TMS320C62X DSP的混合編程研究

　　TMS320C62X是美國德州儀器公司(TI)的新一代高性能定點(diǎn)數(shù)字信號處理器(DSP)芯片?；?a class="contentlabel" href="http://butianyuan.cn/news/listbylabel/label/DSP">DSP的軟件設(shè)計(jì)問題,就是采用編程語言進(jìn)行算法實(shí)現(xiàn)并使程序效率盡量滿足實(shí)時(shí)性要求。TI DSP的軟件設(shè)計(jì)可以采用匯編語言、高級語言(C/C++)以及C語言與匯編語言的混合編程。完全采用匯編語言編程復(fù)雜性高、開發(fā)周期長,而完全采用C語言編程則程序的執(zhí)行效率相對較低,不能滿足實(shí)時(shí)性的要求。為了設(shè)計(jì)出性價(jià)比最好、開發(fā)周期較短、比較復(fù)雜的DSP系統(tǒng),可以采用混合語言編程,把C語言和匯編語言的優(yōu)點(diǎn)有效地結(jié)合起來。C語言和匯編語言的混合編程有三種形式:在編寫C語言代碼中插入?yún)R編語句,只需在匯編語句兩邊加上雙引號和括號,在括號前面加上標(biāo)識asm,如asm(“匯編語句”);在編寫C代碼的過程中調(diào)用內(nèi)聯(lián)函數(shù),TMS320C62X中有一些直接映射為內(nèi)聯(lián)的C6000指令的特殊函數(shù),內(nèi)聯(lián)函數(shù)用前下劃線(_)表示,使用時(shí)同調(diào)用C語言的庫函數(shù)一樣調(diào)用它,如b=_nassert(N>=10);匯編代碼以C代碼可以調(diào)用的函數(shù)出現(xiàn)。本文采用第三種形式。為了使程序代碼的執(zhí)行具有盡可能高的執(zhí)行效率,本文將著重點(diǎn)放在并行匯編代碼的編程,而不是線性匯編代碼的編程。

　　1 C語言與匯編語言混合編程的接口規(guī)范和標(biāo)準(zhǔn)

　　用C語言編寫的代碼中核心代碼常常只是整個(gè)程序代碼的5%,但是卻占用了整個(gè)程序約95%的執(zhí)行時(shí)間。對這些核心代碼采用匯編語言編寫,可以大大提高代碼的執(zhí)行效率,而C語言程序可以象調(diào)用C程序的一個(gè)函數(shù)那樣去調(diào)用這個(gè)匯編函數(shù)。為了實(shí)現(xiàn)C語言和匯編語言的混合編程,需要注意一些規(guī)定的接口規(guī)范和標(biāo)準(zhǔn)。

　　(1)采用C語言和匯編語言混合編程時(shí),TMS320C62X定義了一套嚴(yán)格的寄存器規(guī)則。這個(gè)寄存器規(guī)則表明了編譯器如何使用這些寄存器以及在函數(shù)調(diào)用過程中如何保護(hù)這些寄存器。

　　調(diào)用函數(shù)保護(hù)了寄存器A0～A9和B0～B9,這就使得在編寫匯編程序的時(shí)候可以任意的使用這幾個(gè)寄存器而不需保護(hù)它們。但當(dāng)使用到寄存器A10～A15或B10～B15的時(shí)候,則必須自行對它們進(jìn)行保護(hù)。長型、雙精度型或者是長雙精度型的數(shù)據(jù)對象要放在一個(gè)奇/偶寄存器對(如A1:A0)里,奇數(shù)寄存器存放著數(shù)據(jù)的符號位、指數(shù)位和最高有效位,而偶數(shù)寄存器則存放著低有效位。

　　在默認(rèn)情況下,A3用作返回結(jié)構(gòu)指針寄存器,B3用作被調(diào)用函數(shù)返回地址寄存器,A15用作幀指針寄存器,B14用作數(shù)據(jù)頁指針寄存器,B15用作堆棧指針寄存器。這些寄存器在被調(diào)用的匯編函數(shù)中用到時(shí)都要進(jìn)行保護(hù)。

