Fix syntax error for the armv4 assembler
[openssl.git] / crypto / sha / asm / keccak1600-armv4.pl
index fd939792a0fecd7d4ccad4fab3bc439fc1c100eb..0bfee48f84bf7bc6639f7ba32c6294b6b509d356 100755 (executable)
@@ -1,7 +1,7 @@
 #!/usr/bin/env perl
-# Copyright 2017 The OpenSSL Project Authors. All Rights Reserved.
+# Copyright 2017-2018 The OpenSSL Project Authors. All Rights Reserved.
 #
-# Licensed under the OpenSSL license (the "License").  You may not use
+# Licensed under the Apache License 2.0 (the "License").  You may not use
 # this file except in compliance with the License.  You can obtain a copy
 # in the file LICENSE in the source distribution or at
 # https://www.openssl.org/source/license.html
 # register layout taken from Keccak Code Package. It's also as fast,
 # in fact faster by 10-15% on some processors, and endian-neutral.
 #
+# August 2017.
+#
+# Switch to KECCAK_2X variant for non-NEON code and merge almost 1/2
+# of rotate instructions with logical ones. This resulted in ~10%
+# improvement on most processors. Switch to KECCAK_2X effectively
+# minimizes re-loads from temporary storage, and merged rotates just
+# eliminate corresponding instructions. As for latter. When examining
+# code you'll notice commented ror instructions. These are eliminated
+# ones, and you should trace destination register below to see what's
+# going on. Just in case, why not all rotates are eliminated. Trouble
+# is that you have operations that require both inputs to be rotated,
+# e.g. 'eor a,b>>>x,c>>>y'. This conundrum is resolved by using
+# 'eor a,b,c>>>(x-y)' and then merge-rotating 'a' in next operation
+# that takes 'a' as input. And thing is that this next operation can
+# be in next round. It's totally possible to "carry" rotate "factors"
+# to the next round, but it makes code more complex. And the last word
+# is the keyword, i.e. "almost 1/2" is kind of complexity cap [for the
+# time being]...
+#
+# Reduce per-round instruction count in Thumb-2 case by 16%. This is
+# achieved by folding ldr/str pairs to their double-word counterparts.
+# Theoretically this should have improved performance on single-issue
+# cores, such as Cortex-A5/A7, by 19%. Reality is a bit different, as
+# usual...
+#
 ########################################################################
 # Numbers are cycles per processed byte. Non-NEON results account even
 # for input bit interleaving.
 #
-#              r=1600(*),NEON          r=1088(**),NEON
+#              r=1088(*)   Thumb-2(**) NEON
 #
-# Cortex-A5    67/+130%, 24            96,        36
-# Cortex-A7    60/+90%,  23            87,        34
-# Cortex-A8    39/+220%, 20            56,        30
-# Cortex-A9    41/+160%, 17            58,        26
-# Cortex-A15   30/+65%,  12            41,        18
-# Snapdragon S4        35/+120%, 16            50,        24
+# ARM11xx      82/+150%
+# Cortex-A5    88/+160%,   86,         36
+# Cortex-A7    78/+160%,   68,         34
+# Cortex-A8    51/+230%,   57,         30
+# Cortex-A9    53/+210%,   51,         26
+# Cortex-A15   42/+160%,   38,         18
+# Snapdragon S4        43/+210%,   38,         24
 #
-# (*)  Not used in real life, meaningful as estimate for single absorb
-#      operation performance. Percentage after slash is improvement
-#      over compiler-generated KECCAK_1X reference code.
-# (**) Corresponds to SHA3-256, 8KB message size.
+# (*)  Corresponds to SHA3-256. Percentage after slash is improvement
+#      over compiler-generated KECCAK_2X reference code.
+# (**) Thumb-2 results for Cortex-A5/A7 are likely to apply even to
+#      Cortex-Mx, x>=3. Otherwise, non-NEON results for NEON-capable
+#      processors are presented mostly for reference purposes.
+
+$flavour = shift;
+if ($flavour=~/\w[\w\-]*\.\w+$/) { $output=$flavour; undef $flavour; }
+else { while (($output=shift) && ($output!~/\w[\w\-]*\.\w+$/)) {} }
+
+if ($flavour && $flavour ne "void") {
+    $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
+    ( $xlate="${dir}arm-xlate.pl" and -f $xlate ) or
+    ( $xlate="${dir}../../perlasm/arm-xlate.pl" and -f $xlate) or
+    die "can't locate arm-xlate.pl";
+
+    open STDOUT,"| \"$^X\" $xlate $flavour $output";
+} else {
+    open STDOUT,">$output";
+}
 
 my @C = map("r$_",(0..9));
 my @E = map("r$_",(10..12,14));
@@ -55,21 +97,21 @@ my @E = map("r$_",(10..12,14));
 #       | uint64_t D[5]         |
 #       | ...                   |
 # +240->+-----------------------+
-#       | uint64_t T[2][5]      |
+#       | uint64_t T[5][5]      |
 #       | ...                   |
-# +320->+-----------------------+
+# +440->+-----------------------+
 #       | saved lr              |
-# +324->+-----------------------+
+# +444->+-----------------------+
 #       | loop counter          |
-# +328->+-----------------------+
+# +448->+-----------------------+
 #       | ...
 
 my @A = map([ 8*$_, 8*($_+1), 8*($_+2), 8*($_+3), 8*($_+4) ], (0,5,10,15,20));
 my @D = map(8*$_, (25..29));
-my @T = map([ 8*$_, 8*($_+1), 8*($_+2), 8*($_+3), 8*($_+4) ], (30,35));
+my @T = map([ 8*$_, 8*($_+1), 8*($_+2), 8*($_+3), 8*($_+4) ], (30,35,40,45,50));
 
 $code.=<<___;
-.text
+#include "arm_arch.h"
 
 #if defined(__thumb2__)
 .syntax        unified
@@ -78,6 +120,8 @@ $code.=<<___;
 .code  32
 #endif
 
+.text
+
 .type  iotas32, %object
 .align 5
 iotas32:
@@ -110,19 +154,81 @@ iotas32:
 .type  KeccakF1600_int, %function
 .align 5
 KeccakF1600_int:
-       ldmia   sp,{@C[0]-@C[9]}                @ A[0][0..4]
+       add     @C[9],sp,#$A[4][2]
+       add     @E[2],sp,#$A[0][0]
        add     @E[0],sp,#$A[1][0]
+       ldmia   @C[9],{@C[4]-@C[9]}             @ A[4][2..4]
 KeccakF1600_enter:
-       str     lr,[sp,#320]
+       str     lr,[sp,#440]
        eor     @E[1],@E[1],@E[1]
-       str     @E[1],[sp,#324]
-       b       .Lround_enter
+       str     @E[1],[sp,#444]
+       b       .Lround2x
 
 .align 4
-.Lround:
-       ldmia   sp,{@C[0]-@C[9]}                @ A[0][0..4]
-.Lround_enter:
+.Lround2x:
+___
+sub Round {
+my (@A,@R); (@A[0..4],@R) = @_;
+
+$code.=<<___;
+       ldmia   @E[2],{@C[0]-@C[3]}             @ A[0][0..1]
        ldmia   @E[0],{@E[0]-@E[2],@E[3]}       @ A[1][0..1]
+#ifdef __thumb2__
+       eor     @C[0],@C[0],@E[0]
+       eor     @C[1],@C[1],@E[1]
+       eor     @C[2],@C[2],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[1][2]]
+       eor     @C[3],@C[3],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[1][3]]
+       eor     @C[4],@C[4],@E[0]
+       eor     @C[5],@C[5],@E[1]
+       eor     @C[6],@C[6],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[1][4]]
+       eor     @C[7],@C[7],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[2][0]]
+       eor     @C[8],@C[8],@E[0]
+       eor     @C[9],@C[9],@E[1]
+       eor     @C[0],@C[0],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[2][1]]
+       eor     @C[1],@C[1],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[2][2]]
+       eor     @C[2],@C[2],@E[0]
+       eor     @C[3],@C[3],@E[1]
+       eor     @C[4],@C[4],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[2][3]]
+       eor     @C[5],@C[5],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[2][4]]
+       eor     @C[6],@C[6],@E[0]
+       eor     @C[7],@C[7],@E[1]
+       eor     @C[8],@C[8],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[3][0]]
+       eor     @C[9],@C[9],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[3][1]]
+       eor     @C[0],@C[0],@E[0]
+       eor     @C[1],@C[1],@E[1]
+       eor     @C[2],@C[2],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[3][2]]
+       eor     @C[3],@C[3],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[3][3]]
+       eor     @C[4],@C[4],@E[0]
+       eor     @C[5],@C[5],@E[1]
+       eor     @C[6],@C[6],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[3][4]]
+       eor     @C[7],@C[7],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[4][0]]
+       eor     @C[8],@C[8],@E[0]
+       eor     @C[9],@C[9],@E[1]
+       eor     @C[0],@C[0],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[4][1]]
+       eor     @C[1],@C[1],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[0][2]]
+       eor     @C[2],@C[2],@E[0]
+       eor     @C[3],@C[3],@E[1]
+       eor     @C[4],@C[4],@E[2]
+       ldrd    @E[0],@E[1],[sp,#$A[0][3]]
+       eor     @C[5],@C[5],@E[3]
+       ldrd    @E[2],@E[3],[sp,#$A[0][4]]
+#else
        eor     @C[0],@C[0],@E[0]
         add    @E[0],sp,#$A[1][2]
        eor     @C[1],@C[1],@E[1]
@@ -166,439 +272,459 @@ KeccakF1600_enter:
        eor     @C[7],@C[7],@E[3]
        ldmia   @E[0],{@E[0]-@E[2],@E[3]}       @ A[3][4]..A[4][0]
        eor     @C[8],@C[8],@E[0]
-        add    @E[0],sp,#$A[4][1]
+       ldr     @E[0],[sp,#$A[4][1]]            @ A[4][1]
        eor     @C[9],@C[9],@E[1]
+       ldr     @E[1],[sp,#$A[4][1]+4]
        eor     @C[0],@C[0],@E[2]
+       ldr     @E[2],[sp,#$A[0][2]]            @ A[0][2]
        eor     @C[1],@C[1],@E[3]
-       ldmia   @E[0],{@E[0]-@E[2],@E[3]}       @ A[4][1..2]
+       ldr     @E[3],[sp,#$A[0][2]+4]
        eor     @C[2],@C[2],@E[0]
-        add    @E[0],sp,#$A[4][3]
+        add    @E[0],sp,#$A[0][3]
        eor     @C[3],@C[3],@E[1]
        eor     @C[4],@C[4],@E[2]
        eor     @C[5],@C[5],@E[3]
-       ldmia   @E[0],{@E[0]-@E[2],@E[3]}       @ A[4][3..4]
+       ldmia   @E[0],{@E[0]-@E[2],@E[3]}       @ A[0][3..4]
+#endif
        eor     @C[6],@C[6],@E[0]
        eor     @C[7],@C[7],@E[1]
        eor     @C[8],@C[8],@E[2]
        eor     @C[9],@C[9],@E[3]
 
