摘 要： StarCore SC140是一款采用指令級并行(ILP)技術的DSP內核，本文從C語言級和匯編代碼" title="匯編代碼">匯編代碼級兩方面探討了其優化方法" title="優化方法">優化方法。
關鍵詞： DSP SC140內核 優化
隨著DSP技術的不斷發展和完善， DSP廠商紛紛推出了自己的高級語言編譯器，但編譯器編譯出的匯編代碼在保證正確性的前提下很難兼顧效率。在一些實時性要求比較高的場合(如音視頻處理)必須對某些關鍵的算法和代碼進行優化。StarCore SC140這款DSP內核在體系結構、數據存取及運算上都與傳統的TI系列有明顯的差異，它可以在原來的基礎上應用一些比較有針對性的方法來大幅度提高程序優化效率。本文根據作者在SC140上開發AACPlus_v2音頻解碼器的經驗，著重從C語言級和匯編代碼級兩方面探討其優化方法。
1 StarCore SC140體系結構
StarCore SC140內核包含三類功能單元：數據算術邏輯單元(DALU)、地址生成單元(AGU)和程序序列器單元(PSEQ)。采用指令級并行技術(ILP)，共有6 個執行單元，包括4 個ALU和2個AGU，最多可以同時執行6 條指令，而且支持SIMD。SC140 采用變長執行組(VLES)模型，執行過程以執行組為單位，采用由指令預取、取址、指令分配、地址生成和執行組成的5 級流水線結構。
SC140采用單一的內存空間，在內存和內核之間有兩組數據總線和一組程序總線，可以同時高速存取兩組數據。
2 SC140的優化技術
2.1 Profile分析
將高級語言程序代碼用手工匯編優化固然可以降低MIPS消耗，但同時也會帶來工作量的提高及出現改寫錯誤。所以對程序進行Profile分析，找出消耗MIPS比較集中的模塊或函數進行手工匯編優化是十分必要的。
以音頻編碼器AACPlus_v2為例，消耗MIPS集中的函數，即計算和循環集中的函數，主要包括dit_fft(快速傅立葉變換" title="快速傅立葉變換">快速傅立葉變換)、cplxAnalysisQmfFiltering(分解QMF濾波器)、cplxSynthesisQmfFiltering(合成QMF濾波器)等。
另外還有一些函數，雖然占據MIPS的比重較大，但本身計算并不是很復雜，只是包含很多的判斷分支。這樣的函數用SC140手工匯編優化的效率很低，可以考慮在程序算法上優化。
2.2 C語言級的優化
對既有的C代碼進行適當的調整與變換，不僅可以提高編譯效率，也可以為進一步手工匯編優化鋪平道路。
循環通常是程序中MIPS可以集中消耗的部分，要真正做好循環優化，必須要了解所用DSP的體系結構和特點，做到有的放矢。循環的優化有三類：循環展開、循環合并和循環拆分，其中循環展開是使用頻率最高也是最有效的DSP優化技巧。由于篇幅所限，下面僅針對循環展開來說明具體的優化方法。
循環展開就是在循環內部對循環體的內容進行重復，從而減少循環次數。這樣做首先減少了循環跳轉的消耗；其次可充分利用StarCore的結構特點，即4個DALU和2個AGU實現并行。當然，這種優化方法需要滿足一定的前提條件：
(1)前后循環體之間不能存在依賴關系；
(2)數據排列要滿足邊界關系；
(3)每個循環體所需要的寄存器不大于DSP可提供的寄存器數；
(4)循環體的次數是展開因子的整數倍。
另外有兩個問題需說明：(1)針對SC140進行循環展開，通常取展開因子為4，因為SC140的4個ALU可以實現四條計算指令的并行；(2)若要使用SIMD實現一條指令多個數據存取，就要把存取數據的初地址放到8B的邊界上，這也是根據SC140的數據總線為64位決定的。
2.3 匯編代碼級的優化
C語言級的優化固然可以使編譯器更有效率，但在復雜操作下，編譯器無法代替人的統籌和分析，生成的代碼會存在明顯的冗余。對于一些關鍵的操作，仍然需要通過手工匯編優化提高其執行速度。
2.3.1 利用硬件方式優化程序
SC140中可以通過修改狀態寄存器來切換硬件的工作模式。一些常見的DSP算法在這種硬件的支持下可以大大提高優化效率。
(1)fft倒位序
在數字信號處理過程中有一類與“順序”相關的操作，如快速傅立葉變換中常用的按時間抽取(dit-fft)算法等，在程序中需要通過地址運算來實現。StarCore SC140針對這些運算提供了硬件尋址方式，減少了程序中的地址操作。
