較新的Cortex-A15設備可以一次執行128位。

這意味着即使沒有SIMD指令的擔保，他們可能會有。

而且Tegra系列：

相比Tegra 2的，在ARM Cortex-A9s中的Tegra 3現在支持ARM的SIMD擴展明麗。