This source file includes following definitions.
- kern_r4_sse2_u4_f
- kern_r4_sse2_u4_b
- fftss_r4_sse2_u4_f
- fftss_r4_sse2_u4_b
#include "libfftss.h"
#include <emmintrin.h>
extern unsigned int fftss_sse2_cmz[];
extern unsigned int fftss_sse2_czm[];
static inline void
kern_r4_sse2_u4_f(double *restrict o0,
double *restrict o1,
double *restrict o2,
double *restrict o3,
const double *i0,
const double *w,
long blocks)
{
long i;
__m128d zm, mz;
zm = _mm_loadu_pd((double *)fftss_sse2_czm);
mz = _mm_loadu_pd((double *)fftss_sse2_cmz);
for (i = 0; i < blocks; i++) {
__m128d w1, w2, w3;
__m128d w1p, w2p, w3p;
__m128d p0, p1, p2, p3;
__m128d d0, d1, d2, d3;
w1p = w1 = _mm_load_pd(w + 8 * i);
w1 = _mm_xor_pd(w1, zm);
w1p = _mm_shuffle_pd(w1p, w1p, 1);
w2p = w2 = _mm_load_pd(w + 16 * i);
w2 = _mm_xor_pd(w2, zm);
w2p = _mm_shuffle_pd(w2p, w2p, 1);
w3p = w3 = _mm_load_pd(w + 24 * i);
w3 = _mm_xor_pd(w3, zm);
w3p = _mm_shuffle_pd(w3p, w3p, 1);
d2 = _mm_load_pd(i0 + 16);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 8);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 24);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
_mm_store_pd(o0, _mm_add_pd(p0, p1));
_mm_store_pd(o2, _mm_sub_pd(p0, p1));
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o1, _mm_add_pd(p2, p3));
_mm_store_pd(o3, _mm_sub_pd(p2, p3));
d2 = _mm_load_pd(i0 + 18);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 10);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 26);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0 + 2);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
_mm_store_pd(o0 + 2, _mm_add_pd(p0, p1));
_mm_store_pd(o2 + 2, _mm_sub_pd(p0, p1));
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o1 + 2, _mm_add_pd(p2, p3));
_mm_store_pd(o3 + 2, _mm_sub_pd(p2, p3));
d2 = _mm_load_pd(i0 + 20);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 12);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 28);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0 + 4);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
_mm_store_pd(o0 + 4, _mm_add_pd(p0, p1));
_mm_store_pd(o2 + 4, _mm_sub_pd(p0, p1));
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o1 + 4, _mm_add_pd(p2, p3));
_mm_store_pd(o3 + 4, _mm_sub_pd(p2, p3));
d2 = _mm_load_pd(i0 + 22);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 14);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 30);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0 + 6);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
_mm_store_pd(o0 + 6, _mm_add_pd(p0, p1));
_mm_store_pd(o2 + 6, _mm_sub_pd(p0, p1));
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o1 + 6, _mm_add_pd(p2, p3));
_mm_store_pd(o3 + 6, _mm_sub_pd(p2, p3));
i0 += 32;
o0 += 8; o1 += 8;
o2 += 8; o3 += 8;
}
}
static inline void
kern_r4_sse2_u4_b(double *restrict o0,
double *restrict o1,
double *restrict o2,
double *restrict o3,
const double *i0,
const double *w,
long blocks)
{
long i;
