基于ADSP-BF533处理器的H.264解码器

3.3 程序移植  

VisualDSP++是一款支持Blackfin处理器的集成开发、调试环境，包括VisuaIDSP++内核(VDK)、C／C++编译器、高级图形绘制工具、调试工具、器件模拟器等多种功能；能够很好地支持在Blackfin处理器上用C／C++语言进行开发工作。

移植的第一步是除去所有的编译环境不支持的函数(例如某些时间相关的函数)，将文件操作修改为读取文件数据缓存的操作，删除SNR信息收集和信息打印输出等DSP平台实现不需要的代码。第二步是添加与硬件相关的代码。这些代码包括系统初始化代码、输出模块代码、中断服务程序和解码速率控制程序等程序代码。

移植完毕后，就实现了基于ADSP-BF533处理器的H_264解码器；但速度达不到实时解码的要求，还需要进行优化。

3.4 基于DSP平台的优化  

基于DSP平台的优化分为系统级优化、C程序级优化和汇编级优化。

(1)系统级优化

打开编译器中的优化开关，设置为速度最优化；打开自动内联开关；打开“Interprocedural optimization”(过程间优化)开关；使用VisualDSP++编译器的PGO(Profile—Guided Optimization)优化编译技术。

(2)C程序级优化

C程序级的优化主要是针对BIackfin处理器的具体特点进行优化：

①编写链接描述文件，将经常用的数据存储在片内存储器，例如CAVLC熵解码的码表；启用指令Cache和数据Cache，设置好启用Cache机制的指令地址和数据地址。

②将除法操作转换为乘法操作或者采用查表法计算。

③减少对片外存储器的访问次数。对于经常访问的片外存储器区域，设置Cache使能，并可设置Cache锁定，防止被缓存的数据被替换，减少Cache未命中的几率。

④对于能够用较短的数据类型表达的数据改用较短的数据类型表达，例如原定义为int类型的4×4逆整数变换的输人数据，实际上可以定义为short类型。

(3)汇编级优化

汇编级优化通常遵循以下原则：

①　使用寄存器代替局部变量。如果局部变量用来保存计算的中间结果，那么用寄存器

代替局部变量可以省掉很多访问内存的时问。

②　使用硬件循环代替软件循环。．Blackfin处理器有专用的硬件支持两级嵌套的零开销

硬件循环。用硬件循环代替软件循环可避免堵塞流水线，提高速度。

③　使用并行指令和向量指令。使用并行指令和向量指令，可以充分利用Blackfin处理器的SIMD系统结构的优点和内部硬件资源的并行处理优点，减少指令执行次数和提高指令执行效率。使用1条并行指令同时执行2条或3条非并行指令。向量指令可以同时对多个数据流进行相同的加工操作。

④　使用视频处理指令。视频处理应用可以使用Blackfin处理器专用的视频处理指令，提高执行效率。

将最耗时的一些函数用汇编语言改写，充分利用Blackfin处理器的S1MD结构的优点和硬件上的并行性，在一个指令周期内执行多个操作，减少函数执行需要的指令周期。最耗时的函数有宏块解码函数decode_one_macroblock、逆整数变换函数itrans、去块效应滤波函数EdgeLoop、滤波门限计算函数Get_Strength等函数。

下面以4×4矩阵逆整数变换函数itrans和1／4像素插值滤波get_block()，说明用汇编指令优化带来的性能提高。4×4矩阵的逆整数变换函数itrans采用的是2级蝶形运算，先对4×4矩阵的每一行分别做行逆变换，再对每一列做列逆变换。一维变换采用如图2所示的蝶形算法。



Blackfin处理器的SIMD结构支持向量操作，最多可以在1个周期内完成4个16位的加法操作。它的并行指令能同时进行算术运算和两个数据的装载／存储操作。例如上述的蝶形运算可以用如下指令实现(设寄存器IO中保存了输人数据y的地址，I2中保存了系数数组cof={0x7fff，0x4000}的地址，Il中保存了临时变量tmp的地址，R2和R1保存的是中问结果)：

R7=[IO++]；

Al=R6．I*R7．1，AO=R6．1*R7．1(IS)┃│I R5=

[10++]┃┃[││++]=R2；

R4．h =(A1一一R5．1*R6．1)，R4．1=(AO+=R5．1*R6．1)(IS)││W[I1++]=R1．h；

R7．1=R6．1*R5．h(IS)1 W[11++]=R1．1；

R5=R7＞＞＞1(v)；

A1=R6．1*R5．h，AO—R6．1*R5．1(IS)；

R3．h一(A1+一R6．1*R7．1)， R3．1一(AO =R6．1*R7．h)(IS)；

R2=R4+l+R3,R1=R4一│ 一R3：

完成一次一维逆变换只需8条指令，算上函数调用的开销和其他一些辅助指令，完成一个4×4矩阵的逆整数变换时总共需要82条指令周期。表1是优化前、后的比较。


get_block函数对像素矩阵进行1／4像素插值操作。先用六阶滤波器进行1／2像素插值，然后用线性内插法进行l／4像素插值。

l／2像素b计算方法为：b=round((E一5F+20G+20H一5I+j)／32)。示意图如图3所示。E、F、G、H、I、J是整数像素，b是G和H之问的1／2像素。


像素的亮度值为unsigned char类型，先利用并行指令可以在1个指令周期内将8个像素的亮度值读到寄存器，然后利用视频专用指令将4个字节解包到1个寄存器对(R1：O或R3：2)中去，利用向量指令在1个周期内进行2次乘加操作。通过视频专用指令、向量指令和并行指令的使用，减少了函数指令的指令周期数。