        eor     @E[0],@C[0],@C[5],ror#32-1      @ E[0] = ROL64(C[2], 1) ^ C[0];
+       str.l   @E[0],[sp,#$D[1]]               @ D[1] = E[0]
        eor     @E[1],@C[1],@C[4]
-       str     @E[0],[sp,#$D[1]]               @ D[1] = E[0]
+       str.h   @E[1],[sp,#$D[1]+4]
        eor     @E[2],@C[6],@C[1],ror#32-1      @ E[1] = ROL64(C[0], 1) ^ C[3];
-       str     @E[1],[sp,#$D[1]+4]
        eor     @E[3],@C[7],@C[0]
-       str     @E[2],[sp,#$D[4]]               @ D[4] = E[1]
+       str.l   @E[2],[sp,#$D[4]]               @ D[4] = E[1]
        eor     @C[0],@C[8],@C[3],ror#32-1      @ C[0] = ROL64(C[1], 1) ^ C[4];
-       str     @E[3],[sp,#$D[4]+4]
+       str.h   @E[3],[sp,#$D[4]+4]
        eor     @C[1],@C[9],@C[2]
-       str     @C[0],[sp,#$D[0]]               @ D[0] = C[0]
+       str.l   @C[0],[sp,#$D[0]]               @ D[0] = C[0]
        eor     @C[2],@C[2],@C[7],ror#32-1      @ C[1] = ROL64(C[3], 1) ^ C[1];
-       str     @C[1],[sp,#$D[0]+4]
+        ldr.l  @C[7],[sp,#$A[3][3]]
        eor     @C[3],@C[3],@C[6]
-       str     @C[2],[sp,#$D[2]]               @ D[2] = C[1]
+       str.h   @C[1],[sp,#$D[0]+4]
+        ldr.h  @C[6],[sp,#$A[3][3]+4]
+       str.l   @C[2],[sp,#$D[2]]               @ D[2] = C[1]
        eor     @C[4],@C[4],@C[9],ror#32-1      @ C[2] = ROL64(C[4], 1) ^ C[2];
-       str     @C[3],[sp,#$D[2]+4]
+       str.h   @C[3],[sp,#$D[2]+4]
        eor     @C[5],@C[5],@C[8]
-        ldr    @C[8],[sp,#$A[3][0]]
-        ldr    @C[9],[sp,#$A[3][0]+4]
-       str     @C[4],[sp,#$D[3]]               @ D[3] = C[2]
-       str     @C[5],[sp,#$D[3]+4]
-
-       ldr     @C[6],[sp,#$A[0][1]]
-       eor     @C[8],@C[8],@C[0]
-       ldr     @C[7],[sp,#$A[0][1]+4]
-       eor     @C[9],@C[9],@C[1]
-       str     @C[8],[sp,#$T[0][0]]            @ T[0][0] = A[3][0] ^ C[0]; /* borrow T[0][0] */
-       ldr     @C[8],[sp,#$A[0][2]]
-       str     @C[9],[sp,#$T[0][0]+4]
-       ldr     @C[9],[sp,#$A[0][2]+4]
-       eor     @C[6],@C[6],@E[0]
-       eor     @C[7],@C[7],@E[1]
-       str     @C[6],[sp,#$T[0][1]]            @ T[0][1] = A[0][1] ^ E[0]; /* D[1] */
-       ldr     @C[6],[sp,#$A[0][3]]
-       str     @C[7],[sp,#$T[0][1]+4]
-       ldr     @C[7],[sp,#$A[0][3]+4]
-       eor     @C[8],@C[8],@C[2]
-       eor     @C[9],@C[9],@C[3]
-       str     @C[8],[sp,#$T[0][2]]            @ T[0][2] = A[0][2] ^ C[1]; /* D[2] */
-       ldr     @C[8],[sp,#$A[0][4]]
-       str     @C[9],[sp,#$T[0][2]+4]
-       ldr     @C[9],[sp,#$A[0][4]+4]
-       eor     @C[6],@C[6],@C[4]
-       eor     @C[7],@C[7],@C[5]
-       str     @C[6],[sp,#$T[0][3]]            @ T[0][3] = A[0][3] ^ C[2]; /* D[3] */
-       eor     @C[8],@C[8],@E[2]
-       str     @C[7],[sp,#$T[0][3]+4]
-       eor     @C[9],@C[9],@E[3]
-        ldr    @C[6],[sp,#$A[3][3]]
-        ldr    @C[7],[sp,#$A[3][3]+4]
-       str     @C[8],[sp,#$T[0][4]]            @ T[0][4] = A[0][4] ^ E[1]; /* D[4] */
-       str     @C[9],[sp,#$T[0][4]+4]
 
