STM32F4 GCC erzeugt kein DSP

Guten Morgen allerseits,
Ich probiere derzeit die CMSIS DSP_lib von ARM mit Hilfe des GCC 
Compilers zu komipilieren. Das funktioniert auch alles wunderbar. 
Allerdings werden mir keine DSP Instruktionen erzeugt. Es wird stink 
normaler FPU Code erzeugt :-(

Als Hardware kommt das STM32F4 Discovery Board zum Einsatz 
(StM32F407VG).

Spezielle Toolchains verwende Ich keine sondern habe direkt die neuesten 
Compiler und Libs von hier verwendet: 
https://launchpad.net/gcc-arm-embedded

Meine Compiler Einstellungen sehen so aus:
CFLAGS  = -g3 -O0 -Wall
CFLAGS += -mlittle-endian -mthumb -mcpu=cortex-m4 -mthumb-interwork
CFLAGS += -mfloat-abi=softfp -mfpu=fpv4-sp-d16
CFLAGS += -ffunction-sections #gprof might not function
CFLAGS += -ffreestanding -nostdlib
CFLAGS += -fsingle-precision-constant #Treat floating-point constants as 
single precision instead of implicitly converting them to 
double-precision constants.
CFLAGS += -MMD -MP -MF"$(@:%.o=%.d)" -MT"$(@:%.o=%.d)"

Meine Frage ist ob den schon jemand die DSP Lib zusammen mit dem GCC 
kompiliert hat und ein Assembly mit den passenden SIMDs bekommen hat? 
Mir geht es hier speziell um Matrizen Multiplikation und die Inverse.

Hier mal ein Code Beispiel:

while(colCnt > 0u)
{
  /* c(m,n) = a(1,1)*b(1,1) + a(1,2) * b(2,1) + .... + a(m,p)*b(p,n) */
  sum += *pIn1++ * (*pIn2);
  pIn2 += numColsB;
  sum += *pIn1++ * (*pIn2);
  pIn2 += numColsB;
  sum += *pIn1++ * (*pIn2);
  pIn2 += numColsB;
  sum += *pIn1++ * (*pIn2);
  pIn2 += numColsB;

  /* Decrement the loop count */
  colCnt--;
}

erzeugt folgenden Code (nur ein Ausschnitt)

142                 sum += *pIn1++ * (*pIn2);
0801b88c:   ldr\tr3, [r7, #60]\t; 0x3c
0801b88e:   vldr\ts14, [r3]
0801b892:   ldr\tr3, [r7, #56]\t; 0x38
0801b894:   vldr\ts15, [r3]
0801b898:   vmul.f32\ts15, s14, s15
0801b89c:   vldr\ts14, [r7, #44]\t; 0x2c
0801b8a0:   vadd.f32\ts15, s14, s15
0801b8a4:   vstr\ts15, [r7, #44]\t; 0x2c
0801b8a8:   ldr\tr3, [r7, #60]\t; 0x3c
0801b8aa:   add.w\tr3, r3, #4
0801b8ae:   str\tr3, [r7, #60]\t; 0x3c


Dabei würde Ich in dem Code eher etwas wie folgendes erwarten:
32 ± (32 x 32) = 32 MLA, MLS

Was läuft hier falsch? Was muss Ich anders machen? Oder ist der GCC 
derzeit nicht in der Lage DSP zu erzeugen?



Grüße vom Bodensee (es regnet),
Jan