__m128d zm, mz;
zm = _mm_loadu_pd((double *)fftss_sse2_czm);
mz = _mm_loadu_pd((double *)fftss_sse2_cmz);
for (i = 0; i < blocks; i++) {
__m128d w1, w2, w3;
__m128d w1p, w2p, w3p;
__m128d p0, p1, p2, p3;
__m128d d0, d1, d2, d3;
w1 = _mm_load_pd(w + 8 * i);
w2 = _mm_load_pd(w + 16 * i);
w3 = _mm_load_pd(w + 24 * i);
#if 1
w1p = _mm_shuffle_pd(w1, w1, 1);
w2p = _mm_shuffle_pd(w2, w2, 1);
w3p = _mm_shuffle_pd(w3, w3, 1);
#endif
w1p = _mm_xor_pd(w1p, mz);
w2p = _mm_xor_pd(w2p, mz);
w3p = _mm_xor_pd(w3p, mz);
d2 = _mm_load_pd(i0 + 16);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 8);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 24);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o0, _mm_add_pd(p0, p1));
_mm_store_pd(o2, _mm_sub_pd(p0, p1));
_mm_store_pd(o1, _mm_sub_pd(p2, p3));
_mm_store_pd(o3, _mm_add_pd(p2, p3));
d2 = _mm_load_pd(i0 + 18);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 10);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 26);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0 + 2);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o0 + 2, _mm_add_pd(p0, p1));
_mm_store_pd(o2 + 2, _mm_sub_pd(p0, p1));
_mm_store_pd(o1 + 2, _mm_sub_pd(p2, p3));
_mm_store_pd(o3 + 2, _mm_add_pd(p2, p3));
d2 = _mm_load_pd(i0 + 20);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 12);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 28);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0 + 4);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o0 + 4, _mm_add_pd(p0, p1));
_mm_store_pd(o2 + 4, _mm_sub_pd(p0, p1));
_mm_store_pd(o1 + 4, _mm_sub_pd(p2, p3));
_mm_store_pd(o3 + 4, _mm_add_pd(p2, p3));
d2 = _mm_load_pd(i0 + 22);
p2 = _mm_unpacklo_pd(d2, d2);
d2 = _mm_unpackhi_pd(d2, d2);
p2 = _mm_mul_pd(p2, w2);
d2 = _mm_mul_pd(d2, w2p);
d2 = _mm_add_pd(d2, p2);
d1 = _mm_load_pd(i0 + 14);
p1 = _mm_unpacklo_pd(d1, d1);
d1 = _mm_unpackhi_pd(d1, d1);
p1 = _mm_mul_pd(p1, w1);
d1 = _mm_mul_pd(d1, w1p);
d1 = _mm_add_pd(d1, p1);
d3 = _mm_load_pd(i0 + 30);
p3 = _mm_unpacklo_pd(d3, d3);
d3 = _mm_unpackhi_pd(d3, d3);
p3 = _mm_mul_pd(p3, w3);
d3 = _mm_mul_pd(d3, w3p);
d3 = _mm_add_pd(d3, p3);
d0 = _mm_load_pd(i0 + 6);
p0 = _mm_add_pd(d0, d2);
p2 = _mm_sub_pd(d0, d2);
p1 = _mm_add_pd(d1, d3);
p3 = _mm_sub_pd(d1, d3);
p3 = _mm_xor_pd(p3, mz);
p3 = _mm_shuffle_pd(p3, p3, 1);
_mm_store_pd(o0 + 6, _mm_add_pd(p0, p1));
_mm_store_pd(o2 + 6, _mm_sub_pd(p0, p1));
_mm_store_pd(o1 + 6, _mm_sub_pd(p2, p3));
_mm_store_pd(o3 + 6, _mm_add_pd(p2, p3));
i0 += 32;
o0 += 8; o1 += 8;
o2 += 8; o3 += 8;
}
}
void fftss_r4_sse2_u4_f(double *in, double *out, double *w,
long bsize, long blocks)
{
kern_r4_sse2_u4_f(out, out + bsize * blocks * 2,
out + bsize * blocks * 4, out + bsize * blocks * 6,
in, w, blocks);
}
void fftss_r4_sse2_u4_b(double *in, double *out, double *w,
long bsize, long blocks)
{
kern_r4_sse2_u4_b(out, out + bsize * blocks * 2,
out + bsize * blocks * 4, out + bsize * blocks * 6,
in, w, blocks);
}