DSP應(yīng)用優(yōu)化技術(shù)――第二部分new

1、DSP應(yīng)用優(yōu)化技術(shù)第二部分數(shù)字信號處理 (DSP) 是一種采用增強功能處理信號與數(shù)據(jù)，以及修改這些信號的方法。數(shù)字信號處理技術(shù)還可用于分析信號，以確定特定的信息內(nèi)容。DSP 主要涉及真實信號的處理。這些信號根據(jù)序號進行轉(zhuǎn)換與表示。然后采用數(shù)學方法處理這些信號，以便從信號提取特定信息或者以某種方式轉(zhuǎn)換信號。 DSP 一般駐留在實時嵌入式系統(tǒng)，其中計算的及時性與其正確性同等重要。DSP 在這些環(huán)境中很普通，因為對它們經(jīng)過精心設(shè)計后，可非常迅速地執(zhí)行常見的信號處理運算。DSP 的可編程性使應(yīng)用能夠隨時間而改變和演進，從而為應(yīng)用供應(yīng)商提供眾多優(yōu)勢。對 DSP 編程需要了解應(yīng)用、DSP 硬件架構(gòu)、以及用

2、于生成可滿足系統(tǒng)緊迫期限要求的高效實時軟件代碼生成工具。 本文是系列文章的第二部分，總結(jié)在實踐中從高性能 DSP 獲得數(shù)量級速度提高所采用的某些技術(shù)。 優(yōu)化的首要原則-切勿盲動！ 在開始進行任何優(yōu)化之前，您必須了解從何處著手。就性能方面來看，并非所有軟件生來相同！您必須首先了解瓶頸在何處。一旦分析了應(yīng)用，就可以開始調(diào)整代碼。應(yīng)用程序分析意味著權(quán)衡需在每部分代碼所花費的時間（或者所占用的內(nèi)存、所消耗的功率）。軟件的某些部分可能只執(zhí)行一次（初始化）或者只執(zhí)行少數(shù)幾次。如果費盡心思優(yōu)化此部分代碼并非明智之舉，因為獲得的整體節(jié)省效果會是微乎其微。更可能的情況是，會有幾部分軟件執(zhí)行很多次，盡管代碼自身可

3、能會很短，但代碼執(zhí)行頻繁意味著花費在該代碼的總循環(huán)會很多。即使如果您在這些代碼中可以節(jié)省一、兩個循環(huán)，所獲得的節(jié)省也會很可觀。這就是在調(diào)整和優(yōu)化過程中您應(yīng)該多費些時間的地方。并行是關(guān)鍵所在 在編程超量標及 VLIM 期間時所要遵循的標準原則是保持流水線充滿（Keep the pipelines full!）。充滿的流水線意味著有效的代碼。為了確定流水線充滿的程度，您需要費些時間檢查匯編程序生成的匯編語言代碼。通?？梢愿鶕?jù)代碼中NOP 的冗余性檢查低效的代碼。 為了證明在基于 VLIW 的超量標機器中并行性的優(yōu)勢，讓我們首先從圖 1 所示的簡單循環(huán)程序入手。如果我們準備編寫此程序的串行匯編語言實

4、施，其代碼會與圖 2 中的類似。此循環(huán)采用超量標機器的兩個可用側(cè)之一。通過指令與 NOP 計數(shù)，它需要 26 個循環(huán)來執(zhí)行循環(huán)的每個迭代。但是，我們可以做得更好。 在這個例子中，需要注意兩件事情。許多執(zhí)行單元并未使用，而是處于空閑狀態(tài)。這是對處理器硬件的浪費。其次，在匯編程序的此部分存在眾多延遲間隙（準確說是 20 個），在其中 CPU 需要停滯下來等待加載或保存數(shù)據(jù)。在 CPU 停滯時，不會進行任何操作。在試圖處理大量數(shù)據(jù)時，這對處理器是很糟糕的事情。 有眾多方法可以在等待數(shù)據(jù)期間保持 CPU 運轉(zhuǎn)。我們可以執(zhí)行不依賴正在等待的數(shù)據(jù)的其他運算。我們還可以使用超量標結(jié)構(gòu)的兩側(cè)來幫助加載和保存其