-       ldr     @C[8],[sp,#$A[4][4]]
-       eor     @C[4],@C[4],@C[6]
-       ldr     @C[9],[sp,#$A[4][4]+4]
-       eor     @C[5],@C[5],@C[7]
-       ror     @C[7],@C[4],#32-10              @ C[3] = ROL64(A[3][3] ^ C[2], rhotates[3][3]);   /* D[3] */
-       ldr     @C[4],[sp,#$A[0][0]]
-       ror     @C[6],@C[5],#32-11
-       ldr     @C[5],[sp,#$A[0][0]+4]
+       ldr.l   @C[8],[sp,#$A[4][4]]
+       ldr.h   @C[9],[sp,#$A[4][4]+4]
+        str.l  @C[4],[sp,#$D[3]]               @ D[3] = C[2]
+       eor     @C[7],@C[7],@C[4]
+        str.h  @C[5],[sp,#$D[3]+4]
+       eor     @C[6],@C[6],@C[5]
+       ldr.l   @C[4],[sp,#$A[0][0]]
+       @ ror   @C[7],@C[7],#32-10              @ C[3] = ROL64(A[3][3] ^ C[2], rhotates[3][3]);   /* D[3] */
+       @ ror   @C[6],@C[6],#32-11
+       ldr.h   @C[5],[sp,#$A[0][0]+4]
        eor     @C[8],@C[8],@E[2]
        eor     @C[9],@C[9],@E[3]
-       ror     @C[8],@C[8],#32-7               @ C[4] = ROL64(A[4][4] ^ E[1], rhotates[4][4]);   /* D[4] */
-       ldr     @E[2],[sp,#$A[2][2]]
-       ror     @C[9],@C[9],#32-7
-       ldr     @E[3],[sp,#$A[2][2]+4]
+       ldr.l   @E[2],[sp,#$A[2][2]]
        eor     @C[0],@C[0],@C[4]
+       ldr.h   @E[3],[sp,#$A[2][2]+4]
+       @ ror   @C[8],@C[8],#32-7               @ C[4] = ROL64(A[4][4] ^ E[1], rhotates[4][4]);   /* D[4] */
+       @ ror   @C[9],@C[9],#32-7
        eor     @C[1],@C[1],@C[5]               @ C[0] =       A[0][0] ^ C[0]; /* rotate by 0 */  /* D[0] */
        eor     @E[2],@E[2],@C[2]
-       ldr     @C[2],[sp,#$A[1][1]]
+       ldr.l   @C[2],[sp,#$A[1][1]]
        eor     @E[3],@E[3],@C[3]
-       ldr     @C[3],[sp,#$A[1][1]+4]
+       ldr.h   @C[3],[sp,#$A[1][1]+4]
        ror     @C[5],@E[2],#32-21              @ C[2] = ROL64(A[2][2] ^ C[1], rhotates[2][2]);   /* D[2] */
-        ldr    @E[2],[sp,#324]                 @ load counter
+        ldr    @E[2],[sp,#444]                 @ load counter
        eor     @C[2],@C[2],@E[0]
+        adr    @E[0],iotas32
        ror     @C[4],@E[3],#32-22
-        adr    @E[3],iotas32
+        add    @E[3],@E[0],@E[2]
        eor     @C[3],@C[3],@E[1]
-       ror     @C[2],@C[2],#32-22              @ C[1] = ROL64(A[1][1] ^ E[0], rhotates[1][1]);   /* D[1] */
-        add    @E[3],@E[3],@E[2]
-       ror     @C[3],@C[3],#32-22
-
-       ldr     @E[0],[@E[3],#0]                @ iotas[i].lo
-       add     @E[2],@E[2],#8
-       ldr     @E[1],[@E[3],#4]                @ iotas[i].hi
+___
+$code.=<<___   if ($A[0][0] != $T[0][0]);
+       ldmia   @E[3],{@E[0],@E[1]}             @ iotas[i]
+___
+$code.=<<___   if ($A[0][0] == $T[0][0]);
+       ldr.l   @E[0],[@E[3],#8]                @ iotas[i].lo
+       add     @E[2],@E[2],#16
+       ldr.h   @E[1],[@E[3],#12]               @ iotas[i].hi
        cmp     @E[2],#192
-       str     @E[2],[sp,#324]                 @ store counter
-
-       bic     @E[2],@C[4],@C[2]
-       bic     @E[3],@C[5],@C[3]
+       str     @E[2],[sp,#444]                 @ store counter
+___
+$code.=<<___;
+       bic     @E[2],@C[4],@C[2],ror#32-22
+       bic     @E[3],@C[5],@C[3],ror#32-22
+        ror    @C[2],@C[2],#32-22              @ C[1] = ROL64(A[1][1] ^ E[0], rhotates[1][1]);   /* D[1] */
+        ror    @C[3],@C[3],#32-22
        eor     @E[2],@E[2],@C[0]
        eor     @E[3],@E[3],@C[1]
        eor     @E[0],@E[0],@E[2]
        eor     @E[1],@E[1],@E[3]
-       str     @E[0],[sp,#$A[0][0]]            @ A[0][0] = C[0] ^ (~C[1] & C[2]) ^ iotas[i];
-       bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$A[0][0]+4]
-       bic     @E[3],@C[7],@C[5]
-       eor     @E[2],@E[2],@C[2]
-       eor     @E[3],@E[3],@C[3]
-       str     @E[2],[sp,#$A[0][1]]            @ A[0][1] = C[1] ^ (~C[2] & C[3]);
-       bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$A[0][1]+4]
-       bic     @E[1],@C[9],@C[7]
-       eor     @E[0],@E[0],@C[4]
-       eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$A[0][2]]            @ A[0][2] = C[2] ^ (~C[3] & C[4]);
-       bic     @E[2],@C[0],@C[8]
-       str     @E[1],[sp,#$A[0][2]+4]
-       bic     @E[3],@C[1],@C[9]
-       eor     @E[2],@E[2],@C[6]
-       eor     @E[3],@E[3],@C[7]
-       str     @E[2],[sp,#$A[0][3]]            @ A[0][3] = C[3] ^ (~C[4] & C[0]);
+       str.l   @E[0],[sp,#$R[0][0]]            @ R[0][0] = C[0] ^ (~C[1] & C[2]) ^ iotas[i];
+       bic     @E[2],@C[6],@C[4],ror#11
+       str.h   @E[1],[sp,#$R[0][0]+4]
+       bic     @E[3],@C[7],@C[5],ror#10
+       bic     @E[0],@C[8],@C[6],ror#32-(11-7)
+       bic     @E[1],@C[9],@C[7],ror#32-(10-7)
+       eor     @E[2],@C[2],@E[2],ror#32-11
+       str.l   @E[2],[sp,#$R[0][1]]            @ R[0][1] = C[1] ^ (~C[2] & C[3]);
+       eor     @E[3],@C[3],@E[3],ror#32-10
+       str.h   @E[3],[sp,#$R[0][1]+4]
+       eor     @E[0],@C[4],@E[0],ror#32-7
+       eor     @E[1],@C[5],@E[1],ror#32-7
+       str.l   @E[0],[sp,#$R[0][2]]            @ R[0][2] = C[2] ^ (~C[3] & C[4]);
+       bic     @E[2],@C[0],@C[8],ror#32-7
+       str.h   @E[1],[sp,#$R[0][2]+4]
+       bic     @E[3],@C[1],@C[9],ror#32-7
+       eor     @E[2],@E[2],@C[6],ror#32-11
+       str.l   @E[2],[sp,#$R[0][3]]            @ R[0][3] = C[3] ^ (~C[4] & C[0]);
+       eor     @E[3],@E[3],@C[7],ror#32-10
+       str.h   @E[3],[sp,#$R[0][3]+4]
        bic     @E[0],@C[2],@C[0]
-       str     @E[3],[sp,#$A[0][3]+4]
-        add    @E[3],sp,#$D[0]
+        add    @E[3],sp,#$D[3]
+        ldr.l  @C[0],[sp,#$A[0][3]]            @ A[0][3]
        bic     @E[1],@C[3],@C[1]
-       eor     @E[0],@E[0],@C[8]
-       eor     @E[1],@E[1],@C[9]
-       str     @E[0],[sp,#$A[0][4]]            @ A[0][4] = C[4] ^ (~C[0] & C[1]);
-       str     @E[1],[sp,#$A[0][4]+4]
-
-       ldmia   @E[3],{@C[6]-@C[9],@E[0],@E[1],@E[2],@E[3]}     @ D[0..3]
-       ldr     @C[0],[sp,#$A[1][0]]
-       ldr     @C[1],[sp,#$A[1][0]+4]
-       ldr     @C[2],[sp,#$A[2][1]]
-       ldr     @C[3],[sp,#$A[2][1]+4]
-       ldr     @C[4],[sp,#$D[4]]
-       eor     @C[0],@C[0],@C[6]
-       ldr     @C[5],[sp,#$D[4]+4]
-       eor     @C[1],@C[1],@C[7]
-       str     @C[0],[sp,#$T[1][0]]            @ T[1][0] = A[1][0] ^ (C[3] = D[0]);
-       add     @C[0],sp,#$A[1][2]
-       str     @C[1],[sp,#$T[1][0]+4]
-       eor     @C[2],@C[2],@C[8]
-       eor     @C[3],@C[3],@C[9]
-       str     @C[2],[sp,#$T[1][1]]            @ T[1][1] = A[2][1] ^ (C[4] = D[1]); /* borrow T[1][1] */
-       str     @C[3],[sp,#$T[1][1]+4]
-       ldmia   @C[0],{@C[0]-@C[3]}             @ A[1][2..3]
+        ldr.h  @C[1],[sp,#$A[0][3]+4]
+       eor     @E[0],@E[0],@C[8],ror#32-7
+       eor     @E[1],@E[1],@C[9],ror#32-7
+       str.l   @E[0],[sp,#$R[0][4]]            @ R[0][4] = C[4] ^ (~C[0] & C[1]);
+        add    @C[9],sp,#$D[0]
+       str.h   @E[1],[sp,#$R[0][4]+4]
+
+       ldmia   @E[3],{@E[0]-@E[2],@E[3]}       @ D[3..4]
+       ldmia   @C[9],{@C[6]-@C[9]}             @ D[0..1]
+
+       ldr.l   @C[2],[sp,#$A[1][4]]            @ A[1][4]
        eor     @C[0],@C[0],@E[0]
+       ldr.h   @C[3],[sp,#$A[1][4]+4]
        eor     @C[1],@C[1],@E[1]
-       str     @C[0],[sp,#$T[1][2]]            @ T[1][2] = A[1][2] ^ (E[0] = D[2]);
-       ldr     @C[0],[sp,#$A[2][4]]
-       str     @C[1],[sp,#$T[1][2]+4]
-       ldr     @C[1],[sp,#$A[2][4]+4]
+       @ ror   @C[0],@C[0],#32-14              @ C[0] = ROL64(A[0][3] ^ D[3], rhotates[0][3]);
+       ldr.l   @E[0],[sp,#$A[3][1]]            @ A[3][1]
+       @ ror   @C[1],@C[1],#32-14
+       ldr.h   @E[1],[sp,#$A[3][1]+4]
+
        eor     @C[2],@C[2],@E[2]
+       ldr.l   @C[4],[sp,#$A[2][0]]            @ A[2][0]
        eor     @C[3],@C[3],@E[3]
-       str     @C[2],[sp,#$T[1][3]]            @ T[1][3] = A[1][3] ^ (E[1] = D[3]);
-        ldr    @C[2],[sp,#$T[0][3]]
-       str     @C[3],[sp,#$T[1][3]+4]
-        ldr    @C[3],[sp,#$T[0][3]+4]
-       eor     @C[0],@C[0],@C[4]
-        ldr    @E[2],[sp,#$A[1][4]]
-       eor     @C[1],@C[1],@C[5]
-        ldr    @E[3],[sp,#$A[1][4]+4]
-       str     @C[0],[sp,#$T[1][4]]            @ T[1][4] = A[2][4] ^ (C[2] = D[4]); /* borrow T[1][4] */
-
-       ror     @C[0],@C[2],#32-14              @ C[0] = ROL64(T[0][3],        rhotates[0][3]);
-        str    @C[1],[sp,#$T[1][4]+4]
-       ror     @C[1],@C[3],#32-14
-       eor     @C[2],@E[2],@C[4]
-       ldr     @C[4],[sp,#$A[2][0]]
-       eor     @C[3],@E[3],@C[5]
-       ldr     @C[5],[sp,#$A[2][0]+4]
-       ror     @C[2],@C[2],#32-10              @ C[1] = ROL64(A[1][4] ^ C[2], rhotates[1][4]);   /* D[4] */
-       ldr     @E[2],[sp,#$A[3][1]]
-       ror     @C[3],@C[3],#32-10
-       ldr     @E[3],[sp,#$A[3][1]+4]
+       ldr.h   @C[5],[sp,#$A[2][0]+4]
+       @ ror   @C[2],@C[2],#32-10              @ C[1] = ROL64(A[1][4] ^ D[4], rhotates[1][4]);
+       @ ror   @C[3],@C[3],#32-10
+
        eor     @C[6],@C[6],@C[4]
+       ldr.l   @E[2],[sp,#$D[2]]               @ D[2]
        eor     @C[7],@C[7],@C[5]
-       ror     @C[5],@C[6],#32-1               @ C[2] = ROL64(A[2][0] ^ C[3], rhotates[2][0]);   /* D[0] */
-       eor     @E[2],@E[2],@C[8]
+       ldr.h   @E[3],[sp,#$D[2]+4]
+       ror     @C[5],@C[6],#32-1               @ C[2] = ROL64(A[2][0] ^ D[0], rhotates[2][0]);
        ror     @C[4],@C[7],#32-2
-       ldr     @C[8],[sp,#$A[4][2]]
-       eor     @E[3],@E[3],@C[9]
-       ldr     @C[9],[sp,#$A[4][2]+4]
-       ror     @C[7],@E[2],#32-22              @ C[3] = ROL64(A[3][1] ^ C[4], rhotates[3][1]);   /* D[1] */
+
        eor     @E[0],@E[0],@C[8]
-       ror     @C[6],@E[3],#32-23
+       ldr.l   @C[8],[sp,#$A[4][2]]            @ A[4][2]
        eor     @E[1],@E[1],@C[9]
-       ror     @C[9],@E[0],#32-30              @ C[4] = ROL64(A[4][2] ^ E[0], rhotates[4][2]);   /* D[2] */
-
-       bic     @E[0],@C[4],@C[2]
-        ror    @C[8],@E[1],#32-31
-       bic     @E[1],@C[5],@C[3]
-       eor     @E[0],@E[0],@C[0]
-       eor     @E[1],@E[1],@C[1]
-       str     @E[0],[sp,#$A[1][0]]            @ A[1][0] = C[0] ^ (~C[1] & C[2])
+       ldr.h   @C[9],[sp,#$A[4][2]+4]
+       ror     @C[7],@E[0],#32-22              @ C[3] = ROL64(A[3][1] ^ D[1], rhotates[3][1]);
+       ror     @C[6],@E[1],#32-23
+
+       bic     @E[0],@C[4],@C[2],ror#32-10
+       bic     @E[1],@C[5],@C[3],ror#32-10
+        eor    @E[2],@E[2],@C[8]
+        eor    @E[3],@E[3],@C[9]
+        ror    @C[9],@E[2],#32-30              @ C[4] = ROL64(A[4][2] ^ D[2], rhotates[4][2]);
+        ror    @C[8],@E[3],#32-31
+       eor     @E[0],@E[0],@C[0],ror#32-14
+       eor     @E[1],@E[1],@C[1],ror#32-14
+       str.l   @E[0],[sp,#$R[1][0]]            @ R[1][0] = C[0] ^ (~C[1] & C[2])
        bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$A[1][0]+4]
+       str.h   @E[1],[sp,#$R[1][0]+4]
        bic     @E[3],@C[7],@C[5]
-       eor     @E[2],@E[2],@C[2]
-       eor     @E[3],@E[3],@C[3]
-       str     @E[2],[sp,#$A[1][1]]            @ A[1][1] = C[1] ^ (~C[2] & C[3]);
+       eor     @E[2],@E[2],@C[2],ror#32-10
+       str.l   @E[2],[sp,#$R[1][1]]            @ R[1][1] = C[1] ^ (~C[2] & C[3]);
+       eor     @E[3],@E[3],@C[3],ror#32-10
+       str.h   @E[3],[sp,#$R[1][1]+4]
        bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$A[1][1]+4]
        bic     @E[1],@C[9],@C[7]
+       bic     @E[2],@C[0],@C[8],ror#14
+       bic     @E[3],@C[1],@C[9],ror#14
        eor     @E[0],@E[0],@C[4]
        eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$A[1][2]]            @ A[1][2] = C[2] ^ (~C[3] & C[4]);
-       bic     @E[2],@C[0],@C[8]
-       str     @E[1],[sp,#$A[1][2]+4]
-       bic     @E[3],@C[1],@C[9]
-       eor     @E[2],@E[2],@C[6]
-       eor     @E[3],@E[3],@C[7]
-       str     @E[2],[sp,#$A[1][3]]            @ A[1][3] = C[3] ^ (~C[4] & C[0]);
-       bic     @E[0],@C[2],@C[0]
-       str     @E[3],[sp,#$A[1][3]+4]
-        add    @E[3],sp,#$D[3]
-       bic     @E[1],@C[3],@C[1]
-        ldr    @C[1],[sp,#$T[0][1]]
+       str.l   @E[0],[sp,#$R[1][2]]            @ R[1][2] = C[2] ^ (~C[3] & C[4]);
+       bic     @C[2],@C[2],@C[0],ror#32-(14-10)
+       str.h   @E[1],[sp,#$R[1][2]+4]
+       eor     @E[2],@C[6],@E[2],ror#32-14
+       bic     @E[1],@C[3],@C[1],ror#32-(14-10)
+       str.l   @E[2],[sp,#$R[1][3]]            @ R[1][3] = C[3] ^ (~C[4] & C[0]);
+       eor     @E[3],@C[7],@E[3],ror#32-14
+       str.h   @E[3],[sp,#$R[1][3]+4]
+        add    @E[2],sp,#$D[1]
+        ldr.l  @C[1],[sp,#$A[0][1]]            @ A[0][1]
+       eor     @E[0],@C[8],@C[2],ror#32-10
+        ldr.h  @C[0],[sp,#$A[0][1]+4]
+       eor     @E[1],@C[9],@E[1],ror#32-10
+       str.l   @E[0],[sp,#$R[1][4]]            @ R[1][4] = C[4] ^ (~C[0] & C[1]);
+       str.h   @E[1],[sp,#$R[1][4]+4]
+
+       add     @C[9],sp,#$D[3]
+       ldmia   @E[2],{@E[0]-@E[2],@E[3]}       @ D[1..2]
+       ldr.l   @C[2],[sp,#$A[1][2]]            @ A[1][2]
+       ldr.h   @C[3],[sp,#$A[1][2]+4]
+       ldmia   @C[9],{@C[6]-@C[9]}             @ D[3..4]
+
+       eor     @C[1],@C[1],@E[0]
+       ldr.l   @C[4],[sp,#$A[2][3]]            @ A[2][3]
+       eor     @C[0],@C[0],@E[1]
+       ldr.h   @C[5],[sp,#$A[2][3]+4]
+       ror     @C[0],@C[0],#32-1               @ C[0] = ROL64(A[0][1] ^ D[1], rhotates[0][1]);
+
+       eor     @C[2],@C[2],@E[2]
+       ldr.l   @E[0],[sp,#$A[3][4]]            @ A[3][4]
+       eor     @C[3],@C[3],@E[3]
+       ldr.h   @E[1],[sp,#$A[3][4]+4]
+       @ ror   @C[2],@C[2],#32-3               @ C[1] = ROL64(A[1][2] ^ D[2], rhotates[1][2]);
+       ldr.l   @E[2],[sp,#$D[0]]               @ D[0]
+       @ ror   @C[3],@C[3],#32-3
+       ldr.h   @E[3],[sp,#$D[0]+4]
+
+       eor     @C[4],@C[4],@C[6]
+       eor     @C[5],@C[5],@C[7]
+       @ ror   @C[5],@C[6],#32-12              @ C[2] = ROL64(A[2][3] ^ D[3], rhotates[2][3]);
+       @ ror   @C[4],@C[7],#32-13              @ [track reverse order below]
+
        eor     @E[0],@E[0],@C[8]
-        ldr    @C[0],[sp,#$T[0][1]+4]
+       ldr.l   @C[8],[sp,#$A[4][0]]            @ A[4][0]
        eor     @E[1],@E[1],@C[9]
-       str     @E[0],[sp,#$A[1][4]]            @ A[1][4] = C[4] ^ (~C[0] & C[1]);
-       str     @E[1],[sp,#$A[1][4]+4]
+       ldr.h   @C[9],[sp,#$A[4][0]+4]
+       ror     @C[6],@E[0],#32-4               @ C[3] = ROL64(A[3][4] ^ D[4], rhotates[3][4]);
+       ror     @C[7],@E[1],#32-4
 
