sha/asm/keccak1600-armv4.pl: optimize for Thumb-2.
authorAndy Polyakov <appro@openssl.org>
Mon, 14 Aug 2017 14:33:36 +0000 (16:33 +0200)
committerAndy Polyakov <appro@openssl.org>
Wed, 16 Aug 2017 18:25:20 +0000 (20:25 +0200)
Reduce per-round instruction count in Thumb-2 case by 16%. This is
achieved by folding ldr/str pairs to their double-word counterparts.

Reviewed-by: Rich Salz <rsalz@openssl.org>
crypto/sha/asm/keccak1600-armv4.pl

index ed57896bcaed966f1ef537608d71fdb96964d314..16d23931342c05e447b83523de629147205d815e 100755 (executable)
 # 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=1088(*) NEON
+#              r=1088(*)   Thumb-2(**) NEON
 #
 # ARM11xx      82/+150%
-# Cortex-A5    88/+160%,   36
-# Cortex-A7    78/+160%,   34
-# Cortex-A8    51/+230%,   30
-# Cortex-A9    53/+210%,   26
-# Cortex-A15   42/+160%,   18
-# Snapdragon S4        43/+210%,   24
+# 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
 #
 # (*)  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.
 
 my @C = map("r$_",(0..9));
 my @E = map("r$_",(10..12,14));
@@ -136,10 +145,10 @@ KeccakF1600_enter:
        str     lr,[sp,#440]
        eor     @E[1],@E[1],@E[1]
        str     @E[1],[sp,#444]
-       b       .Lround
+       b       .Lround2x
 
