c18标准 改进 c语言,MPLAB-C18 C编译器的优化技巧

2023-10-09 12:50

本文主要是介绍c18标准 改进 c语言,MPLAB-C18 C编译器的优化技巧,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

维普资讯 http://doc.xuehai.net

产业技术与信息

H B C C - 编译嚣的优化技巧 PA 1 L 8

■ M c o h p上海代表处 ir c i廖珍爱

M ir c i出的 P C1 c o hp推 I 8系列单片机由于采用改进型

2使用全局变量传递函数参数

当有足够的数据存储空间且该函数不可重载时,可使用全局变量传递函数参数,优化你的代码。因为全局变量编译时将分配固定地址,访问时将使用直接寻址方

的哈佛结构及优化的硬件结构,内含三个间接寻址寄存

器 F RO S和 F R, A和 RO空间都比较大, S、F R1 S2 R M M因此 P C1 I 8非常适合于采用 C语言进行软件设计。C语言 具有可读性强,便于移植等优点。虽然 MP AB— 8C语 L C1 言编译器的编译效率比较高,但与汇编语言相比,C的效率终究差一些,因此在某些应用场合,如何优化 C的效率, 减小代码,提高执行速度,是许多工程师们的追求目标。

式。例如调用 S b u 1子程序,可采用下面使用全局变量传

递函数参数的方法。

n i dc a s bl v r,u u sg e h u n r a ls bl v r; a2

_ _

vi sb (o ) od u l i; v d

下面介绍 MP AB— L C1 C编译器的一些优化技巧,与大家 vi anvi) 8 od i(o{ m d共享。 al; s bl v r=1 u

_

1使用静态型局部变量

a2; s bl v r=2 u

_

sb O ul;

局部变量的缺省存储类型为自动型,存取时使用软} 件堆栈,即使用直接寻址方式。如果声明为静态型,则替代如下传递函数参数的方法。 静态型局部变量编译时将分配固定地址,访问时将使用 vi ̄ lu s e h a1 sge h a2 o s ( i d cavr, i d a vr) d n g n r n u n cr直接寻址。显然,直接寻址比间接寻址存取速度快,占 vo anvi) idm i(od用的代码空间少。下面举例比较静态型与自动型局部变{

量生成汇编代码的差别。 源程序代码

v i sb (od{ od u l i) v sb (, u l1 ) 2}

当然也可以把

v r、v r明为静态型存储类型,达 a 1 a2声//静态型

/自动型//占用 5字/个

s t ni e a cl; t i us nd hroa1 ac g c l

n i d h o l u s e ca l a; n g r c2 l a+5 o l=; c1

到相同优化代码的目的。即: od s b (ttc u sg e v i u 1sai n in d

c a v r,tt n in dc a a2。 h r al s i u s e h r r) ac g v

l a+6 o 1=; c2

}

/仅占用3/个字

3使用合适的数据类型

MP AB C一 8支持的数据类型及占用的字节数如下: L 1

类型

n i dc a u sg e h n r sg e h i dc a n r u sg e t ni di n n

生成的汇编代码

M OVF POS N C,, TI 1F ACCES S M 0VLW X0 0 5 M 0VLB O XO

ADDW F L 1F, , BAN KED

最小值

0 一2 18 0

最大值字节数

2 5 5 17 2 6 53 5 56 1 1 2

sg e t i di n n

n i dsoto g u sg e h r ln n sg e hotln i ds r g n o n i dl g u sg e n n o sg e o g i dln n

2 6 37 8

0 -3 80 8 8 68 0

377 2 6

17 7 5 6 7 21 88 6 7 3 8 0 4 9 6 25 2 49 7 9

2

4 4 8

M OVF P TDEC,, OS 1F ACCES S M 0VLW X0 0 6 M 0VLB O XO M OVW F LOCA L1BAN KED ,

1 7 8 6 8 21 7 8 6 7 24 4 34 44 34 8

注意:①静态型局部变量将占用更多的数据存储器

为静态型。

不同数据类型占用的数据存储器字节数不同,因此

空间;②如果该函数是可重载的,则局部变量不能声明尽可能使用较短的数据类型。另外如果是无符号数,应

声明为无符号型。例如下例变量 i加一立即数,其中 i 、J

8丰.●奉▲田哪 6尊L入菇幢而冒 _ J

1-2144-png_6_0_0_0_0_892_1261_892.5_1261.5-1517-0-0-1517.jpg

这篇关于c18标准 改进 c语言,MPLAB-C18 C编译器的优化技巧的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/172959

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

购买磨轮平衡机时应该注意什么问题和技巧

在购买磨轮平衡机时,您应该注意以下几个关键点: 平衡精度 平衡精度是衡量平衡机性能的核心指标,直接影响到不平衡量的检测与校准的准确性,从而决定磨轮的振动和噪声水平。高精度的平衡机能显著减少振动和噪声,提高磨削加工的精度。 转速范围 宽广的转速范围意味着平衡机能够处理更多种类的磨轮,适应不同的工作条件和规格要求。 振动监测能力 振动监测能力是评估平衡机性能的重要因素。通过传感器实时监

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

滚雪球学Java(87):Java事务处理:JDBC的ACID属性与实战技巧!真有两下子!

咦咦咦,各位小可爱,我是你们的好伙伴——bug菌,今天又来给大家普及Java SE啦,别躲起来啊,听我讲干货还不快点赞,赞多了我就有动力讲得更嗨啦!所以呀,养成先点赞后阅读的好习惯,别被干货淹没了哦~ 🏆本文收录于「滚雪球学Java」专栏,专业攻坚指数级提升,助你一臂之力,带你早日登顶🚀,欢迎大家关注&&收藏!持续更新中,up!up!up!! 环境说明:Windows 10

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者