-       ldr     @C[2],[sp,#$T[1][2]]
-       ldr     @C[3],[sp,#$T[1][2]+4]
-       ldmia   @E[3],{@E[0]-@E[2],@E[3]}       @ D[3..4]
-       ldr     @C[4],[sp,#$A[2][3]]
-       ror     @C[0],@C[0],#32-1               @ C[0] = ROL64(T[0][1],        rhotates[0][1]);
-       ldr     @C[5],[sp,#$A[2][3]+4]
-       ror     @C[2],@C[2],#32-3               @ C[1] = ROL64(T[1][2],        rhotates[1][2]);
-       ldr     @C[6],[sp,#$A[3][4]]
-       ror     @C[3],@C[3],#32-3
-       ldr     @C[7],[sp,#$A[3][4]+4]
-       eor     @E[0],@E[0],@C[4]
-       ldr     @C[8],[sp,#$A[4][0]]
-       eor     @E[1],@E[1],@C[5]
-       ldr     @C[9],[sp,#$A[4][0]+4]
-       ror     @C[5],@E[0],#32-12              @ C[2] = ROL64(A[2][3] ^ D[3], rhotates[2][3]);
-       ldr     @E[0],[sp,#$D[0]]
-       ror     @C[4],@E[1],#32-13
-       ldr     @E[1],[sp,#$D[0]+4]
-       eor     @C[6],@C[6],@E[2]
-       eor     @C[7],@C[7],@E[3]
-       ror     @C[6],@C[6],#32-4               @ C[3] = ROL64(A[3][4] ^ D[4], rhotates[3][4]);
-       eor     @C[8],@C[8],@E[0]
-       ror     @C[7],@C[7],#32-4
-       eor     @C[9],@C[9],@E[1]
-       ror     @C[8],@C[8],#32-9               @ C[4] = ROL64(A[4][0] ^ D[0], rhotates[4][0]);
-
-       bic     @E[0],@C[4],@C[2]
-        ror    @C[9],@C[9],#32-9
-       bic     @E[1],@C[5],@C[3]
-       eor     @E[0],@E[0],@C[0]
-       eor     @E[1],@E[1],@C[1]
-       str     @E[0],[sp,#$A[2][0]]            @ A[2][0] = C[0] ^ (~C[1] & C[2])
-       bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$A[2][0]+4]
-       bic     @E[3],@C[7],@C[5]
-       eor     @E[2],@E[2],@C[2]
-       eor     @E[3],@E[3],@C[3]
-       str     @E[2],[sp,#$A[2][1]]            @ A[2][1] = C[1] ^ (~C[2] & C[3]);
+       eor     @E[2],@E[2],@C[8]
+       eor     @E[3],@E[3],@C[9]
+       ror     @C[8],@E[2],#32-9               @ C[4] = ROL64(A[4][0] ^ D[0], rhotates[4][0]);
+       ror     @C[9],@E[3],#32-9
+
+       bic     @E[0],@C[5],@C[2],ror#13-3
+       bic     @E[1],@C[4],@C[3],ror#12-3
+       bic     @E[2],@C[6],@C[5],ror#32-13
+       bic     @E[3],@C[7],@C[4],ror#32-12
+       eor     @E[0],@C[0],@E[0],ror#32-13
+       eor     @E[1],@C[1],@E[1],ror#32-12
+       str.l   @E[0],[sp,#$R[2][0]]            @ R[2][0] = C[0] ^ (~C[1] & C[2])
+       eor     @E[2],@E[2],@C[2],ror#32-3
+       str.h   @E[1],[sp,#$R[2][0]+4]
+       eor     @E[3],@E[3],@C[3],ror#32-3
+       str.l   @E[2],[sp,#$R[2][1]]            @ R[2][1] = C[1] ^ (~C[2] & C[3]);
        bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$A[2][1]+4]
        bic     @E[1],@C[9],@C[7]
-       eor     @E[0],@E[0],@C[4]
-       eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$A[2][2]]            @ A[2][2] = C[2] ^ (~C[3] & C[4]);
+       str.h   @E[3],[sp,#$R[2][1]+4]
+       eor     @E[0],@E[0],@C[5],ror#32-13
+       eor     @E[1],@E[1],@C[4],ror#32-12
+       str.l   @E[0],[sp,#$R[2][2]]            @ R[2][2] = C[2] ^ (~C[3] & C[4]);
        bic     @E[2],@C[0],@C[8]
-       str     @E[1],[sp,#$A[2][2]+4]
+       str.h   @E[1],[sp,#$R[2][2]+4]
        bic     @E[3],@C[1],@C[9]
        eor     @E[2],@E[2],@C[6]
        eor     @E[3],@E[3],@C[7]
-       str     @E[2],[sp,#$A[2][3]]            @ A[2][3] = C[3] ^ (~C[4] & C[0]);
-       bic     @E[0],@C[2],@C[0]
-       str     @E[3],[sp,#$A[2][3]+4]
-       bic     @E[1],@C[3],@C[1]
+       str.l   @E[2],[sp,#$R[2][3]]            @ R[2][3] = C[3] ^ (~C[4] & C[0]);
+       bic     @E[0],@C[2],@C[0],ror#3
+       str.h   @E[3],[sp,#$R[2][3]+4]
+       bic     @E[1],@C[3],@C[1],ror#3
+        ldr.l  @C[1],[sp,#$A[0][4]]            @ A[0][4] [in reverse order]
+       eor     @E[0],@C[8],@E[0],ror#32-3
+        ldr.h  @C[0],[sp,#$A[0][4]+4]
+       eor     @E[1],@C[9],@E[1],ror#32-3
+       str.l   @E[0],[sp,#$R[2][4]]            @ R[2][4] = C[4] ^ (~C[0] & C[1]);
+        add    @C[9],sp,#$D[1]
+       str.h   @E[1],[sp,#$R[2][4]+4]
+
+       ldr.l   @E[0],[sp,#$D[4]]               @ D[4]
+       ldr.h   @E[1],[sp,#$D[4]+4]
+       ldr.l   @E[2],[sp,#$D[0]]               @ D[0]
+       ldr.h   @E[3],[sp,#$D[0]+4]
+
+       ldmia   @C[9],{@C[6]-@C[9]}             @ D[1..2]
+
+       eor     @C[1],@C[1],@E[0]
+       ldr.l   @C[2],[sp,#$A[1][0]]            @ A[1][0]
+       eor     @C[0],@C[0],@E[1]
+       ldr.h   @C[3],[sp,#$A[1][0]+4]
+       @ ror   @C[1],@E[0],#32-13              @ C[0] = ROL64(A[0][4] ^ D[4], rhotates[0][4]);
+       ldr.l   @C[4],[sp,#$A[2][1]]            @ A[2][1]
+       @ ror   @C[0],@E[1],#32-14              @ [was loaded in reverse order]
+       ldr.h   @C[5],[sp,#$A[2][1]+4]
+
+       eor     @C[2],@C[2],@E[2]
+       ldr.l   @E[0],[sp,#$A[3][2]]            @ A[3][2]
+       eor     @C[3],@C[3],@E[3]
+       ldr.h   @E[1],[sp,#$A[3][2]+4]
+       @ ror   @C[2],@C[2],#32-18              @ C[1] = ROL64(A[1][0] ^ D[0], rhotates[1][0]);
+       ldr.l   @E[2],[sp,#$D[3]]               @ D[3]
+       @ ror   @C[3],@C[3],#32-18
+       ldr.h   @E[3],[sp,#$D[3]+4]
+
+       eor     @C[6],@C[6],@C[4]
+       eor     @C[7],@C[7],@C[5]
+       ror     @C[4],@C[6],#32-5               @ C[2] = ROL64(A[2][1] ^ D[1], rhotates[2][1]);
+       ror     @C[5],@C[7],#32-5
+
        eor     @E[0],@E[0],@C[8]
+       ldr.l   @C[8],[sp,#$A[4][3]]            @ A[4][3]
        eor     @E[1],@E[1],@C[9]
-       str     @E[0],[sp,#$A[2][4]]            @ A[2][4] = C[4] ^ (~C[0] & C[1]);
-        add    @C[2],sp,#$T[1][0]
-       str     @E[1],[sp,#$A[2][4]+4]
-
-       add     @E[3],sp,#$D[2]
-       ldr     @C[1],[sp,#$T[0][4]]
-       ldr     @C[0],[sp,#$T[0][4]+4]
-       ldmia   @C[2],{@C[2]-@C[5]}             @ T[1][0..1]
-       ldmia   @E[3],{@E[0]-@E[2],@E[3]}       @ D[2..3]
-       ror     @C[1],@C[1],#32-13              @ C[0] = ROL64(T[0][4],        rhotates[0][4]);
-       ldr     @C[6],[sp,#$A[3][2]]
-       ror     @C[0],@C[0],#32-14
-       ldr     @C[7],[sp,#$A[3][2]+4]
-       ror     @C[2],@C[2],#32-18              @ C[1] = ROL64(T[1][0],        rhotates[1][0]);
-       ldr     @C[8],[sp,#$A[4][3]]
-       ror     @C[3],@C[3],#32-18
-       ldr     @C[9],[sp,#$A[4][3]+4]
-       ror     @C[4],@C[4],#32-5               @ C[2] = ROL64(T[1][1],        rhotates[2][1]); /* originally A[2][1] */
-       eor     @E[0],@E[0],@C[6]
-       ror     @C[5],@C[5],#32-5
-       eor     @E[1],@E[1],@C[7]
+       ldr.h   @C[9],[sp,#$A[4][3]+4]
        ror     @C[7],@E[0],#32-7               @ C[3] = ROL64(A[3][2] ^ D[2], rhotates[3][2]);
-       eor     @C[8],@C[8],@E[2]
        ror     @C[6],@E[1],#32-8
-       eor     @C[9],@C[9],@E[3]
-       ror     @C[8],@C[8],#32-28              @ C[4] = ROL64(A[4][3] ^ D[3], rhotates[4][3]);
 