 .align 4
-.Lround:
+.Lround2x:
 ___
 sub Round {
 my (@A,@R); (@A[0..4],@R) = @_;
@@ -147,6 +156,62 @@ 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]
@@ -203,54 +268,55 @@ $code.=<<___;
        eor     @C[4],@C[4],@E[2]
        eor     @C[5],@C[5],@E[3]
        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]
-        ldr    @C[7],[sp,#$A[3][3]]
-       str     @C[2],[sp,#$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,#$D[2]]               @ D[2] = C[1]
        eor     @C[4],@C[4],@C[9],ror#32-1      @ C[2] = ROL64(C[4], 1) ^ C[2];
-        ldr    @C[6],[sp,#$A[3][3]+4]
-       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,#$A[4][4]]
-       ldr     @C[9],[sp,#$A[4][4]+4]
-        str    @C[4],[sp,#$D[3]]               @ D[3] = C[2]
+       ldr.l   @C[8],[sp,#$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    @C[5],[sp,#$D[3]+4]
+        str.h  @C[5],[sp,#$D[3]+4]
        eor     @C[6],@C[6],@C[5]
-       ldr     @C[4],[sp,#$A[0][0]]
+       ldr.l   @C[4],[sp,#$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,#$A[0][0]+4]
        eor     @C[8],@C[8],@E[2]
-       ldr     @C[5],[sp,#$A[0][0]+4]
        eor     @C[9],@C[9],@E[3]
-       ldr     @E[2],[sp,#$A[2][2]]
+       ldr.l   @E[2],[sp,#$A[2][2]]
        eor     @C[0],@C[0],@C[4]
-       ldr     @E[3],[sp,#$A[2][2]+4]
+       ldr.h   @E[3],[sp,#$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,#444]                 @ load counter
        eor     @C[2],@C[2],@E[0]
@@ -263,9 +329,9 @@ $code.=<<___        if ($A[0][0] != $T[0][0]);
        ldmia   @E[3],{@E[0],@E[1]}             @ iotas[i]
 ___
 $code.=<<___   if ($A[0][0] == $T[0][0]);
-       ldr     @E[0],[@E[3],#8]                @ iotas[i].lo
+       ldr.l   @E[0],[@E[3],#8]                @ iotas[i].lo
        add     @E[2],@E[2],#16
-       ldr     @E[1],[@E[3],#12]               @ iotas[i].hi
+       ldr.h   @E[1],[@E[3],#12]               @ iotas[i].hi
        cmp     @E[2],#192
        str     @E[2],[sp,#444]                 @ store counter
 ___
@@ -278,67 +344,67 @@ $code.=<<___;
        eor     @E[3],@E[3],@C[1]
        eor     @E[0],@E[0],@E[2]
        eor     @E[1],@E[1],@E[3]
-       str     @E[0],[sp,#$R[0][0]]            @ R[0][0] = C[0] ^ (~C[1] & C[2]) ^ iotas[i];
+       str.l   @E[0],[sp,#$R[0][0]]            @ R[0][0] = C[0] ^ (~C[1] & C[2]) ^ iotas[i];
        bic     @E[2],@C[6],@C[4],ror#11
-       str     @E[1],[sp,#$R[0][0]+4]
+       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     @E[2],[sp,#$R[0][1]]            @ R[0][1] = C[1] ^ (~C[2] & C[3]);
+       str.h   @E[3],[sp,#$R[0][1]+4]
        eor     @E[0],@C[4],@E[0],ror#32-7
-       str     @E[3],[sp,#$R[0][1]+4]
        eor     @E[1],@C[5],@E[1],ror#32-7
-       str     @E[0],[sp,#$R[0][2]]            @ R[0][2] = C[2] ^ (~C[3] & C[4]);
+       str.l   @E[0],[sp,#$R[0][2]]            @ R[0][2] = C[2] ^ (~C[3] & C[4]);
        bic     @E[2],@C[0],@C[8],ror#32-7
-       str     @E[1],[sp,#$R[0][2]+4]
+       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     @E[2],[sp,#$R[0][3]]            @ R[0][3] = C[3] ^ (~C[4] & C[0]);
+       str.h   @E[3],[sp,#$R[0][3]+4]
        bic     @E[0],@C[2],@C[0]
-       str     @E[3],[sp,#$R[0][3]+4]
         add    @E[3],sp,#$D[3]
+        ldr.l  @C[0],[sp,#$A[0][3]]            @ A[0][3]
        bic     @E[1],@C[3],@C[1]
-        ldr    @C[0],[sp,#$A[0][3]]            @ A[0][3]
+        ldr.h  @C[1],[sp,#$A[0][3]+4]
        eor     @E[0],@E[0],@C[8],ror#32-7
-        ldr    @C[1],[sp,#$A[0][3]+4]
        eor     @E[1],@E[1],@C[9],ror#32-7
-       str     @E[0],[sp,#$R[0][4]]            @ R[0][4] = C[4] ^ (~C[0] & C[1]);
+       str.l   @E[0],[sp,#$R[0][4]]            @ R[0][4] = C[4] ^ (~C[0] & C[1]);
         add    @C[9],sp,#$D[0]
-       str     @E[1],[sp,#$R[0][4]+4]
+       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     @C[2],[sp,#$A[1][4]]            @ A[1][4]
+       ldr.l   @C[2],[sp,#$A[1][4]]            @ A[1][4]
        eor     @C[0],@C[0],@E[0]
-       ldr     @C[3],[sp,#$A[1][4]+4]
+       ldr.h   @C[3],[sp,#$A[1][4]+4]
        eor     @C[1],@C[1],@E[1]
        @ ror   @C[0],@C[0],#32-14              @ C[0] = ROL64(A[0][3] ^ D[3], rhotates[0][3]);
-       ldr     @E[0],[sp,#$A[3][1]]            @ A[3][1]
+       ldr.l   @E[0],[sp,#$A[3][1]]            @ A[3][1]
        @ ror   @C[1],@C[1],#32-14
-       ldr     @E[1],[sp,#$A[3][1]+4]
+       ldr.h   @E[1],[sp,#$A[3][1]+4]
 