在數字信號處理中有大量的fft運算，以按時間抽取的基4圖基fft(dit-tukey fft, radix 4)為例，時域倒序輸入，頻域順序輸出。軟件實現程序中有相應的倒序函數(一般是查表算法)來實現時域的倒序，而將其移植到DSP上會發現這一部分非常耗時，甚至與fft本身的算法相差無幾。正是在這樣的前提下，SC140提供了硬件上的倒序進位方式代替軟件倒序算法，提高了fft的執行效率。其精髓就是將順序存放的時間采樣數據存入存儲區內，對該存儲區使用SC140反向進位尋址方式(reverse-carry addressing)。順序和倒序的關系見表1(以32點fft為例)。
因此，只要對順序存儲的時間數據采用方向進位尋址，就可以輕松實現倒序算法。還有一點值得注意，在反進位的使用中，如fft的輸入為2N點，數據寬度為2M字節，則分配的倒序存儲區起始地址最低(N+M)位均為零，否則會引起尋址錯誤。
反向進位尋址只要設置MCTL寄存器中相應寄存器的狀態位即可。
(2)環形存儲
在實際應用中，常常需要對緩沖區進行環形處理，即處理完數據后再從頭數據繼續處理。如果采用普通的處理方法，則每次尋址都需用軟件將所尋址地址與尾地址進行比較，若超出范圍，則尋址至頭地址。這樣做將非常耗時。為此，StarCore在硬件上支持環形緩沖區的管理。為了使用該功能，需要將環形緩沖區分配到特定的存儲空間。
環形存儲是通過設置MCTL寄存器相應比特位的值實現的。
(3)Scale模式的選擇——用硬件完成移位操作
由于DSP使用定點運算較多，為了精度要求運算中會有大量Scale調整，SC140通過設置硬件的Scale模式，在寄存器向內存存數據的同時完成移位。SC140的Scale模式分為三種：①Scale up：左移一位后存入；②Scale down：右移一位后存入；③no Scale：不移位直接存入。
該模式通過設置SR狀態寄存器實現。
2.3.2 根據流水線實現并行處理" title="并行處理">并行處理
SC140支持并行處理是該款DSP內核的一大亮點，下面具體闡述如何運用并行處理提高優化效率。
(1)改變指令執行順序
將相互不存在依賴關系的指令并行處理，最大并行量為4個ALU操作和2個AGU操作。這是根據流水線實現并行優化方法的基礎。
當對某一寄存器同時進行讀和寫操作時，雖然指令流水線中讀和寫同處于“執行”指令周期" title="指令周期">指令周期內，而對時鐘周期來說，讀操作先于寫操作，即遵循先讀后寫的原則。故對同一寄存器先讀取后賦值的操作可以并行于同一指令周期內執行。
(2)多使用后加
根據指令執行周期可以看出，[sp + offset]取址模式需要耗費兩個時鐘周期，在實際優化時應盡量少用，而以對sp進行后加直接取址。后加(post increment)取址模式是在對sp直接取址后將指針移到sp+offset的位置，只用一個指令周期即可實現。
(3)改變循環體的組合方式
如果遵循“讀操作數-〉計算-〉存結果”的循環順序進行，則由于三個操作有很明顯的依賴及先后關系，使循環無法并行。若人為打亂這個順序，則執行效率會有很大改觀：
?、賹⒌趇次循環結果儲存；②計算第i+1次循環的結果；③取第i+2次循環的操作數。
此方法只用一個指令周期即可完成循環，較優化前的三個指令周期優勢明顯。
(4)使用判斷執行代替分支跳轉
傳統DSP處理判斷分支只能使用分支跳轉指令，而跳轉由于預取指序列都將被重置而非常耗時，尤其是在各個分支執行語句較少的情況下，跳轉的開銷會顯得更難以接受。SC140的指令集中有判斷執行指令IFT/IFF/IFA，對小分支判斷非常有效。
在音頻解碼器的程序開發中，采用了上述針對StarCore SC140的優化技巧和方法，整個工程的MIPS降低至優化前的16.4%。其中按時間抽取32點基4快速傅立葉變換函數dit_fft完全采用匯編改寫，手工完成代碼337行，平均執行指令周期由優化前的5 643降到優化后的576，取得了明顯的效果。
參考文獻
1 程佩青.數字信號處理教程(第二版)[M].北京：清華大學出版社，2001
2 SC140 DSP Core Reference Manual[EB/OL].www.motorola.corn/sps/dsp，2001
3 SC100 C Compiler User′s Manual[EB/OL].www.metroworks.com，2000