-       bic     @E[0],@C[4],@C[2]
-        ror    @C[9],@C[9],#32-28
-       bic     @E[1],@C[5],@C[3]
-       eor     @E[0],@E[0],@C[0]
-       eor     @E[1],@E[1],@C[1]
-       str     @E[0],[sp,#$A[3][0]]            @ A[3][0] = C[0] ^ (~C[1] & C[2])
+       eor     @E[2],@E[2],@C[8]
+       eor     @E[3],@E[3],@C[9]
+       ror     @C[8],@E[2],#32-28              @ C[4] = ROL64(A[4][3] ^ D[3], rhotates[4][3]);
+       ror     @C[9],@E[3],#32-28
+
+       bic     @E[0],@C[4],@C[2],ror#32-18
+       bic     @E[1],@C[5],@C[3],ror#32-18
+       eor     @E[0],@E[0],@C[0],ror#32-14
+       eor     @E[1],@E[1],@C[1],ror#32-13
+       str.l   @E[0],[sp,#$R[3][0]]            @ R[3][0] = C[0] ^ (~C[1] & C[2])
        bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$A[3][0]+4]
+       str.h   @E[1],[sp,#$R[3][0]+4]
        bic     @E[3],@C[7],@C[5]
-       eor     @E[2],@E[2],@C[2]
-       eor     @E[3],@E[3],@C[3]
-       str     @E[2],[sp,#$A[3][1]]            @ A[3][1] = C[1] ^ (~C[2] & C[3]);
+       eor     @E[2],@E[2],@C[2],ror#32-18
+       str.l   @E[2],[sp,#$R[3][1]]            @ R[3][1] = C[1] ^ (~C[2] & C[3]);
+       eor     @E[3],@E[3],@C[3],ror#32-18
+       str.h   @E[3],[sp,#$R[3][1]+4]
        bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$A[3][1]+4]
        bic     @E[1],@C[9],@C[7]
+       bic     @E[2],@C[0],@C[8],ror#14
+       bic     @E[3],@C[1],@C[9],ror#13
        eor     @E[0],@E[0],@C[4]
        eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$A[3][2]]            @ A[3][2] = C[2] ^ (~C[3] & C[4]);
-       bic     @E[2],@C[0],@C[8]
-       str     @E[1],[sp,#$A[3][2]+4]
-       bic     @E[3],@C[1],@C[9]
-       eor     @E[2],@E[2],@C[6]
-       eor     @E[3],@E[3],@C[7]
-       str     @E[2],[sp,#$A[3][3]]            @ A[3][3] = C[3] ^ (~C[4] & C[0]);
-       bic     @E[0],@C[2],@C[0]
-       str     @E[3],[sp,#$A[3][3]+4]
-       bic     @E[1],@C[3],@C[1]
+       str.l   @E[0],[sp,#$R[3][2]]            @ R[3][2] = C[2] ^ (~C[3] & C[4]);
+       bic     @C[2],@C[2],@C[0],ror#18-14
+       str.h   @E[1],[sp,#$R[3][2]+4]
+       eor     @E[2],@C[6],@E[2],ror#32-14
+       bic     @E[1],@C[3],@C[1],ror#18-13
+       eor     @E[3],@C[7],@E[3],ror#32-13
+       str.l   @E[2],[sp,#$R[3][3]]            @ R[3][3] = C[3] ^ (~C[4] & C[0]);
+       str.h   @E[3],[sp,#$R[3][3]+4]
+        add    @E[3],sp,#$D[2]
+        ldr.l  @C[0],[sp,#$A[0][2]]            @ A[0][2]
+       eor     @E[0],@C[8],@C[2],ror#32-18
+        ldr.h  @C[1],[sp,#$A[0][2]+4]
+       eor     @E[1],@C[9],@E[1],ror#32-18
+       str.l   @E[0],[sp,#$R[3][4]]            @ R[3][4] = C[4] ^ (~C[0] & C[1]);
+       str.h   @E[1],[sp,#$R[3][4]+4]
+
+       ldmia   @E[3],{@E[0]-@E[2],@E[3]}       @ D[2..3]
+       ldr.l   @C[2],[sp,#$A[1][3]]            @ A[1][3]
+       ldr.h   @C[3],[sp,#$A[1][3]+4]
+       ldr.l   @C[6],[sp,#$D[4]]               @ D[4]
+       ldr.h   @C[7],[sp,#$D[4]+4]
+
+       eor     @C[0],@C[0],@E[0]
+       ldr.l   @C[4],[sp,#$A[2][4]]            @ A[2][4]
+       eor     @C[1],@C[1],@E[1]
+       ldr.h   @C[5],[sp,#$A[2][4]+4]
+       @ ror   @C[0],@C[0],#32-31              @ C[0] = ROL64(A[0][2] ^ D[2], rhotates[0][2]);
+       ldr.l   @C[8],[sp,#$D[0]]               @ D[0]
+       @ ror   @C[1],@C[1],#32-31
+       ldr.h   @C[9],[sp,#$D[0]+4]
+
+       eor     @E[2],@E[2],@C[2]
+       ldr.l   @E[0],[sp,#$A[3][0]]            @ A[3][0]
+       eor     @E[3],@E[3],@C[3]
+       ldr.h   @E[1],[sp,#$A[3][0]+4]
+       ror     @C[3],@E[2],#32-27              @ C[1] = ROL64(A[1][3] ^ D[3], rhotates[1][3]);
+       ldr.l   @E[2],[sp,#$D[1]]               @ D[1]
+       ror     @C[2],@E[3],#32-28
+       ldr.h   @E[3],[sp,#$D[1]+4]
+
+       eor     @C[6],@C[6],@C[4]
+       eor     @C[7],@C[7],@C[5]
+       ror     @C[5],@C[6],#32-19              @ C[2] = ROL64(A[2][4] ^ D[4], rhotates[2][4]);
+       ror     @C[4],@C[7],#32-20
+
        eor     @E[0],@E[0],@C[8]
+       ldr.l   @C[8],[sp,#$A[4][1]]            @ A[4][1]
        eor     @E[1],@E[1],@C[9]
-       str     @E[0],[sp,#$A[3][4]]            @ A[3][4] = C[4] ^ (~C[0] & C[1]);
-        add    @E[3],sp,#$T[1][3]
-       str     @E[1],[sp,#$A[3][4]+4]
-
-       ldr     @C[0],[sp,#$T[0][2]]
-       ldr     @C[1],[sp,#$T[0][2]+4]
-       ldmia   @E[3],{@E[0]-@E[2],@E[3]}       @ T[1][3..4]
-       ldr     @C[7],[sp,#$T[0][0]]
-       ror     @C[0],@C[0],#32-31              @ C[0] = ROL64(T[0][2],        rhotates[0][2]);
-       ldr     @C[6],[sp,#$T[0][0]+4]
-       ror     @C[1],@C[1],#32-31
-       ldr     @C[8],[sp,#$A[4][1]]
-       ror     @C[3],@E[0],#32-27              @ C[1] = ROL64(T[1][3],        rhotates[1][3]);
-       ldr     @E[0],[sp,#$D[1]]
-       ror     @C[2],@E[1],#32-28
-       ldr     @C[9],[sp,#$A[4][1]+4]
-       ror     @C[5],@E[2],#32-19              @ C[2] = ROL64(T[1][4],        rhotates[2][4]); /* originally A[2][4] */
-       ldr     @E[1],[sp,#$D[1]+4]
-       ror     @C[4],@E[3],#32-20
-       eor     @C[8],@C[8],@E[0]
-       ror     @C[7],@C[7],#32-20              @ C[3] = ROL64(T[0][0],        rhotates[3][0]); /* originally A[3][0] */
-       eor     @C[9],@C[9],@E[1]
-       ror     @C[6],@C[6],#32-21
+       ldr.h   @C[9],[sp,#$A[4][1]+4]
+       ror     @C[7],@E[0],#32-20              @ C[3] = ROL64(A[3][0] ^ D[0], rhotates[3][0]);
+       ror     @C[6],@E[1],#32-21
+
+       eor     @C[8],@C[8],@E[2]
+       eor     @C[9],@C[9],@E[3]
+       @ ror   @C[8],@C[2],#32-1               @ C[4] = ROL64(A[4][1] ^ D[1], rhotates[4][1]);
+       @ ror   @C[9],@C[3],#32-1
 