　　(2)調(diào)用函數(shù)將參數(shù)傳遞到被調(diào)用函數(shù)中,前十個(gè)參數(shù)將被從左到右依次放入寄存器A4、B4、A6、B6、A8、B8、A10、B10、A12和B12,如果傳遞的參數(shù)是長型、雙精度型或者是長雙精度型,則將參數(shù)依次放入寄存器組A5:A4、B5:B4、A7:A6等,并將剩下的變量按相反的順序放在堆棧里。注意,如果傳遞的參數(shù)是一個(gè)結(jié)構(gòu)類型的參數(shù),則傳遞的是該結(jié)構(gòu)類型的地址?！?/p>

　　(3)如果在C/C++調(diào)用函數(shù)中做了正確的函數(shù)返回聲明,則被調(diào)用的匯編函數(shù)可以返回有效值。如果返回值是整型或32位的浮點(diǎn)型,則放在寄存器A4中返回;如果返回值是雙精度或是長雙精度型,則放在A5:A4中返回;如果返回值是一個(gè)結(jié)構(gòu)類型,則將其結(jié)構(gòu)的地址放在A3中返回。

　　(4)編譯器為所有的外部對象指定一個(gè)鏈接時(shí)的名字。當(dāng)寫匯編語言代碼時(shí),必須用與這個(gè)名字相同的名字。對于只在匯編語言模塊中用到的變量的標(biāo)識符,不能從下劃線開始。任何一個(gè)在匯編語言中聲明的對象都要使其在C/C++中是可訪問的,那么在匯編語言中必須用.def 或.global將其聲明為外部變量。同樣在匯編語言中要引用C/C++函數(shù)或?qū)ο髸r(shí),必須用.ref 或.global將C/C++對象聲明,這將產(chǎn)生一個(gè)在匯編語言函數(shù)中沒有定義的由鏈接器辨識的外部引用。

　　還有一些細(xì)節(jié)也需要注意,如中斷子程序必須把該子程序?qū)⒁玫降乃屑拇嫫鬟M(jìn)行入棧處理;除了全局變量的初始化外,匯編語言的模塊不得因?yàn)槿魏文康亩褂?cinit段;匯編代碼的結(jié)束需用指令B.s2 B3將程序執(zhí)行從被調(diào)用函數(shù)返回到C語言調(diào)用函數(shù)中。

　　2 并行匯編代碼的編寫

　　C6000的匯編代碼格式如下:

　　標(biāo)號: 并行標(biāo)記  [條件寄存器]指令助記符 功能單元  操作數(shù) ;注釋。如:

　　LDW  .D2  *B4,B2

　　||  [A1]SHL   .S2X  A4,B4 ；用到了交叉數(shù)據(jù)通道

　　TMS320C62X片內(nèi)有8個(gè)并行的處理單元,分為相同的兩組。其體系結(jié)構(gòu)采用超長指令字(VLIW)結(jié)構(gòu),一個(gè)指令包里的8條并行指令可同時(shí)分配到8個(gè)處理單元并行運(yùn)行。這種一個(gè)指令包里有8條指令并行執(zhí)行也給并行匯編代碼的編寫帶來很多要考慮的問題,具體如下: 

　　(1)TMS320C62X指令的執(zhí)行可以用延遲間隙來說明。延遲間隙在數(shù)量上等于從指令的源操作數(shù)被讀取到執(zhí)行的結(jié)果可以被訪問所用的指令周期。如對于乘法指令(MPY),源操作數(shù)從第i個(gè)周期被讀取,則其計(jì)算結(jié)果在第(i+2)個(gè)周期才可用。

　　(2)使用相同功能單元的兩條指令不能被安排為并行指令。

　　(3)使用同一條交叉通路的兩條指令不能被安排在同一個(gè)執(zhí)行指令包中,這是因?yàn)閺募拇嫫鹘MA~B或者從B~A都只有一條交叉通路。 

　　(4)將數(shù)據(jù)讀入到(或存儲自)相同寄存器組的兩條讀(寫)指令不能被安排在同一個(gè)執(zhí)行包中。

　　(5)每一個(gè)執(zhí)行包里只能允許每一寄存器組處理一個(gè)長定點(diǎn)類型數(shù)據(jù)。

　　(6)在一個(gè)指令周期內(nèi)對同一寄存器讀取多于四次是不允許的,但條件寄存器不在此限制之列。在一個(gè)指令周期內(nèi),不能　同時(shí)存在兩條寫入同一寄存器的指令,只有在寫操作不是在同一個(gè)指令周期發(fā)生時(shí),才可以將具有同一目的地址的兩條指令安排并行。

