案例2：高速浮點性能

　　現在我們給出另一個 MicroBlaze算法加速示例。一個客戶聲稱他的浮點處理在MicroBlaze系統上運行非常慢。他使用的算法可采用簡單的環路同時得出幾個結果。

for (i=0;i<512;i++) {
   f_sum += farr[i];
　　　f_sum_prod += farr[i] * farr[i];
     f_sum_tprod += farr[i] *
farr[i] * farr[i];
　　f_sqrt + =
sqrt(farr[i]);
　　if (min_f > farr[i]) { min_f =
farr[i]; }
　　if (max_f < farr[i]) { max_f =
farr[i]; }
}

　　所有數值均是單精度浮點值。我們首先想到的是最基礎的一個問題：浮點單元 (FPU) 激活了嗎?檢查項目設置后，我們發現FPU仍然處于未啟用狀態。這就是為什么永遠無法計算出這幾個數的原因。FPU可在 MicroBlaze屬性設置中加以激活。

　　FPU支持共有兩種。我們也選擇擴展FPU (Extended FPU)來支持求平方根運算?，F在，在50MHz 的MicroBlaze上需要 1,108,685個周期才能完成 512個值的全部循環。查看生成的匯編程序代碼后，可以了解到創建平方根是仍然在使用數學庫(Math-lib)功能。其在數學功能中的定義為：

　　double sqrt(double);

　　不過客戶使用平方根函數僅為處理浮點數值。因此，MicroBlaze FPU定義了一個新的函數來取代原來的函數，解決這個問題：

　　float sqrtf(float);

　　把表達式f_sqrt += sqrt(farr[i])變為f_sqrt += sqrtf(farr[i])，就會調用MicroBlaze內部的FPU內部平方根功能?，F在執行代碼只需要35,336個周期。特別是與第一個根本沒有使用FPU的方案相比，我們再次通過小小的調整就實現了31倍的提升。在相同的執行時間內，可能需要大約1.5GHz的CPU才能給出上述這些結果。