        bic     @E[0],@C[4],@C[2]
-        ror    @C[8],@C[8],#32-1               @ C[4] = ROL64(A[4][1] ^ D[1], rhotates[4][1]);
        bic     @E[1],@C[5],@C[3]
-        ror    @C[9],@C[9],#32-1
-       eor     @E[0],@E[0],@C[0]
-       eor     @E[1],@E[1],@C[1]
-       str     @E[0],[sp,#$A[4][0]]            @ A[4][0] = C[0] ^ (~C[1] & C[2])
+       eor     @E[0],@E[0],@C[0],ror#32-31
+       str.l   @E[0],[sp,#$R[4][0]]            @ R[4][0] = C[0] ^ (~C[1] & C[2])
+       eor     @E[1],@E[1],@C[1],ror#32-31
+       str.h   @E[1],[sp,#$R[4][0]+4]
        bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$A[4][0]+4]
        bic     @E[3],@C[7],@C[5]
        eor     @E[2],@E[2],@C[2]
        eor     @E[3],@E[3],@C[3]
-       str     @E[2],[sp,#$A[4][1]]            @ A[4][1] = C[1] ^ (~C[2] & C[3]);
-       bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$A[4][1]+4]
-       bic     @E[1],@C[9],@C[7]
-       eor     @E[0],@E[0],@C[4]
-       eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$A[4][2]]            @ A[4][2] = C[2] ^ (~C[3] & C[4]);
-       bic     @E[2],@C[0],@C[8]
-       str     @E[1],[sp,#$A[4][2]+4]
-       bic     @E[3],@C[1],@C[9]
-       eor     @E[2],@E[2],@C[6]
-       eor     @E[3],@E[3],@C[7]
-       str     @E[2],[sp,#$A[4][3]]            @ A[4][3] = C[3] ^ (~C[4] & C[0]);
-       bic     @E[0],@C[2],@C[0]
-       str     @E[3],[sp,#$A[4][3]+4]
-       bic     @E[1],@C[3],@C[1]
-       eor     @E[2],@E[0],@C[8]
-       eor     @E[3],@E[1],@C[9]
-       str     @E[2],[sp,#$A[4][4]]            @ A[4][4] = C[4] ^ (~C[0] & C[1]);
-        add    @E[0],sp,#$A[1][0]
-       str     @E[3],[sp,#$A[4][4]+4]
-
-       blo     .Lround
+       str.l   @E[2],[sp,#$R[4][1]]            @ R[4][1] = C[1] ^ (~C[2] & C[3]);
+       bic     @E[0],@C[8],@C[6],ror#1
+       str.h   @E[3],[sp,#$R[4][1]+4]
+       bic     @E[1],@C[9],@C[7],ror#1
+       bic     @E[2],@C[0],@C[8],ror#31-1
+       bic     @E[3],@C[1],@C[9],ror#31-1
+       eor     @C[4],@C[4],@E[0],ror#32-1
+       str.l   @C[4],[sp,#$R[4][2]]            @ R[4][2] = C[2] ^= (~C[3] & C[4]);
+       eor     @C[5],@C[5],@E[1],ror#32-1
+       str.h   @C[5],[sp,#$R[4][2]+4]
+       eor     @C[6],@C[6],@E[2],ror#32-31
+       eor     @C[7],@C[7],@E[3],ror#32-31
+       str.l   @C[6],[sp,#$R[4][3]]            @ R[4][3] = C[3] ^= (~C[4] & C[0]);
+       bic     @E[0],@C[2],@C[0],ror#32-31
+       str.h   @C[7],[sp,#$R[4][3]+4]
+       bic     @E[1],@C[3],@C[1],ror#32-31
+        add    @E[2],sp,#$R[0][0]
+       eor     @C[8],@E[0],@C[8],ror#32-1
+        add    @E[0],sp,#$R[1][0]
+       eor     @C[9],@E[1],@C[9],ror#32-1
+       str.l   @C[8],[sp,#$R[4][4]]            @ R[4][4] = C[4] ^= (~C[0] & C[1]);
+       str.h   @C[9],[sp,#$R[4][4]+4]
+___
+}
+       Round(@A,@T);
+       Round(@T,@A);
+$code.=<<___;
+       blo     .Lround2x
 
-       ldr     pc,[sp,#320]
+#if __ARM_ARCH__>=5
+       ldr     pc,[sp,#440]
+#else
+       ldr     lr,[sp,#440]
+       tst     lr,#1
+       moveq   pc,lr           @ be binary compatible with V4, yet
+       bx      lr              @ interoperable with Thumb ISA:-)
+#endif
 .size  KeccakF1600_int,.-KeccakF1600_int
 
 .type  KeccakF1600, %function
 .align 5
 KeccakF1600:
        stmdb   sp!,{r0,r4-r11,lr}
-       sub     sp,sp,#320+16                   @ space for A[5][5],D[5],T[2][5],...
+       sub     sp,sp,#440+16                   @ space for A[5][5],D[5],T[5][5],...
 
        add     @E[0],r0,#$A[1][0]
        add     @E[1],sp,#$A[1][0]
-       mov     @E[2],r0
-       ldmia   @E[0]!,{@C[0]-@C[9]}            @ copy A[5][5] to stack
+       ldmia   r0,    {@C[0]-@C[9]}            @ copy A[5][5] to stack
+       stmia   sp,    {@C[0]-@C[9]}
+       ldmia   @E[0]!,{@C[0]-@C[9]}
        stmia   @E[1]!,{@C[0]-@C[9]}
        ldmia   @E[0]!,{@C[0]-@C[9]}
        stmia   @E[1]!,{@C[0]-@C[9]}
        ldmia   @E[0]!,{@C[0]-@C[9]}
        stmia   @E[1]!,{@C[0]-@C[9]}
        ldmia   @E[0], {@C[0]-@C[9]}
-       stmia   @E[1], {@C[0]-@C[9]}
-       ldmia   @E[2], {@C[0]-@C[9]}            @ A[0][0..4]
+       add     @E[2],sp,#$A[0][0]
        add     @E[0],sp,#$A[1][0]
-       stmia   sp,    {@C[0]-@C[9]}
+       stmia   @E[1], {@C[0]-@C[9]}
 
        bl      KeccakF1600_enter
 
-       ldr     @E[1], [sp,#320+16]             @ restore pointer to A
+       ldr     @E[1], [sp,#440+16]             @ restore pointer to A
        ldmia   sp,    {@C[0]-@C[9]}
        stmia   @E[1]!,{@C[0]-@C[9]}            @ return A[5][5]
        ldmia   @E[0]!,{@C[0]-@C[9]}
@@ -610,8 +736,15 @@ KeccakF1600:
        ldmia   @E[0], {@C[0]-@C[9]}
        stmia   @E[1], {@C[0]-@C[9]}
 
-       add     sp,sp,#320+20
+       add     sp,sp,#440+20
+#if __ARM_ARCH__>=5
        ldmia   sp!,{r4-r11,pc}
+#else
+       ldmia   sp!,{r4-r11,lr}
+       tst     lr,#1
+       moveq   pc,lr           @ be binary compatible with V4, yet
+       bx      lr              @ interoperable with Thumb ISA:-)
+#endif
 .size  KeccakF1600,.-KeccakF1600
 ___
 { my ($A_flat,$inp,$len,$bsz) = map("r$_",(10..12,14));
@@ -622,23 +755,23 @@ ___
 #       | uint64_t A[5][5]      |
 #       | ...                   |
 #       | ...                   |
-# +336->+-----------------------+
+# +456->+-----------------------+
 #       | 0x55555555            |
-# +340->+-----------------------+
+# +460->+-----------------------+
 #       | 0x33333333            |
-# +344->+-----------------------+
+# +464->+-----------------------+
 #       | 0x0f0f0f0f            |
-# +348->+-----------------------+
+# +468->+-----------------------+
 #       | 0x00ff00ff            |
-# +352->+-----------------------+
+# +472->+-----------------------+
 #       | uint64_t *A           |
-# +356->+-----------------------+
+# +476->+-----------------------+
 #       | const void *inp       |
-# +360->+-----------------------+
+# +480->+-----------------------+
 #       | size_t len            |
-# +364->+-----------------------+
+# +484->+-----------------------+
 #       | size_t bs             |
-# +368->+-----------------------+
+# +488->+-----------------------+
 #       | ....
 