        eor     @C[2],@C[2],@E[2]
-       ldr     @C[4],[sp,#$A[2][0]]            @ A[2][0]
+       ldr.l   @C[4],[sp,#$A[2][0]]            @ A[2][0]
        eor     @C[3],@C[3],@E[3]
-       ldr     @C[5],[sp,#$A[2][0]+4]
+       ldr.h   @C[5],[sp,#$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     @E[2],[sp,#$D[2]]               @ D[2]
+       ldr.l   @E[2],[sp,#$D[2]]               @ D[2]
        eor     @C[7],@C[7],@C[5]
-       ldr     @E[3],[sp,#$D[2]+4]
+       ldr.h   @E[3],[sp,#$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
 
        eor     @E[0],@E[0],@C[8]
-       ldr     @C[8],[sp,#$A[4][2]]            @ A[4][2]
+       ldr.l   @C[8],[sp,#$A[4][2]]            @ A[4][2]
        eor     @E[1],@E[1],@C[9]
-       ldr     @C[9],[sp,#$A[4][2]+4]
+       ldr.h   @C[9],[sp,#$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
 
@@ -350,56 +416,56 @@ $code.=<<___;
         ror    @C[8],@E[3],#32-31
        eor     @E[0],@E[0],@C[0],ror#32-14
        eor     @E[1],@E[1],@C[1],ror#32-14
-       str     @E[0],[sp,#$R[1][0]]            @ R[1][0] = C[0] ^ (~C[1] & C[2])
+       str.l   @E[0],[sp,#$R[1][0]]            @ R[1][0] = C[0] ^ (~C[1] & C[2])
        bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$R[1][0]+4]
+       str.h   @E[1],[sp,#$R[1][0]+4]
        bic     @E[3],@C[7],@C[5]
        eor     @E[2],@E[2],@C[2],ror#32-10
+       str.l   @E[2],[sp,#$R[1][1]]            @ R[1][1] = C[1] ^ (~C[2] & C[3]);
        eor     @E[3],@E[3],@C[3],ror#32-10
-       str     @E[2],[sp,#$R[1][1]]            @ R[1][1] = C[1] ^ (~C[2] & C[3]);
+       str.h   @E[3],[sp,#$R[1][1]+4]
        bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$R[1][1]+4]
        bic     @E[1],@C[9],@C[7]
        bic     @E[2],@C[0],@C[8],ror#14
        bic     @E[3],@C[1],@C[9],ror#14
        eor     @E[0],@E[0],@C[4]
        eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$R[1][2]]            @ R[1][2] = C[2] ^ (~C[3] & C[4]);
-       bic     @E[0],@C[2],@C[0],ror#32-(14-10)
+       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
-       str     @E[1],[sp,#$R[1][2]+4]
        bic     @E[1],@C[3],@C[1],ror#32-(14-10)
+       str.l   @E[2],[sp,#$R[1][3]]            @ R[1][3] = C[3] ^ (~C[4] & C[0]);
        eor     @E[3],@C[7],@E[3],ror#32-14
-       str     @E[2],[sp,#$R[1][3]]            @ R[1][3] = C[3] ^ (~C[4] & C[0]);
+       str.h   @E[3],[sp,#$R[1][3]+4]
         add    @E[2],sp,#$D[1]
-       str     @E[3],[sp,#$R[1][3]+4]
-        ldr    @C[1],[sp,#$A[0][1]]            @ A[0][1]
-       eor     @E[0],@C[8],@E[0],ror#32-10
-        ldr    @C[0],[sp,#$A[0][1]+4]
+        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     @E[0],[sp,#$R[1][4]]            @ R[1][4] = C[4] ^ (~C[0] & C[1]);
-        add    @C[9],sp,#$D[3]
-       str     @E[1],[sp,#$R[1][4]+4]
+       str.l   @E[0],[sp,#$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,#$D[3]
        ldmia   @E[2],{@E[0]-@E[2],@E[3]}       @ D[1..2]
-       ldr     @C[2],[sp,#$A[1][2]]            @ A[1][2]
-       ldr     @C[3],[sp,#$A[1][2]+4]
+       ldr.l   @C[2],[sp,#$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     @C[4],[sp,#$A[2][3]]            @ A[2][3]
+       ldr.l   @C[4],[sp,#$A[2][3]]            @ A[2][3]
        eor     @C[0],@C[0],@E[1]
-       ldr     @C[5],[sp,#$A[2][3]+4]
+       ldr.h   @C[5],[sp,#$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     @E[0],[sp,#$A[3][4]]            @ A[3][4]
+       ldr.l   @E[0],[sp,#$A[3][4]]            @ A[3][4]
        eor     @C[3],@C[3],@E[3]
-       ldr     @E[1],[sp,#$A[3][4]+4]
+       ldr.h   @E[1],[sp,#$A[3][4]+4]
        @ ror   @C[2],@C[2],#32-3               @ C[1] = ROL64(A[1][2] ^ D[2], rhotates[1][2]);
-       ldr     @E[2],[sp,#$D[0]]               @ D[0]
+       ldr.l   @E[2],[sp,#$D[0]]               @ D[0]
        @ ror   @C[3],@C[3],#32-3
-       ldr     @E[3],[sp,#$D[0]+4]
+       ldr.h   @E[3],[sp,#$D[0]+4]
 