5、他數(shù)據(jù)值。圖 3 中的代碼就是一種對串行版本的改進。我們已經(jīng)將 NOP 的數(shù)量從 20 個降至了 5 個。我們還可以并行執(zhí)行某些步驟。第 4 行和第 5 行同時執(zhí)行向器件的兩個單元（D1 和 D2）的加載。此代碼還執(zhí)行循環(huán)前的分支運算，然后充分利用與該運算相關(guān)的延遲來完成當前循環(huán)的運算。請注意，在該代碼中存在新的一列，它可指定您希望將哪次執(zhí)行單元用于特定運算。這種指定執(zhí)行單元的靈活性使您能夠更好地對運算進行控制。 1 void example1(float *out, float *input1, float *input2)2 3 int i;45 for(i = 0; i 100; i+)

6、 6 7 outi = input1i * input2i;8 9 圖1：簡單的C循環(huán) 1 ;2 ; serial implementation of loop (26 cycles per iteration)3 ;4 L1: LDW *B+,B5 ;load Bi into B55 NOP 4 ; wait for load to complete6 7 LDW *A+,A4 ; load Ai into A48 NOP 4 ; wait for load to complete9 10 MPYSP B5,A4,A4 ; A4 = A4 * B511 NOP 3 ; wait for mu

7、lt to complete12 13 STW A4,*C+ ; store A4 in Ci14 NOP 4 ; wait got store to complete15 16 SUB i,1,i ; decrement i17 i B L1 ; if i != 0, goto L118 NOP 5 ; delay for branch圖2：C循環(huán)的串行匯編語言實施1 ; using delay slots and duplicate execution units of the device2 ; 10 cycles per iteration3 4 L1: LDW .D2 *B+,B5

8、;load Bi into B55 | LDW .D1 *A+,A4 ;load Ai into A46 7 NOP 2 ; wait load to complete8 SUB .L2 i,1,i ;decrement i9 i B .S1 L1 ; if i != 0, goto L11011 MPYSP .M1X B5,A4,A4 ; A4 = A4 * B512 NOP 3 ; wait mpy to complete1314 STW .D1 A4,*C+ ;store A4 into Ci圖3：C循環(huán)更具并行性的實施 循環(huán)展開 循環(huán)展開是一種用于提高在循環(huán)分支邏輯之間執(zhí)行的、指令數(shù)量

9、的技術(shù)。它可以降低執(zhí)行循環(huán)分支邏輯的次數(shù)。由于循環(huán)分支邏輯是額外開銷，降低其次數(shù)可以減少開銷，而且可以使循環(huán)主體結(jié)構(gòu)的重要部分運行更快。通過復(fù)制循環(huán)主體一定次數(shù)、然后修改終端邏輯來理解循環(huán)主體的多個迭代，可以展開一個循環(huán)。循環(huán)展開的缺點是使用更多的片上寄存器。每個迭代需要使用不同的寄存器。一旦使用了可用的寄存器，處理器就會開始訪問堆棧保存所需要的數(shù)據(jù)。訪問片外堆棧需要很高的代價，并且有可能消除由展開循環(huán)而實現(xiàn)的增益。只有在循環(huán)的單個迭代循環(huán)展開中的運算沒有使用處理器結(jié)構(gòu)的全部可用資源時，才可以使用循環(huán)展開。如果您對此不很確定，請檢查匯編語言輸出。另一個缺點是增加代碼長度。展開后的循環(huán)需要更多指

10、令，進而需要更多內(nèi)存。 分頁軟件流水線化 最佳優(yōu)化策略之一是編寫能夠由匯編程序有效流水線化的代碼。軟件流水線化是一種有效調(diào)度循環(huán)和功能單元的優(yōu)化策略。比如在 TMS320C62x 生成中，如果匯編程序了解如何操作，則存在 8 個可以同時使用的功能單元。有時只是 C 代碼結(jié)構(gòu)的細微更改，其就有可能產(chǎn)生大為不同的結(jié)果。在軟件流水線化中，會調(diào)度循環(huán)的多個迭代來并行執(zhí)行。循環(huán)會被重新組織，其結(jié)果是流水線化后的代碼中的每個迭代都是由從原始循環(huán)中不同迭代選擇的指令序列構(gòu)成。在圖 4 所示的例子中說明了一個帶 3 個迭代的 5 步驟循環(huán)。在管線被 primed 或者最初加載運算時，存在一個稱為 prolog

