SIMD解决方案

我们先来看看签名版。
首先，ARM 64具有饱和移位的非窄化版本，其在全字长时饱和：可以通过左移在不同的位计数处饱和，使得期望的最高位变成字的最高位;移位计数也可以被偏移以合并你想要的初始左移位。然后右移位以返回。
例如，ssat r0, #14, r1, lsl #3的等价物可以通过下式得到：

sqshl   v0.4s, v1.4s, #(32 - 14 + 3)
sshr    v0.4s, v0.4s, #(32 - 14)

这是两条指令，而不是一条，但另一方面，你一次可以得到四个结果。在Cortex A-72上，这个序列应该有7个周期的延迟和每2个周期一个的吞吐量。（相比之下，在ARM 32模式下的同一芯片上，单个ssat具有2个周期的延迟和每个周期一个的吞吐量，因此如果我的计算正确，其中四个是5个周期的延迟和每4个周期一个的吞吐量）
在使用内部函数的C语言中，我们会有

int32x4_t ssat4(int32x4_t x) {
    return vshrq_n_s32(vqshlq_n_s32(x, (32 - SATBITS + SHIFT)), 32 - SATBITS);
}

根据输入的大小，这些指令有常见的8x 16、16 x8、32 x4、64 x2版本。如果移位和饱和不是编译时常量，它们还可以在寄存器中而不是立即数中获取移位计数（额外费用：ARM 32 ssat根本无法做到这一点。
对于usat的等价物，使用sqshlu，并将其逻辑右移ushr。这复制了一个有点奇怪的行为，即尽管名称为“unsigned”，但usat实际上将一个 signed 值饱和到0..INT_MAX范围内，所有负输入都Map到0。如果需要真无符号饱和（0..UINT_MAX），请使用uqshl。（尽管实际上在这种情况下，shl / umin可能更快。）
为了饱和到其他任意范围（不一定是2的幂），我们有smax/smin和umax/umin，但这样的移位是分开的。

• -UPDATE--使用非汇编代码时，正确测试的时间明显变慢，我将继续寻找不同的方法
  我比较了这个汇编代码：

#define __arm_ssat(src, bits)   asm("ssat %[srcr], %[satv], %[srcr]"    :[srcr]"+r"(src):[satv]"I"(bits));

与此：

#define MAX_SIGNED_NUM(bits) ((1 << (bits -1)) -1)
#define __arm_ssat(src, bits)   {src = ((src > MAX_SIGNED_NUM(bits)) ? MAX_SIGNED_NUM(bits) : src);}

在32位设备上运行此--更新测试--时：

volatile  void assert_ssat_asm(int* buf, size_t loops){
    int64_t num = buf[0];
    int64_t num_a = buf[1];
    int64_t num_b = buf[2];
    int sum = 0;
    struct timeval tmv1; gettimeofday(&tmv1,NULL);
    for (int i = 0; i < loops; ++i){
        __arm_ssat(num, 8);
        sum+=num;
        assert( 127 == num);
        num = buf[0];

        __arm_ssat(num, 16);
        sum+=num;
        assert(32767 == num);

        __arm_ssat(num_a, 8);
        sum+=num;
        assert( 127 == num_a);
        num_a = buf[1];

        __arm_ssat(num_a, 16);
        sum+=num;
        assert( 690 == num_a);

        __arm_ssat(num_b, 8);
        sum+=num;
        assert( 127 == num_b);
        num_b = buf[2];

        __arm_ssat(num_b, 16);
        sum+=num;
        assert( 32767 == num_b);
    }
    struct timeval tmv2; gettimeofday(&tmv2,NULL);
    int tdiff_usec = (tmv2.tv_sec*1000000 + tmv2.tv_usec) - (tmv1.tv_sec*1000000 + tmv1.tv_usec);

    printf("%d\n", sum);
    printf("ran %d times, total time: %d,  average time asm: %.7f\n", loops, tdiff_usec, (double)tdiff_usec/loops);
}
int main ()
{
    int buf[] = { 69000, 690, 64000 };
    test_ssat(buf, 1000000);
}

我得到了这些结果：
运行1000000个循环，平均时间reg：0.0210270
运行1000000个循环，平均组装时间：0.0057960