 $code.=<<___;
@@ -647,7 +780,7 @@ $code.=<<___;
 .align 5
 SHA3_absorb:
        stmdb   sp!,{r0-r12,lr}
-       sub     sp,sp,#336+16
+       sub     sp,sp,#456+16
 
        add     $A_flat,r0,#$A[1][0]
        @ mov   $inp,r1
@@ -668,7 +801,7 @@ SHA3_absorb:
        ldmia   $A_flat!,{@C[0]-@C[9]}
        stmia   $inp,    {@C[0]-@C[9]}
 
-       ldr     $inp,[sp,#356]          @ restore $inp
+       ldr     $inp,[sp,#476]          @ restore $inp
 #ifdef __thumb2__
        mov     r9,#0x00ff00ff
        mov     r8,#0x0f0f0f0f
@@ -686,10 +819,10 @@ SHA3_absorb:
        orr     r7,r6,r6,lsl#1          @ 0x33333333
        orr     r6,r6,r6,lsl#2          @ 0x55555555
 #endif
-       str     r9,[sp,#348]
-       str     r8,[sp,#344]
-       str     r7,[sp,#340]
-       str     r6,[sp,#336]
+       str     r9,[sp,#468]
+       str     r8,[sp,#464]
+       str     r7,[sp,#460]
+       str     r6,[sp,#456]
        b       .Loop_absorb
 
 .align 4
@@ -697,7 +830,7 @@ SHA3_absorb:
        subs    r0,$len,$bsz
        blo     .Labsorbed
        add     $A_flat,sp,#0
-       str     r0,[sp,#360]            @ save len - bsz
+       str     r0,[sp,#480]            @ save len - bsz
 
 .align 4
 .Loop_block:
@@ -761,11 +894,11 @@ SHA3_absorb:
        subs    $bsz,$bsz,#8
        bhi     .Loop_block
 
-       str     $inp,[sp,#356]
+       str     $inp,[sp,#476]
 
        bl      KeccakF1600_int
 
-       add     r14,sp,#336
+       add     r14,sp,#456
        ldmia   r14,{r6-r12,r14}        @ restore constants and variables
        b       .Loop_absorb
 
@@ -784,9 +917,16 @@ SHA3_absorb:
        stmia   $A_flat, {@C[0]-@C[9]}
 
 .Labsorb_abort:
-       add     sp,sp,#336+32
+       add     sp,sp,#456+32
        mov     r0,$len                 @ return value
+#if __ARM_ARCH__>=5
        ldmia   sp!,{r4-r12,pc}
+#else
+       ldmia   sp!,{r4-r12,lr}
+       tst     lr,#1
+       moveq   pc,lr           @ be binary compatible with V4, yet
+       bx      lr              @ interoperable with Thumb ISA:-)
+#endif
 .size  SHA3_absorb,.-SHA3_absorb
 ___
 }
@@ -936,12 +1076,20 @@ SHA3_squeeze:
 .align 4
 .Lsqueeze_done:
        add     sp,sp,#24
+#if __ARM_ARCH__>=5
        ldmia   sp!,{r4-r10,pc}
+#else
+       ldmia   sp!,{r4-r10,lr}
+       tst     lr,#1
+       moveq   pc,lr           @ be binary compatible with V4, yet
+       bx      lr              @ interoperable with Thumb ISA:-)
+#endif
 .size  SHA3_squeeze,.-SHA3_squeeze
 ___
 }
 
 $code.=<<___;
+#if __ARM_MAX_ARCH__>=7
 .fpu   neon
 
 .type  iotas64, %object
@@ -984,9 +1132,9 @@ KeccakF1600_neon:
 .align 4
 .Loop_neon:
        @ Theta
-       vst1.64         {q4},  [r0:64]          @ offload A[0..1][4]
+       vst1.64         {q4},  [r0,:64]         @ offload A[0..1][4]
        veor            q13, q0,  q5            @ A[0..1][0]^A[2..3][0]
-       vst1.64         {d18}, [r1:64]          @ offload A[2][4]
+       vst1.64         {d18}, [r1,:64]         @ offload A[2][4]
        veor            q14, q1,  q6            @ A[0..1][1]^A[2..3][1]
        veor            q15, q2,  q7            @ A[0..1][2]^A[2..3][2]
        veor            d26, d26, d27           @ C[0]=A[0][0]^A[1][0]^A[2][0]^A[3][0]
@@ -1029,10 +1177,10 @@ KeccakF1600_neon:
        veor            d16, d16, d28           @ A[2][3] ^= C[2]
        veor            d17, d17, d28           @ A[3][3] ^= C[2]
        veor            d23, d23, d28           @ A[4][3] ^= C[2]
-       vld1.64         {q4},  [r0:64]          @ restore A[0..1][4]
+       vld1.64         {q4},  [r0,:64]         @ restore A[0..1][4]
        vmov            d28, d29
 
-       vld1.64         {d18}, [r1:64]          @ restore A[2][4]
+       vld1.64         {d18}, [r1,:64]         @ restore A[2][4]
        veor            q2,  q2,  q13           @ A[0..1][2] ^= D[2]
        veor            q7,  q7,  q13           @ A[2..3][2] ^= D[2]
        veor            d22, d22, d27           @ A[4][2]    ^= D[2]
@@ -1107,7 +1255,7 @@ KeccakF1600_neon:
        veor            q13, q13, q0            @ A[0..1][0] ^ (~A[0..1][1] & A[0..1][2])
        veor            q14, q14, q1            @ A[0..1][1] ^ (~A[0..1][2] & A[0..1][3])
        veor            q2,  q2,  q15           @ A[0..1][2] ^= (~A[0..1][3] & A[0..1][4])
-       vst1.64         {q13}, [r0:64]          @ offload A[0..1][0]
+       vst1.64         {q13}, [r0,:64]         @ offload A[0..1][0]
        vbic            q13, q0,  q4
        vbic            q15, q1,  q0
        vmov            q1,  q14                @ A[0..1][1]
@@ -1128,10 +1276,10 @@ KeccakF1600_neon:
        vmov            q14, q10                @ A[4][0..1]
        veor            q9,  q9,  q13           @ A[2..3][4] ^= (~A[2..3][0] & A[2..3][1])
 
-       vld1.64         d25, [r2:64]!           @ Iota[i++]
+       vld1.64         d25, [r2,:64]!          @ Iota[i++]
        vbic            d26, d22, d21
        vbic            d27, d23, d22
-       vld1.64         {q0}, [r0:64]           @ restore A[0..1][0]
+       vld1.64         {q0}, [r0,:64]          @ restore A[0..1][0]
        veor            d20, d20, d26           @ A[4][0] ^= (~A[4][1] & A[4][2])
        vbic            d26, d24, d23
        veor            d21, d21, d27           @ A[4][1] ^= (~A[4][2] & A[4][3])
@@ -1145,7 +1293,7 @@ KeccakF1600_neon:
        subs    r3, r3, #1
        bne     .Loop_neon
 
-       bx      lr
+       ret
 .size  KeccakF1600_neon,.-KeccakF1600_neon
 
 .global        SHA3_absorb_neon
@@ -1159,32 +1307,32 @@ SHA3_absorb_neon:
        mov     r5, r2                  @ len
        mov     r6, r3                  @ bsz
 
-       vld1.32 {d0}, [r0:64]!          @ A[0][0]
-       vld1.32 {d2}, [r0:64]!          @ A[0][1]
-       vld1.32 {d4}, [r0:64]!          @ A[0][2]
-       vld1.32 {d6}, [r0:64]!          @ A[0][3]
-       vld1.32 {d8}, [r0:64]!          @ A[0][4]
-
-       vld1.32 {d1}, [r0:64]!          @ A[1][0]
-       vld1.32 {d3}, [r0:64]!          @ A[1][1]
-       vld1.32 {d5}, [r0:64]!          @ A[1][2]
-       vld1.32 {d7}, [r0:64]!          @ A[1][3]
-       vld1.32 {d9}, [r0:64]!          @ A[1][4]
-
-       vld1.32 {d10}, [r0:64]!         @ A[2][0]
-       vld1.32 {d12}, [r0:64]!         @ A[2][1]
-       vld1.32 {d14}, [r0:64]!         @ A[2][2]
-       vld1.32 {d16}, [r0:64]!         @ A[2][3]
-       vld1.32 {d18}, [r0:64]!         @ A[2][4]
-
-       vld1.32 {d11}, [r0:64]!         @ A[3][0]
-       vld1.32 {d13}, [r0:64]!         @ A[3][1]
-       vld1.32 {d15}, [r0:64]!         @ A[3][2]
-       vld1.32 {d17}, [r0:64]!         @ A[3][3]
-       vld1.32 {d19}, [r0:64]!         @ A[3][4]
-
-       vld1.32 {d20-d23}, [r0:64]!     @ A[4][0..3]
-       vld1.32 {d24}, [r0:64]          @ A[4][4]
+       vld1.32 {d0}, [r0,:64]!         @ A[0][0]
+       vld1.32 {d2}, [r0,:64]!         @ A[0][1]
+       vld1.32 {d4}, [r0,:64]!         @ A[0][2]
+       vld1.32 {d6}, [r0,:64]!         @ A[0][3]
+       vld1.32 {d8}, [r0,:64]!         @ A[0][4]
+
+       vld1.32 {d1}, [r0,:64]!         @ A[1][0]
+       vld1.32 {d3}, [r0,:64]!         @ A[1][1]
+       vld1.32 {d5}, [r0,:64]!         @ A[1][2]
+       vld1.32 {d7}, [r0,:64]!         @ A[1][3]
+       vld1.32 {d9}, [r0,:64]!         @ A[1][4]
+
+       vld1.32 {d10}, [r0,:64]!                @ A[2][0]
+       vld1.32 {d12}, [r0,:64]!                @ A[2][1]
+       vld1.32 {d14}, [r0,:64]!                @ A[2][2]
+       vld1.32 {d16}, [r0,:64]!                @ A[2][3]
+       vld1.32 {d18}, [r0,:64]!                @ A[2][4]
+
+       vld1.32 {d11}, [r0,:64]!                @ A[3][0]
+       vld1.32 {d13}, [r0,:64]!                @ A[3][1]
+       vld1.32 {d15}, [r0,:64]!                @ A[3][2]
+       vld1.32 {d17}, [r0,:64]!                @ A[3][3]
+       vld1.32 {d19}, [r0,:64]!                @ A[3][4]
+
+       vld1.32 {d20-d23}, [r0,:64]!    @ A[4][0..3]
+       vld1.32 {d24}, [r0,:64]         @ A[4][4]
        sub     r0, r0, #24*8           @ rewind
        b       .Loop_absorb_neon
 