11、 的初始階段（循環(huán) n 與 n+1）。循環(huán) n+2n+4 是實際流水線化后的代碼部分。處理器就是在此部分中針對三個不同循環(huán)（1、2、3）執(zhí)行不同運算（C、B、A）。這里存在一個 epilog 部分，其中，退出循環(huán)之前執(zhí)行剩余的指令。只是一套充分利用的流水線，其可生成速度最快、效率最高的代碼。 如圖 5 所示，軟件流水線化比循環(huán)展開速度更快，因為盡管建立流水線的開銷更為復(fù)雜，但是只執(zhí)行一次，而在展開的循環(huán)中卻要執(zhí)行多次，在標準循環(huán)建立過程中會執(zhí)行許多次。 圖 4：軟件管道化的五步驟管道 圖5：標準循環(huán)開銷與循環(huán)展開及軟件流水線化的對比 圖 6 說明同樣簡單的部分 C 代碼以及相應(yīng)的匯編語言輸出。

12、在此例中，要求匯編程序嘗試流水線化代碼。匯編語言輸出中的流水線化后的循環(huán) prolog 和循環(huán)核心部分就是證明。在這個例子中，流水線化的代碼并未達到其最佳效果。您可以通過查看代碼流水線化后的循環(huán)核心中存在多少 NOP 來檢查低效的代碼。此例中,流水線化后的循環(huán)核心總共有 5 個 NOP 循環(huán)，第 16 行中 2 個，第 20 行中 3 個。此循環(huán)共需要執(zhí)行 10 個循環(huán)。NOP 是能夠?qū)崿F(xiàn)更有效循環(huán)的首要證據(jù)。但是，這個循環(huán)到底能夠有多短呢？預(yù)計最小循環(huán)長度的一個方法是確定哪個執(zhí)行單元使用次數(shù)最多。在該例中，單元 D 比其他任何單元使用得都更頻繁，總共使用 3 次（第14、15 與 21 行）

13、。超量標器件存在兩側(cè)，從而在最低 2 個時鐘的循環(huán)中每個時鐘可以使用每個單元兩次（D1 和 D2），即一個時鐘 2 次 D 運算，第二個時鐘中 1 個 D 單元。匯編程序具有足夠的智能在流水線的兩側(cè)使用 D 單元（第 14 行和第 15 行），從而使它能夠并行化指令并且只使用 1 個時鐘。在等待完成加載的同時可以執(zhí)行其他指令，而不是坐等 NOP 延遲浪費時間。 分頁1 void example1(float *out, float *input1, float *input2)2 3 int i;45 for(i = 0; i 100; i+) 6 7 outi = input1i * inp

14、ut2i;8 9 1 _example1:2 ;* -*3 MVK .S2 0x64,B04 5 MVC .S2 CSR,B66 | MV .L1X B4,A37 | MV .L2X A6,B58 AND .L1X -2,B6,A09 MVC .S2X A0,CSR10 ;* -*11 L11: ; PIPED LOOP PROLOG12 ;* -*13 L12: ; PIPED LOOP KERNEL14 LDW .D2 *B5+,B4 ;15 | LDW .D1 *A3+,A0 ;16 NOP 217 B0 SUB .L2 B0,1,B0 ;18 B0 B .S2 L12 ;19 MPYS

15、P .M1X B4,A0,A0 ;20 NOP 321 STW .D1 A0,*A4+ ;22 ;* -*23 MVC .S2 B6,CSR24 B .S2 B325 NOP 526 ; BRANCH OCCURS圖 6：C 語言例子以及相應(yīng)流水線化的匯編語言輸出在循環(huán)的簡例中，很明顯輸入獨立于輸出。換句話說，并不存在相關(guān)性。但是，匯編程序?qū)@點一無所知。匯編程序一般來說是有點悲觀的小家伙。在形勢不明朗的情況下，它一般并不進行任何優(yōu)化。匯編語言比較保守，會假定輸入每次通過循環(huán)時會依賴此前的輸出。如果了解了輸入與輸出無關(guān)，我們就可以通過把 input1 和input2 斷言為 const 來提示

16、匯編程序，向它說明這些字段不會改變。這是進行軟件流水線化和節(jié)省吞吐量的切入點。圖 7 說明了這種 C 代碼及其相應(yīng)匯編語言。 1 void example2(float *out, const float *input1, const float *input2)2 3 int i;45 for(i = 0; i 100; i+) 6 7 outi = input1i * input2i;8 9 1 _example2:2 ;* -*3 MVK .S2 0x64,B045 MVC .S2 CSR,B66 | MV .L1X B4,A37 | MV .L2X A6,B58 9 AND .L1X

