什么Android包可用于矢量，标量，矩阵和FP数学？

Question

建议在Android平台上执行复杂的数学运算，如向量乘法，向量转换（int到FP）等。它看起来不像java.lang.math足够强壮。有人建议我看看NDK和一个好的c/C++ lib或siglib。还有其他建议吗？谢谢...

Answer 1

去年，我读a book，其中包括一个关于SIMD数学的话题。正如你可能知道的，SIMD数学用于加速矢量乘法和矢量转换过程，我查看了Sony的VectorMath库。

虽然我没有打算构建处理器昂贵的应用程序，但它使用起来很方便，也很容易。我认为问题在于它实际上是为索尼PS3处理器架构设计的，我不确定它是否可用于ARM芯片组。

这里是链接： 子弹SIMDMath库：http://bullet.svn.sourceforge.net/viewvc/bullet/trunk/Extras/simdmathlibrary/

子弹VectorMath库：http://bullet.svn.sourceforge.net/viewvc/bullet/trunk/Extras/vectormathlibrary/

编辑

从维基百科的ARM架构页面直接引用：

高级SIMD （NEON） 先进的SIMD扩展（又名NEON或MPE媒体处理引擎）是一种组合的64位和128位单指令多数据（SIMD）指令集，为媒体和信号处理应用程序提供标准化加速。 NEON包含在所有Cortex-A8器件中，但在Cortex-A9器件中是可选的[33]。 NEON可以在运行频率为10 MHz的CPU上执行MP3音频解码，并且可以以不超过13 MHz的频率运行GSM自适应多速率（AMR）语音编解码器。它具有全面的指令集，独立的寄存器文件和独立的执行硬件。[34] NEON支持8位，16位，32位和64位整数和单精度（32位）浮点数据，并可在SIMD操作中处理音频和视频处理以及图形和游戏处理。在NEON中，SIMD同时支持多达16个操作。 NEON硬件共享与VFP中使用的相同的浮点寄存器。诸如ARM Cortex-A8和Cortex-A9等设备支持128位向量，但一次只能执行64位，[32]而较新的Cortex-A15设备可以一次执行128位。

这意味着即使没有SIMD指令的担保，他们可能会有。

而且Tegra系列：

相比Tegra 2的，在ARM Cortex-A9s中的Tegra 3现在支持ARM的SIMD扩展明丽。