@TheWizard, благодаря за линка!
Идеята ми харесва с нестандартния подход.
Пък знае ли човек, коя идея някога ще му свърши работа.

В крайна сметка, с loop unrolling и оптимизация на използваните променливи, достигнах 1,1 MHz. Благодаря за идеите.

Ами пика с тоя асемблер за някои случаи си е голямо дърво. Правих тук един тъп контрол но със 16 софтуерни пвм-а. Ами наложи се всички цикли да ги ънролна, нещо от сорта на data[t] =.... изобщо е неизползваемо, с пойнтери е по-добре но но най-добре стана директно развито, и с доста НОП да се изравнят времената.