17、-2,B6,A01011 MVC .S2X A0,CSR12 | SUB .L2 B0,4,B01314 ;* -*15 L8: ; PIPED LOOP PROLOG1617 LDW .D2 *B5+,B4 ;18 | LDW .D1 *A3+,A0 ;1920 NOP 12122 LDW .D2 *B5+,B4 ;23 | LDW .D1 *A3+,A0 ;24 25 B0 SUB .L2 B0,1,B0 ;2627 B0 B .S2 L9 ; 28 | LDW .D2 *B5+,B4 ;29 | LDW .D1 *A3+,A0 ;30 31 MPYSP .M1X B4,A0,A5 ;32

18、 | B0 SUB .L2 B0,1,B0 ;33 34 B0 B .S2 L9 ;35 | LDW .D2 *B5+,B4 ;36 | LDW .D1 *A3+,A0 ;37 38 MPYSP .M1X B4,A0,A5 ;39 | B0 SUB .L2 B0,1,B0 ;4041 ;* -*42 L9: ; PIPED LOOP KERNEL4344 B0 B .S2 L9 ;45 | LDW .D2 *B5+,B4 ;46 | LDW .D1 *A3+,A0 ;47 48 STW .D1 A5,*A4+ ;49 | MPYSP .M1X B4,A0,A5 ; 50 | B0 SUB .L

19、2 B0,1,B0 ;5152 ;* -*53 L10: ; PIPED LOOP EPILOG54 NOP 15556 STW .D1 A5,*A4+ ;57 | MPYSP .M1X B4,A0,A5 ;58 59 NOP 16061 STW .D1 A5,*A4+ ;62 | MPYSP .M1X B4,A0,A5 ; 64 NOP 165 STW .D1 A5,*A4+ ;66 NOP 167 STW .D1 A5,*A4+ ;68 ;* -*69 MVC .S2 B6,CSR70 B .S2 B371 NOP 572 ; BRANCH OCCURS圖 7：相應(yīng)流水線化后的匯編語言輸出

20、在查看此匯編語言時需要留意幾點。首先，流水線化后的循環(huán)核心已經(jīng)縮小了。事實上，現(xiàn)在循環(huán)只有 2 個循環(huán)長。第 4447 行在循環(huán)的第一個循環(huán)執(zhí)行（并行指令由 | 符號表示），第 4850 行在第二個循環(huán)執(zhí)行。利用我們通過 const 斷言提供的附加相關(guān)性信息，匯編程序已經(jīng)能夠充分利用這些單元中的并行優(yōu)勢來高效地調(diào)用循環(huán)的內(nèi)部部分。但是，這點需要一定代價。代碼的 prolog 和 epilog 部分現(xiàn)在已經(jīng)變得大得多了。更緊密的流水線化核心將需要更多啟動 (priming) 運算來根據(jù)各種指令和分支延遲協(xié)調(diào)所有的執(zhí)行。但是，一旦啟動 (primed)，核心循環(huán)就能夠以極其快的速度運行，在循環(huán)的各

21、個迭代上執(zhí)行運算。正如我們在前面所說明，軟件流水線化的目標是提高經(jīng)常性事件速度。 核心在此例中就是經(jīng)常性事件，而且我們已經(jīng)大大提高了它的速度。對于循環(huán)計數(shù)比較小的循環(huán)，可能不值得進行代碼流水線化。但是，對于那些要執(zhí)行數(shù)千次的循環(huán)計數(shù)較大的循環(huán)來說，軟件流水線化是唯一的出路。 分頁在流水線化后的核心要執(zhí)行的 2 個循環(huán)中，會有許多事情發(fā)生。在匯編語言列表中的右列說明每條指令執(zhí)行哪個迭代。每個 符號表示迭代計數(shù)。因此，在這個核心中，第 44 行為迭代 n+2 執(zhí)行分支，第 45 和 46 行為迭代 n+4 執(zhí)行加載，第 48 行保存迭代的結(jié)果，第 49 行為迭代 n+2 執(zhí)行乘法，而第 50 行為迭代 n+3 執(zhí)行減法，這一切全在 2 個循環(huán)中完成。一旦流水線化后的核心停止執(zhí)行，epilog 就會完成運算。匯編程序能夠使該循環(huán)變成 2 個循環(huán)長，這正是我們通過檢查低效代碼版本所期望達到的結(jié)果。 流水線化的功能的代碼長度有所增加，看看所生成的代碼就一目了然。這是編程人員為了追求速度而不得不面對的折中之一。 在使用堆棧的程序中，還存在必須要解決的其他問題。匯編程序必須確定在堆棧（需要更多時間訪問）中放置哪些變量以及要在快速片上寄存器中放置哪些變量。匯編程序有時并不能確定變量的去處。它會干脆不費神地嘗試去流水線化包含太多變量的循環(huán)。這種情況下，