　　3 基于TMS320C62X的運(yùn)動(dòng)補(bǔ)償?shù)幕旌暇幊淘O(shè)計(jì)實(shí)例

　　運(yùn)動(dòng)補(bǔ)償是MPEG-4標(biāo)準(zhǔn)中的一種重要算法。運(yùn)動(dòng)補(bǔ)償是指根據(jù)運(yùn)動(dòng)矢量在參考幀中找出參考塊。如果運(yùn)動(dòng)矢量的X分量和Y分量都是整象素長度,則直接在參考幀中找出參考塊。如果為半象素長度,則需要通過內(nèi)插運(yùn)算計(jì)算出參考塊,計(jì)算出的參考塊需要加上解碼得出的誤差塊才能得到當(dāng)前參考塊。本文給出了運(yùn)動(dòng)矢量的X分量和Y分量都是整象素長度時(shí)的運(yùn)動(dòng)補(bǔ)償方法。根據(jù)運(yùn)動(dòng)矢量可直接在參考幀中找到參考塊(8×8)。完成此功能的C語言函數(shù)如下:

　　void mc_case_a2(unsigned  char *pSrc, short SrcOffset, short SrcWidth, unsigned  char *pDst, short RoundCtrl)

　　{   ……

　　for (i=0； i<8； i++)

　　{

　　*(tmp_P_Dst+i) = *(tmp_P_Src+i)；

　　......

　　}

　　}

　　參數(shù)運(yùn)動(dòng)矢量SrcOffset對4(4個(gè)字節(jié)為一個(gè)字,長32位)的余數(shù)可能是0、1、2、3。當(dāng)余數(shù)是0的時(shí)候,編譯后執(zhí)行代碼是按字讀取(LDW)的,這充分體現(xiàn)了TMS320C62X的優(yōu)點(diǎn),也使程序的運(yùn)行效率比較高。而當(dāng)余數(shù)不為0的時(shí)候,則可能是按字節(jié)讀取(LDB)或是按半字讀取(LDH),這使程序的運(yùn)行效率較低。視頻的編碼和解碼都要用到運(yùn)動(dòng)補(bǔ)償來重構(gòu)圖像,這是一個(gè)很費(fèi)時(shí)的操作,而且其代碼也是圖像處理中的核心代碼,這樣就要求編寫高效的程序來完成此操作。為了使代碼的運(yùn)行效率更高,且結(jié)合TMS320C62X的硬件特點(diǎn),希望對于不同的運(yùn)動(dòng)矢量,做運(yùn)動(dòng)補(bǔ)償?shù)臅r(shí)候都能采用按字讀取和存儲的方式。這需要對運(yùn)動(dòng)矢量參數(shù)除以4,根據(jù)余數(shù)調(diào)整指針,使指針始終指向字對齊方式(而在C程序中當(dāng)前塊是char型的以字節(jié)方式存儲的,對其進(jìn)行移位處理只能是一個(gè)字節(jié)一個(gè)字節(jié)地進(jìn)行移位,這就使得在C程序中不能用和匯編程序同樣的方法來對程序進(jìn)行優(yōu)化),如運(yùn)動(dòng)矢量除以4以后的余數(shù)為1,為了使要取的8個(gè)象素對準(zhǔn)字訪問方式,則要按圖1進(jìn)行操作。

　　根據(jù)運(yùn)動(dòng)矢量參數(shù)進(jìn)行移位使其對準(zhǔn)字訪問的核心代碼的程序?yàn)?

　　MVK     .S2  0xFFFC,temp    　　　　;獲得地址的LSB位

　　ADD     .L1X  pSrc,offset,pSrc      ;參考塊第一個(gè)元素的地址

　　AND     .L2X pSrc,temp,tmp_pSrc     ;字對準(zhǔn)訪問的地址

　　AND     .S1  0x0003,pSrc,rshiftA    ;用兩個(gè)LSB位得

　　;到了需右移幾個(gè)字

　　SUB 　　.L1  0x04,rshiftA,lshiftA   ;需左移幾個(gè)字

　　MPY 　  .M1  rshiftA,8,rshiftA ;需右移的#bit數(shù)

　　MPY     .M1  lshiftA,8,lshiftA ;需左移的#bit數(shù)

　　作為一個(gè)說明C語言與匯編程序混合編程的設(shè)計(jì)例子,采用并行匯編實(shí)現(xiàn)了這個(gè)函數(shù)的優(yōu)化。這里只給出部分匯編程序:

