簡單闡述下ARMv8.1-M的一些特性，更多的特性及其詳細信息，請查看Armv8-M Architecture Reference Manual-DDI0553B_m。

1. MVE(M-Profile Vector Extension) or Helium technology

MVE其實就是ARM-M系列的SIMD特性，使得M-profile processor在DSP和AI等應用領域具有更強的處理能力。

8個128bit的vector size，可以拆成多個elements。

lane predication，適用code形式：if (a[i] != 0) then b[i]=a[i]*b[i]，當然還有其它變形形式，這時候需要結合VPTE指令來配合。

Vector gather load和vector scatter store，如VLDRB, VLDRH, VLDRW, VLDRD (vector)和VSTRB, VSTRH, VSTRW, VSTRD (vector)等。

MVE interleaving/de-interleaving loads and stores，如VLD2/VLD4和VST2/VST4等。

Beatwise operation，因為vector可能的一條指令會執行多個步驟，如果在執行期間有中斷，可以用ECI寄存當前instruction執行到哪個步驟了。

Support Circular Buffer，combine an instruction that generates wrapping offsets(VIWDUP) with a scatter‐gather instruction to access data at these offsets。

2. LoB/Loop Tail Predication/BF

LoB/Loop Tail Predication/BF可以用于提高loops循環和branches分支的效率，減少不需要耗在control flow指令上的時間。

Loop iteration optimization: LoB，在LO_BRANCH_INFO寄存器里存入end_addr和jump_addr，然后next instruction的address匹配上end_addr就可以直接跳轉了，甚至都不需要去去LE跳轉指令了。減少在必須要的循環控制指令上的時間消耗。需要用到WLS和LE指令。

Loop Tail Predication，假如處理的elements個數不是vector length的整數倍內，例如vector length=4，但要處理7個elements？一種方法就是最后一個使用普通的非vector去處理，前面的仍然用vector處理。另一種更好的方法是MVE中引入了WLSTP/LETP指令對，允許loop迭代中的最后一條vector instruction只處理remaining elements，在loop開始之前用WLSTP設置LR寄存器的值為多少個要處理的elements，每循環一次，LETP對LR減去vector的elements個數。

Branch feature：類似于提供“variable length delay slots” – to further eliminate bubbles caused by branch instructions (but only direct branches), since we already have the “LO_BRANCH_INFO” hardware available and can double use it to squeeze out a bit more performance.BFX指令執行的時候，會設置LO_BRANCH_INFO去指示在哪一個address上會發生跳轉，因此當執行執行到該address時，就可以執行跳轉了，甚至都不需要取和譯碼BX LR指令了，因此減少因為執行分支而造成的branch penalty(通常那些已經取的instruction會被處理為Bubbles)。如果在BFX和BX期間發生interrupt了，那么LO_BRANCH_INFO會被清除，這時候就需要BX LR了。如果在processor中不支持Branch Feature這個特性，那么將被實現為NOP。

3. Security 由于越來越多的MCU會運行第三方軟件和連接到互聯網上，如何保證不被黑客攻擊也成了重要的問題。

Execution permission：例如在v8.1-M里有PXN/UXN，減少被利用堆棧溢出攻擊而導致的安全問題。PXN是Privileged Execute-Never(這個是因為有些code就是想讓它在non-priv模式下執行，來限制訪問權限，防止資源受到破壞)，UXN是non-Privileged Execute-Never。在MPU_RLAR寄存器中有PXN bit，如果某個region的該bit置為1，那么privilege去訪問該region的code會fault exception。

V8.2-M PAC(Pointer Authentication): 減少利用RoP(Return-oriented Programming)攻擊導致的安全問題 。將會對return address(pointer)進行加擾，然后要返回時去除擾動，如果認證通過，那么就正常返回，反之報出exception。

V8.2-M BTI(Branch Target Instructions): 減少利用JoP(Jump-oriented Programming)攻擊導致的安全問題。BIT的基本思想就是限制indirect branch只能跳轉到特定的address空間上(only branching to allowed “landing pad instructions”)。