        eor     @C[4],@C[4],@C[6]
        eor     @C[5],@C[5],@C[7]
@@ -407,9 +473,9 @@ $code.=<<___;
        @ ror   @C[4],@C[7],#32-13              @ [track reverse order below]
 
        eor     @E[0],@E[0],@C[8]
-       ldr     @C[8],[sp,#$A[4][0]]            @ A[4][0]
+       ldr.l   @C[8],[sp,#$A[4][0]]            @ A[4][0]
        eor     @E[1],@E[1],@C[9]
-       ldr     @C[9],[sp,#$A[4][0]+4]
+       ldr.h   @C[9],[sp,#$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
 
@@ -424,58 +490,58 @@ $code.=<<___;
        bic     @E[3],@C[7],@C[4],ror#32-12
        eor     @E[0],@C[0],@E[0],ror#32-13
        eor     @E[1],@C[1],@E[1],ror#32-12
-       str     @E[0],[sp,#$R[2][0]]            @ R[2][0] = C[0] ^ (~C[1] & C[2])
+       str.l   @E[0],[sp,#$R[2][0]]            @ R[2][0] = C[0] ^ (~C[1] & C[2])
        eor     @E[2],@E[2],@C[2],ror#32-3
-       str     @E[1],[sp,#$R[2][0]+4]
+       str.h   @E[1],[sp,#$R[2][0]+4]
        eor     @E[3],@E[3],@C[3],ror#32-3
-       str     @E[2],[sp,#$R[2][1]]            @ R[2][1] = C[1] ^ (~C[2] & C[3]);
+       str.l   @E[2],[sp,#$R[2][1]]            @ R[2][1] = C[1] ^ (~C[2] & C[3]);
        bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$R[2][1]+4]
        bic     @E[1],@C[9],@C[7]
+       str.h   @E[3],[sp,#$R[2][1]+4]
        eor     @E[0],@E[0],@C[5],ror#32-13
        eor     @E[1],@E[1],@C[4],ror#32-12
-       str     @E[0],[sp,#$R[2][2]]            @ R[2][2] = C[2] ^ (~C[3] & C[4]);
+       str.l   @E[0],[sp,#$R[2][2]]            @ R[2][2] = C[2] ^ (~C[3] & C[4]);
        bic     @E[2],@C[0],@C[8]
-       str     @E[1],[sp,#$R[2][2]+4]
+       str.h   @E[1],[sp,#$R[2][2]+4]
        bic     @E[3],@C[1],@C[9]
        eor     @E[2],@E[2],@C[6]
        eor     @E[3],@E[3],@C[7]
-       str     @E[2],[sp,#$R[2][3]]            @ R[2][3] = C[3] ^ (~C[4] & C[0]);
+       str.l   @E[2],[sp,#$R[2][3]]            @ R[2][3] = C[3] ^ (~C[4] & C[0]);
        bic     @E[0],@C[2],@C[0],ror#3
-       str     @E[3],[sp,#$R[2][3]+4]
+       str.h   @E[3],[sp,#$R[2][3]+4]
        bic     @E[1],@C[3],@C[1],ror#3
-        ldr    @C[1],[sp,#$A[0][4]]            @ A[0][4] [in reverse order]
+        ldr.l  @C[1],[sp,#$A[0][4]]            @ A[0][4] [in reverse order]
        eor     @E[0],@C[8],@E[0],ror#32-3
-        ldr    @C[0],[sp,#$A[0][4]+4]
+        ldr.h  @C[0],[sp,#$A[0][4]+4]
        eor     @E[1],@C[9],@E[1],ror#32-3
-       str     @E[0],[sp,#$R[2][4]]            @ R[2][4] = C[4] ^ (~C[0] & C[1]);
+       str.l   @E[0],[sp,#$R[2][4]]            @ R[2][4] = C[4] ^ (~C[0] & C[1]);
         add    @C[9],sp,#$D[1]
-       str     @E[1],[sp,#$R[2][4]+4]
+       str.h   @E[1],[sp,#$R[2][4]+4]
 