@@ -1291,32 +1439,32 @@ SHA3_absorb_neon:
 
 .align 4
 .Labsorbed_neon:
-       vst1.32 {d0}, [r0:64]!          @ A[0][0..4]
-       vst1.32 {d2}, [r0:64]!
-       vst1.32 {d4}, [r0:64]!
-       vst1.32 {d6}, [r0:64]!
-       vst1.32 {d8}, [r0:64]!
-
-       vst1.32 {d1}, [r0:64]!          @ A[1][0..4]
-       vst1.32 {d3}, [r0:64]!
-       vst1.32 {d5}, [r0:64]!
-       vst1.32 {d7}, [r0:64]!
-       vst1.32 {d9}, [r0:64]!
-
-       vst1.32 {d10}, [r0:64]!         @ A[2][0..4]
-       vst1.32 {d12}, [r0:64]!
-       vst1.32 {d14}, [r0:64]!
-       vst1.32 {d16}, [r0:64]!
-       vst1.32 {d18}, [r0:64]!
-
-       vst1.32 {d11}, [r0:64]!         @ A[3][0..4]
-       vst1.32 {d13}, [r0:64]!
-       vst1.32 {d15}, [r0:64]!
-       vst1.32 {d17}, [r0:64]!
-       vst1.32 {d19}, [r0:64]!
-
-       vst1.32 {d20-d23}, [r0:64]!     @ A[4][0..4]
-       vst1.32 {d24}, [r0:64]
+       vst1.32 {d0}, [r0,:64]!         @ A[0][0..4]
+       vst1.32 {d2}, [r0,:64]!
+       vst1.32 {d4}, [r0,:64]!
+       vst1.32 {d6}, [r0,:64]!
+       vst1.32 {d8}, [r0,:64]!
+
+       vst1.32 {d1}, [r0,:64]!         @ A[1][0..4]
+       vst1.32 {d3}, [r0,:64]!
+       vst1.32 {d5}, [r0,:64]!
+       vst1.32 {d7}, [r0,:64]!
+       vst1.32 {d9}, [r0,:64]!
+
+       vst1.32 {d10}, [r0,:64]!                @ A[2][0..4]
+       vst1.32 {d12}, [r0,:64]!
+       vst1.32 {d14}, [r0,:64]!
+       vst1.32 {d16}, [r0,:64]!
+       vst1.32 {d18}, [r0,:64]!
+
+       vst1.32 {d11}, [r0,:64]!                @ A[3][0..4]
+       vst1.32 {d13}, [r0,:64]!
+       vst1.32 {d15}, [r0,:64]!
+       vst1.32 {d17}, [r0,:64]!
+       vst1.32 {d19}, [r0,:64]!
+
+       vst1.32 {d20-d23}, [r0,:64]!    @ A[4][0..4]
+       vst1.32 {d24}, [r0,:64]
 
        mov     r0, r5                  @ return value
        vldmia  sp!, {d8-d15}
@@ -1351,64 +1499,64 @@ SHA3_squeeze_neon:
 
        vstmdb  sp!,  {d8-d15}
 
-       vld1.32 {d0}, [r0:64]!          @ A[0][0..4]
-       vld1.32 {d2}, [r0:64]!
-       vld1.32 {d4}, [r0:64]!
-       vld1.32 {d6}, [r0:64]!
-       vld1.32 {d8}, [r0:64]!
-
-       vld1.32 {d1}, [r0:64]!          @ A[1][0..4]
-       vld1.32 {d3}, [r0:64]!
-       vld1.32 {d5}, [r0:64]!
-       vld1.32 {d7}, [r0:64]!
-       vld1.32 {d9}, [r0:64]!
-
-       vld1.32 {d10}, [r0:64]!         @ A[2][0..4]
-       vld1.32 {d12}, [r0:64]!
-       vld1.32 {d14}, [r0:64]!
-       vld1.32 {d16}, [r0:64]!
-       vld1.32 {d18}, [r0:64]!
-
-       vld1.32 {d11}, [r0:64]!         @ A[3][0..4]
-       vld1.32 {d13}, [r0:64]!
-       vld1.32 {d15}, [r0:64]!
-       vld1.32 {d17}, [r0:64]!
-       vld1.32 {d19}, [r0:64]!
-
-       vld1.32 {d20-d23}, [r0:64]!     @ A[4][0..4]
-       vld1.32 {d24}, [r0:64]
+       vld1.32 {d0}, [r0,:64]!         @ A[0][0..4]
+       vld1.32 {d2}, [r0,:64]!
+       vld1.32 {d4}, [r0,:64]!
+       vld1.32 {d6}, [r0,:64]!
+       vld1.32 {d8}, [r0,:64]!
+
+       vld1.32 {d1}, [r0,:64]!         @ A[1][0..4]
+       vld1.32 {d3}, [r0,:64]!
+       vld1.32 {d5}, [r0,:64]!
+       vld1.32 {d7}, [r0,:64]!
+       vld1.32 {d9}, [r0,:64]!
+
+       vld1.32 {d10}, [r0,:64]!                @ A[2][0..4]
+       vld1.32 {d12}, [r0,:64]!
+       vld1.32 {d14}, [r0,:64]!
+       vld1.32 {d16}, [r0,:64]!
+       vld1.32 {d18}, [r0,:64]!
+
+       vld1.32 {d11}, [r0,:64]!                @ A[3][0..4]
+       vld1.32 {d13}, [r0,:64]!
+       vld1.32 {d15}, [r0,:64]!
+       vld1.32 {d17}, [r0,:64]!
+       vld1.32 {d19}, [r0,:64]!
+
+       vld1.32 {d20-d23}, [r0,:64]!    @ A[4][0..4]
+       vld1.32 {d24}, [r0,:64]
        sub     r0, r0, #24*8           @ rewind
 
        bl      KeccakF1600_neon
 
        mov     r12, r0                 @ A_flat
-       vst1.32 {d0}, [r0:64]!          @ A[0][0..4]
-       vst1.32 {d2}, [r0:64]!
-       vst1.32 {d4}, [r0:64]!
-       vst1.32 {d6}, [r0:64]!
-       vst1.32 {d8}, [r0:64]!
-
-       vst1.32 {d1}, [r0:64]!          @ A[1][0..4]
-       vst1.32 {d3}, [r0:64]!
-       vst1.32 {d5}, [r0:64]!
-       vst1.32 {d7}, [r0:64]!
-       vst1.32 {d9}, [r0:64]!
-
-       vst1.32 {d10}, [r0:64]!         @ A[2][0..4]
-       vst1.32 {d12}, [r0:64]!
-       vst1.32 {d14}, [r0:64]!
-       vst1.32 {d16}, [r0:64]!
-       vst1.32 {d18}, [r0:64]!
-
-       vst1.32 {d11}, [r0:64]!         @ A[3][0..4]
-       vst1.32 {d13}, [r0:64]!
-       vst1.32 {d15}, [r0:64]!
-       vst1.32 {d17}, [r0:64]!
-       vst1.32 {d19}, [r0:64]!
-
-       vst1.32 {d20-d23}, [r0:64]!     @ A[4][0..4]
+       vst1.32 {d0}, [r0,:64]!         @ A[0][0..4]
+       vst1.32 {d2}, [r0,:64]!
+       vst1.32 {d4}, [r0,:64]!
+       vst1.32 {d6}, [r0,:64]!
+       vst1.32 {d8}, [r0,:64]!
+
+       vst1.32 {d1}, [r0,:64]!         @ A[1][0..4]
+       vst1.32 {d3}, [r0,:64]!
+       vst1.32 {d5}, [r0,:64]!
+       vst1.32 {d7}, [r0,:64]!
+       vst1.32 {d9}, [r0,:64]!
+
+       vst1.32 {d10}, [r0,:64]!                @ A[2][0..4]
+       vst1.32 {d12}, [r0,:64]!
+       vst1.32 {d14}, [r0,:64]!
+       vst1.32 {d16}, [r0,:64]!
+       vst1.32 {d18}, [r0,:64]!
+
+       vst1.32 {d11}, [r0,:64]!                @ A[3][0..4]
+       vst1.32 {d13}, [r0,:64]!
+       vst1.32 {d15}, [r0,:64]!
+       vst1.32 {d17}, [r0,:64]!
+       vst1.32 {d19}, [r0,:64]!
+
+       vst1.32 {d20-d23}, [r0,:64]!    @ A[4][0..4]
        mov     r14, r6                 @ bsz
-       vst1.32 {d24}, [r0:64]
+       vst1.32 {d24}, [r0,:64]
        mov     r0,  r12                @ rewind
 
        vldmia  sp!, {d8-d15}
@@ -1443,10 +1591,44 @@ SHA3_squeeze_neon:
 .Lsqueeze_neon_done:
        ldmia   sp!, {r4-r6,pc}
 .size  SHA3_squeeze_neon,.-SHA3_squeeze_neon
+#endif
 .asciz "Keccak-1600 absorb and squeeze for ARMv4/NEON, CRYPTOGAMS by <appro\@openssl.org>"
 .align 2
 ___
 
-print $code;
+{
+    my %ldr, %str;
+
+    sub ldrd {
+       my ($mnemonic,$half,$reg,$ea) = @_;
+       my $op = $mnemonic eq "ldr" ? \%ldr : \%str;
+
+       if ($half eq "l") {
+           $$op{reg} = $reg;
+           $$op{ea}  = $ea;
+           sprintf "#ifndef    __thumb2__\n"   .
+                   "   %s\t%s,%s\n"            .
+                   "#endif", $mnemonic,$reg,$ea;
+       } else {
+           sprintf "#ifndef    __thumb2__\n"   .
+                   "   %s\t%s,%s\n"            .
+                   "#else\n"                   .
+                   "   %sd\t%s,%s,%s\n"        .
+                   "#endif",   $mnemonic,$reg,$ea,
+                               $mnemonic,$$op{reg},$reg,$$op{ea};
+       }
+    }
+}
+
+foreach (split($/,$code)) {
+       s/\`([^\`]*)\`/eval $1/ge;
+
+       s/^\s+(ldr|str)\.([lh])\s+(r[0-9]+),\s*(\[.*)/ldrd($1,$2,$3,$4)/ge or
+       s/\b(ror|ls[rl])\s+(r[0-9]+.*)#/mov     $2$1#/g or
+       s/\bret\b/bx    lr/g            or
+       s/\bbx\s+lr\b/.word\t0xe12fff1e/g;      # make it possible to compile with -march=armv4
+
+       print $_,"\n";
+}
 
 close STDOUT; # enforce flush