DIT(Data Independent Timing)：同樣的instruction可能會花費不同的執行時間，例如處理11和9999999999的算術運算占用時間不一樣的，這樣可能會暴露data信息給黑客。因此在AIRCR寄存器中增加了DIT bit，如果使能DIT功能，那么所有ALU instructions的執行時間才會采用最長的cycle數，也就是通過降低performance來換取安全。

UDE(Unprivileged Debug Extension)：在v8.0-M中，如果secure debug打開，那么software開發人員對priv和un-priv的secure world有完全的debug訪問權限。但是，如果禁用了secure debug，那么debugger將不能訪問所有的secure world。在v8.1-M中新增了更細粒度的debug方式(UDE)，當secure debug被關閉了，secure priv software可以通過DAUTHCTRL寄存器的UIDEN和UIDAPEN來使能UDE。這樣也可以使用unpriv去debug一些library code的了，而不是局限于privilege模式才能debug。另外說下，ARMv8在handler mode下是privilege的，在thread mode下，可能是priv或un-priv，取決于CONTROL寄存器的值。

4. 附注

在ARM-M手冊中涉及到lanes、beats和elements的概念。

operation的lane寬度是由正在執行的instruction決定的。允許的lane寬度和每一個beat進行的lane operation如下：1個beat是32bit，lane width可以有8/16/32/64bit.

For a 64-bit lane size, a beat performs half of the lane peration.

For a 32-bit lane size, a beat performs a one lane operation.

For a16-bit lane size, a beat performs a two lane operations.

For an 8-bit lane size, a beat performs a four lane operations.

elements就是表示有多少個data會放在每個lane中。比如lane=16bit，那么element的size就為16bit(2Byte, size=2’b01)。其它類似。因為lane最大為64bit，也就是說elements最大也就是64bit(4Byte, size=2’b11)。

雖然vector instruction可以同時進行多個elements的運算，有時候element size(esize)可以為32bit，但要運算的data實際為16bit，如VLDRH，這時候會對從memory里load過來的data進行zero或sign-extended，然后才放到vector register。這個實際給每個element load的data大小就是msize，因此msize肯定不大于esize的。總得來說，msize永遠不會大于esize，如果msize

當然，在processor實現時，不只是每一個beat只load一個msize大小的data，這樣效率太低，如果在data width允許的情況下，可以load多個msize大小的data，也就是一次搞定multiple elements。

我們假設一次實際load的data為dsize，對scalar來說，由于不會進行vector操作，esize沒什么用，msize也永遠等于dsize。對vector來說，vector register存在多個elements的操作，如果esize用于表示每個element的大小，msize是element中真正會填充的數據大小，如果dsize>msize，也就是說每一次load的data其實可以填充多個elements的，比如dsize=Word, msize=Byte, esize=Byte，那么只需要load 4次data就可以填滿1個register vector了，如果每次load的size為msize(Byte)，那么需要load 16次才可以填滿，想想就知道效率很低的。

如果dsize

不過有一點要注意，在做對齊檢查和atomicity分析時，由于實際其實就是要load msize大小的數據，dsize只是投機多搞一些數據回來，因此檢查和分析還是要按msize來的。

Vector instruction涉及到128bit，也就是有4個beats，因此是從beat0到beat3順序執行的。

在每一個architecture tick下，會執行多少個beat，表征了該system是多個beat。如下：

In a single-beat system, one beat might occur for each tick.

In a dual-beat system, two beats might occur for each tick.

In a quad-beat system, four beats might complete for each tick.

ARM的cortex-M55就是一個dual-beat的processor。在dual-beat overlap system中，意味著上一條vector instruction的最后two beats可以和后一條vector instruction的two beats可以重疊起來，加快執行效率。以下是dual-beat system在每一個architecture tick下，執行的示意圖。

如果data dependency是以beat粒度，而不是instruction粒度進行的，architecture是允許vector instructions有overlap的。在每一個architecture tick下，architectural instruction的重疊情況可由EPSR.ECI值來表示。

審核編輯：湯梓紅