-       ldr     @E[0],[sp,#$D[4]]               @ D[4]
-       ldr     @E[1],[sp,#$D[4]+4]
-       ldr     @E[2],[sp,#$D[0]]               @ D[0]
-       ldr     @E[3],[sp,#$D[0]+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     @C[2],[sp,#$A[1][0]]            @ A[1][0]
+       ldr.l   @C[2],[sp,#$A[1][0]]            @ A[1][0]
        eor     @C[0],@C[0],@E[1]
-       ldr     @C[3],[sp,#$A[1][0]+4]
+       ldr.h   @C[3],[sp,#$A[1][0]+4]
        @ ror   @C[1],@E[0],#32-13              @ C[0] = ROL64(A[0][4] ^ D[4], rhotates[0][4]);
-       ldr     @C[4],[sp,#$A[2][1]]            @ A[2][1]
+       ldr.l   @C[4],[sp,#$A[2][1]]            @ A[2][1]
        @ ror   @C[0],@E[1],#32-14              @ [was loaded in reverse order]
-       ldr     @C[5],[sp,#$A[2][1]+4]
+       ldr.h   @C[5],[sp,#$A[2][1]+4]
 
        eor     @C[2],@C[2],@E[2]
-       ldr     @E[0],[sp,#$A[3][2]]            @ A[3][2]
+       ldr.l   @E[0],[sp,#$A[3][2]]            @ A[3][2]
        eor     @C[3],@C[3],@E[3]
-       ldr     @E[1],[sp,#$A[3][2]+4]
+       ldr.h   @E[1],[sp,#$A[3][2]+4]
        @ ror   @C[2],@C[2],#32-18              @ C[1] = ROL64(A[1][0] ^ D[0], rhotates[1][0]);
-       ldr     @E[2],[sp,#$D[3]]               @ D[3]
+       ldr.l   @E[2],[sp,#$D[3]]               @ D[3]
        @ ror   @C[3],@C[3],#32-18
-       ldr     @E[3],[sp,#$D[3]+4]
+       ldr.h   @E[3],[sp,#$D[3]+4]
 
        eor     @C[6],@C[6],@C[4]
        eor     @C[7],@C[7],@C[5]
@@ -483,9 +549,9 @@ $code.=<<___;
        ror     @C[5],@C[7],#32-5
 
        eor     @E[0],@E[0],@C[8]
-       ldr     @C[8],[sp,#$A[4][3]]            @ A[4][3]
+       ldr.l   @C[8],[sp,#$A[4][3]]            @ A[4][3]
        eor     @E[1],@E[1],@C[9]
-       ldr     @C[9],[sp,#$A[4][3]+4]
+       ldr.h   @C[9],[sp,#$A[4][3]+4]
        ror     @C[7],@E[0],#32-7               @ C[3] = ROL64(A[3][2] ^ D[2], rhotates[3][2]);
        ror     @C[6],@E[1],#32-8
 
