本白皮書探討了TMS320C6678處理器的VLFFT演示。通過內置8個固定和浮點DSP內核的TMS320C6678處理器來執行16K-1024K的一維單精度浮點FFT算法樣本，檢測其分別在采用1,2,4或8核時各自的運行時間。演示的結果證明了C66X DSP內核的優異性能，以及TMS320C6678處 理器跨多核平行化執行性能與內核數量成正比的特性。本文的演示采用FFT算法，該算法在諸如醫學成像、通信、軍事和商業雷達以及電子戰(干擾器、抗干擾 器)等領域中被頻繁應用。本文演示結果顯示，在運行速率為1 GHz，DSP內核為8個時，用TMS320C6678處理器執行1024K的FFT算法樣本只需要6.4毫秒。
TMS320C6678 SoC
TMS320C6678處理器具有8個DSP內核，是基于TI的C66x 固定和浮點DSP內核以及 TI享有多核權利的創新型KeyStone構架創建的。它運行速度最高可達1.25GHz，在這個速度下它可以進行每秒160千兆次浮點運算，而且通常情 況下消耗的電能不到10w。TMS320C6678處理器的特色是它每一個DSP內核都有512KB的 L2內存;此外，8MB的芯片內存中有4MB的共享內存，并且這兩個內存都有糾錯碼。它的DDR3界面是64位的，有8位糾錯碼，運行速度可以高達每秒 1600兆比特，同時支持高達8GB的外部存儲器數據存取。此外，TMS320C6678的配套外設包括PCle、Serial RapidIO? 、Gigabit Ethernet以及TI的HyperLink界面，這個界面在連接到TI的其他DSP，ARM， ARM+DSP處理器以及第三方的FPGA時可以提供高達50Gbps的連接速度。
在本文的VLFFT演示中，TMS320C6678處理器運行速度為1GHz，DDR3界面傳輸速度為1333MHz。
圖一：TMS320C6678框圖
VLFFT演示
由于VLFFT算法要求將輸入的數據存放在處理器的外部存儲器當中，在本演示過程中，數據通過DSP內核存取、分配和處理，最后將結果輸出到外 部存儲器中。同時，在整個過程中始終保持循環計數和時間測量。演示時，為TMS320C6678處理器配置不同數量的內核(1,2,4或8個)來計算當 FFT大小不同時的結果，這些FFT規格包括：
? 16K
? 32K
? 64K
? 128K
? 156K
? 512K
? 1024K
在演示過程中，通過將計算負載分布到多個核和完全充分利用C66X DSP內核高性能計算能力的方法來確保執行FFT達到最大性能。同時運用基礎時間抽取算法將一維VLFFT算法用類似的二維FFT算法來表達。這種方法是 在遇到非常大的數據N時，分解成N=N1*N2的形式。在本演示過程中，如果一維輸入數組非常大，就采用N1行*N2列的二維數組來表示，然后通過以下步 驟來計算FFT：
1. 計算N2列數組在N1行數組中不同大小時的FFT;
2. 乘以旋轉因子;
3. 存儲N2 列在N1行不同大小時FFT算法的結果，形成一個N2*N1的二維數組;
4. 計算N1行數組在N2列數組中不同大小時的FFT;
5. 存儲列方向上的數據形成N2*N1二維數組。
這個算法被Takahashi稱為Hitachi SR8000的高性能平行FFT算法。
在執行多核算法時，第一步是計算N2列(核的數量)在N1行規格下的FFT算法，第四步是計算N1行(核的數量)在N2列規格下的FFT算法。 0核是主核，負責與所有剩下的附屬核同步。根據N1數組和N2數組的大小，每一個內核計算出來的FFT總數都被分成幾個較小的模塊以適應每個核L2 SRAM內存的空間。每一組數據都通過外部存儲器中的DMA 預取到L2 SRAM內存中，然后通過DDR將數據返回到外部存儲器中。每個核都運用2個DMA通道在外部存儲器(DDR3)和內部存儲器(L2 SRAM)中轉化輸入和輸出的數據。
結果
下頁圖表1展示了TMS320C6678評估版(TMDSEVM6678LE)分別在一個DSP周期和一個毫秒單位時間內運行FFT代碼的結 果。在理想狀態下，當用于計算的內核數量增加一倍，循環計數就會減少一半。但在現實中，由于存在信息運行的天花板，同時受限于內存大小和信息寬度(內部存 儲器)，這種情況很難實現。在這種情況下，當用雙核取代單核時，運行FFT的時間平均減少了49.3 %，基本達到了理想的周期數的一半。當用四核替代一核時，運行FFT的時間平均減少了72.5%，而采用八核時平均運行時間則減少了81.6%。
表格一：FFT分別在1/2/4/8DSP核時周期及毫秒的結果
由此我們可以看出，無論是雙核還是四核，隨著FFT的大小從16k增加到256k，運行時間減少的幅度也越來越大，而采用八核時運行時間減少的 幅度更加劇烈。這是因為對于較小的FFT，核數越多，并行代碼相對于額外增加核數來提高性能的代價要小很多。以前256KB的FFT，在提高性能方面的效 果并不太理想，在雙核時只能提高2倍，四核時也只有4倍，而在八核時反而會降低其性能。這是由于八核處理數據的速度遠高于外部存儲器傳輸數據的速度，從而 使其存儲空間到達上限導致的。在本演示中，計算一個大小為1024k的FFT，即一百萬點的FFT，在采用8個DSP內核，運行速率為1GHz時，運行時 間僅6.4毫秒。
圖二：單核與多核在性能上的提升
結論
綜上所述，用TI的TMS320C6678處理器來執行一個百萬點的FFT，在1GHz的工作頻率下，8核同時運行所需時間僅需6.4毫秒。如 此高速的DSP內核完全足以用來執行某些應用的實時運算，比如雷達、電子戰爭和醫學繪圖等。如果用最大速度1.25GHz來運行TMS320C6678處 理器，同時采用更高帶寬的DDR3和1600MTPS的話，執行運算所需時間會更短。