　　.text                  　　　;將該段匯編代碼安排在.text

　　段,當(dāng)然通過在C語言中用

　　#program_section也可以將其安排在其它自己命名的段中。

　　.global mc_case_a       　　 ;函數(shù)名,用.def或.gloal對其進(jìn)行

　　聲明,使得C代碼調(diào)用該函數(shù)

　　_mc_case_a:            　　 　;標(biāo)號,是C調(diào)用函數(shù)和匯編

　　被調(diào)用函數(shù)的接口處

　　……

　　.asg    B10,ocsr     

　　.asg    B11,rw_4  

　　STW   　.D2  ocsr,*stack--[1]  ;被調(diào)用函數(shù)用到了B10～B15,A10

　　STW  　 .D2  r_w4,*stack--[1] ;~A15的寄存器,則需對它們保護(hù)

　　MVC  　.S2  CSR,ocsr

　　AND 　 .S2  -2,ocsr,ocsr 

　　MVC 　 .S2  ocsr,CSR           ;關(guān)閉某些中斷                    ……

　　loop:

　　LDW 　 .D2  *tmp_pSrc++[src_width1],r_w1 

　　;讀取第一個(gè)字

　　LDW 　 .D1   *pSrc++[1],r-w2   ;讀取第二個(gè)字

　　LDW　  .D1   *pSrc++[src_width2],r-w3 ;讀取第三個(gè)字

　　SHRU   .S2   r_w1,rshiftB, r-w1           

　　SHL  　.S1   r_w3,lshiftA, r_w3

　　SHL    .S2X  r_w2,rshiftB,r_w4

　　SHRU    .S1  r_w2,rshiftA, r_w2

　　OR     .L2   r_w1,r_w4, r_w1

　　OR     .L1   r_w1,r_w3,r_w2 ;這幾步作了圖a中的操作過程

　　STW   .D2    r_w1,*pDst++[2]   

　　STW   .D1    r_w2,*tmpDst++[2]　　　　 ;存儲取得的兩個(gè)字

　　B     .S2    loop                      ;延遲跳轉(zhuǎn)到標(biāo)號loop處,實(shí)現(xiàn)循環(huán) ……

　　LDW   .D2T2  *++stack[1],r_w4

　　LDW   .D2T2  *++stack[1],ocsr  　　　  ;對被調(diào)用函數(shù)中自己保護(hù)的寄存器作恢復(fù)處理

　　MVC   .S2    ocsr, CSR          　　   ;恢復(fù)中斷環(huán)境

　　B     .S2     B3                        ;返回到調(diào)用函數(shù)處

　　……

　　在TI CCS上用其庫函數(shù)CLOCK()對這個(gè)算法的C語言程序和并行匯編程序分別進(jìn)行了性能測試。在純C語言中,運(yùn)動(dòng)矢量對4的偏移量的余數(shù)為0 時(shí),約為33個(gè)指令周期, 余數(shù)為1時(shí)約為93個(gè)指令周期, 余數(shù)為2 時(shí)約為 51個(gè)指令周期,余數(shù)為3 時(shí)約為 93個(gè)指令周期,平均約耗時(shí) 67個(gè)周期。而將其用并行匯編代碼編寫,其周期數(shù)恒定為33個(gè)指令周期。33個(gè)指令周期的執(zhí)行時(shí)間,對于這個(gè)函數(shù)基本上是達(dá)到了函數(shù)的最大優(yōu)化。

　　由此可見,程序的核心算法的代碼用并行匯編程序編寫,而主體的C語言程序則以函數(shù)調(diào)用的形式調(diào)用這些核心算法的并行匯編函數(shù),是提高程序代碼執(zhí)行效率的一種有效方法。

　　參考文獻(xiàn)

　　1 TMS320C6000 CPU and Instruction Set Reference Guide. Texas Instruments Incorprated,2000

　　2 TMS320C600 Programmer’s Guide. Texas Instruments Incorporated, 2001

　　3 MS320C6000 Optimizing Compiler User’s Guide. Texas Instruments Incorporated,2001

　　4 任麗香,馬淑芬,李方慧. TMS320C6000系列DSPs的原理與應(yīng)用.北京:電子工業(yè)出版社,2000.7

　　5 鐘玉琢, 王 琪, 賀玉方.基于對象的多媒體數(shù)據(jù)壓縮編碼國際標(biāo)準(zhǔn)-MPEG-4及其校驗(yàn)?zāi)Ｐ?北京:科學(xué)出版社,2000