@@ -498,59 +564,59 @@ $code.=<<___;
        bic     @E[1],@C[5],@C[3],ror#32-18
        eor     @E[0],@E[0],@C[0],ror#32-14
        eor     @E[1],@E[1],@C[1],ror#32-13
-       str     @E[0],[sp,#$R[3][0]]            @ R[3][0] = C[0] ^ (~C[1] & C[2])
+       str.l   @E[0],[sp,#$R[3][0]]            @ R[3][0] = C[0] ^ (~C[1] & C[2])
        bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$R[3][0]+4]
+       str.h   @E[1],[sp,#$R[3][0]+4]
        bic     @E[3],@C[7],@C[5]
        eor     @E[2],@E[2],@C[2],ror#32-18
+       str.l   @E[2],[sp,#$R[3][1]]            @ R[3][1] = C[1] ^ (~C[2] & C[3]);
        eor     @E[3],@E[3],@C[3],ror#32-18
-       str     @E[2],[sp,#$R[3][1]]            @ R[3][1] = C[1] ^ (~C[2] & C[3]);
+       str.h   @E[3],[sp,#$R[3][1]+4]
        bic     @E[0],@C[8],@C[6]
-       str     @E[3],[sp,#$R[3][1]+4]
        bic     @E[1],@C[9],@C[7]
        bic     @E[2],@C[0],@C[8],ror#14
        bic     @E[3],@C[1],@C[9],ror#13
        eor     @E[0],@E[0],@C[4]
        eor     @E[1],@E[1],@C[5]
-       str     @E[0],[sp,#$R[3][2]]            @ R[3][2] = C[2] ^ (~C[3] & C[4]);
-       bic     @E[0],@C[2],@C[0],ror#18-14
+       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
-       str     @E[1],[sp,#$R[3][2]+4]
        bic     @E[1],@C[3],@C[1],ror#18-13
        eor     @E[3],@C[7],@E[3],ror#32-13
-       str     @E[2],[sp,#$R[3][3]]            @ R[3][3] = C[3] ^ (~C[4] & C[0]);
-       str     @E[3],[sp,#$R[3][3]+4]
+       str.l   @E[2],[sp,#$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    @C[0],[sp,#$A[0][2]]            @ A[0][2]
-       eor     @E[0],@C[8],@E[0],ror#32-18
-        ldr    @C[1],[sp,#$A[0][2]+4]
+        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     @E[0],[sp,#$R[3][4]]            @ R[3][4] = C[4] ^ (~C[0] & C[1]);
-       str     @E[1],[sp,#$R[3][4]+4]
+       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     @C[2],[sp,#$A[1][3]]            @ A[1][3]
-       ldr     @C[3],[sp,#$A[1][3]+4]
-       ldr     @C[6],[sp,#$D[4]]               @ D[4]
-       ldr     @C[7],[sp,#$D[4]+4]
+       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     @C[4],[sp,#$A[2][4]]            @ A[2][4]
+       ldr.l   @C[4],[sp,#$A[2][4]]            @ A[2][4]
        eor     @C[1],@C[1],@E[1]
-       ldr     @C[5],[sp,#$A[2][4]+4]
+       ldr.h   @C[5],[sp,#$A[2][4]+4]
        @ ror   @C[0],@C[0],#32-31              @ C[0] = ROL64(A[0][2] ^ D[2], rhotates[0][2]);
-       ldr     @C[8],[sp,#$D[0]]               @ D[0]
+       ldr.l   @C[8],[sp,#$D[0]]               @ D[0]
        @ ror   @C[1],@C[1],#32-31
-       ldr     @C[9],[sp,#$D[0]+4]
+       ldr.h   @C[9],[sp,#$D[0]+4]
 
        eor     @E[2],@E[2],@C[2]
-       ldr     @E[0],[sp,#$A[3][0]]            @ A[3][0]
+       ldr.l   @E[0],[sp,#$A[3][0]]            @ A[3][0]
        eor     @E[3],@E[3],@C[3]
-       ldr     @E[1],[sp,#$A[3][0]+4]
+       ldr.h   @E[1],[sp,#$A[3][0]+4]
        ror     @C[3],@E[2],#32-27              @ C[1] = ROL64(A[1][3] ^ D[3], rhotates[1][3]);
-       ldr     @E[2],[sp,#$D[1]]               @ D[1]
+       ldr.l   @E[2],[sp,#$D[1]]               @ D[1]
        ror     @C[2],@E[3],#32-28
-       ldr     @E[3],[sp,#$D[1]+4]
+       ldr.h   @E[3],[sp,#$D[1]+4]
 
        eor     @C[6],@C[6],@C[4]
        eor     @C[7],@C[7],@C[5]
@@ -558,9 +624,9 @@ $code.=<<___;
        ror     @C[4],@C[7],#32-20
 
        eor     @E[0],@E[0],@C[8]
-       ldr     @C[8],[sp,#$A[4][1]]            @ A[4][1]
+       ldr.l   @C[8],[sp,#$A[4][1]]            @ A[4][1]
        eor     @E[1],@E[1],@C[9]
-       ldr     @C[9],[sp,#$A[4][1]+4]
+       ldr.h   @C[9],[sp,#$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
 
@@ -572,41 +638,41 @@ $code.=<<___;
        bic     @E[0],@C[4],@C[2]
        bic     @E[1],@C[5],@C[3]
        eor     @E[0],@E[0],@C[0],ror#32-31
+       str.l   @E[0],[sp,#$R[4][0]]            @ R[4][0] = C[0] ^ (~C[1] & C[2])
        eor     @E[1],@E[1],@C[1],ror#32-31
-       str     @E[0],[sp,#$R[4][0]]            @ R[4][0] = C[0] ^ (~C[1] & C[2])
+       str.h   @E[1],[sp,#$R[4][0]+4]
        bic     @E[2],@C[6],@C[4]
-       str     @E[1],[sp,#$R[4][0]+4]
        bic     @E[3],@C[7],@C[5]
        eor     @E[2],@E[2],@C[2]
        eor     @E[3],@E[3],@C[3]
-       str     @E[2],[sp,#$R[4][1]]            @ R[4][1] = C[1] ^ (~C[2] & C[3]);
+       str.l   @E[2],[sp,#$R[4][1]]            @ R[4][1] = C[1] ^ (~C[2] & C[3]);
        bic     @E[0],@C[8],@C[6],ror#1
-       str     @E[3],[sp,#$R[4][1]+4]
+       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     @C[4],[sp,#$R[4][2]]            @ R[4][2] = C[2] ^= (~C[3] & C[4]);
+       str.h   @C[5],[sp,#$R[4][2]+4]
        eor     @C[6],@C[6],@E[2],ror#32-31
-       str     @C[5],[sp,#$R[4][2]+4]
        eor     @C[7],@C[7],@E[3],ror#32-31
-       str     @C[6],[sp,#$R[4][3]]            @ R[4][3] = C[3] ^= (~C[4] & C[0]);
+       str.l   @C[6],[sp,#$R[4][3]]            @ R[4][3] = C[3] ^= (~C[4] & C[0]);
        bic     @E[0],@C[2],@C[0],ror#32-31
-       str     @C[7],[sp,#$R[4][3]+4]
+       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,#$R[1][0]
        eor     @C[9],@E[1],@C[9],ror#32-1
-       str     @C[8],[sp,#$R[4][4]]            @ R[4][4] = C[4] ^= (~C[0] & C[1]);
-       str     @C[9],[sp,#$R[4][4]+4]
+       str.l   @C[8],[sp,#$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     .Lround
+       blo     .Lround2x
 
        ldr     pc,[sp,#440]
 .size  KeccakF1600_int,.-KeccakF1600_int
@@ -1483,6 +1549,38 @@ SHA3_squeeze_neon:
 .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/\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