嵌入式片上存儲器有效使用的方法

引 言

　　隨著CPU速度的迅速提高，CPU與片外存儲器的速度差異越來越大，匹配CPU與外部存儲器的方法通常是采用Cache或者片上存儲器。對于嵌入式設備上數據密集的應用，數據Cache與片上存儲器相比存在以下缺陷：①片上存儲器是固定的單周期訪問，可在設計時(不是運行時)研究數據訪問模式;而Cache還要考慮不命中的情況，因而有可變的數據訪問時間，執(zhí)行時間的預測更加困難。②使用Cache執(zhí)行時間的不可預測性影響編譯器的優(yōu)化。③細顆粒的Cache對于圖像編碼等的規(guī)則數據訪問并不合適，因而使用Cache對于嵌入式設備可能不是最優(yōu)的。

對于大多數應用，使用片上存儲器比使用數據Cache能耗平均節(jié)省約40%，芯片面積與時間的乘積僅為Cache的46%，因而對于嵌入式多媒體處理器，片上RAM作為數據Cache的替代，功耗更低。片上存儲器的有效使用對于提高嵌入式應用的速度、降低功耗具有重要的意義。

　　TMS320C55x(簡稱為“C55x”)具有極低的功耗(0.05 mW/MIPS)，本文以C55x上的視頻編碼器為例，討論片上存儲器的有效使用。

　　1 數據的片外、片上動態(tài)分配

　　因為片上存儲器比片外存儲器具有更強的數據訪問能力和更低的訪問功耗，所以盡可能分配數據到片上存儲器;未能分配到片上的數據可在CPU處理前轉移到片上;已經轉移到片上的數據，應盡可能在片上保存，直到其生命期結束，以便盡可能減少數據從片外存儲器到片上存儲器的數據轉移。在視頻編碼等應用中，標量、常數相對矩陣而言，通常數量較少，可以分配到片上。若分配到片外，則在運算時直接存取片外數據，CPU流水線將會停滯。直接存儲器存取(DMA)可以在存儲器之間、存儲器與外設之間轉移數據，除了DMA通道參數初始化以外，DMA轉移數據和CPU處理數據可以并行進行。設置DMA通道參數需要一定的時間，用DMA來轉移單個變量或常數的開銷可能比直接存取更大，因此DMA適合轉移具有較多數據的矩陣，并不適合片外標量的轉移。包含大量元素的矩陣可以分配到片外，處理前使用DMA轉移到片上存儲器。

　　局部變量由編譯器分配到軟件棧上，C55x具有兩個軟件棧——數據棧和系統(tǒng)棧。C55x的棧有3種工作模式，可設置成雙16比特快返回模式，以減小棧所占的存儲器空間，并提高其運行速度。數據棧和系統(tǒng)棧在函數調用及返回時同時訪問，可將這兩個棧分配到DARAM塊或者不同的SARAM塊內。

　　本文中數據存儲器的分配，強調從實際多媒體應用處理的基本數據塊出發(fā)，分析簡單、直觀。多媒體算法總是將原始輸入數據分成一定大小的塊來處理，并產生對應該輸入的最后輸出。如果片上沒有足夠的存儲器，則大量的輸入數據和最后結果僅能存儲在片外。對于元素較多的矩陣，可以根據算法特征，將矩陣分成若干數據子塊，如H.263編碼器中的宏塊和搜索窗等，或者單純根據可得到的片上存儲器數最分成適當大小的子塊逐個運算，然后分析數據子塊的生命期和使用頻率。

　　這里定義數據子塊的生命期為首次使用到最后一次使用之間的間隔，而通常變量的生命期為定義到最后使用之間的間隔。例如，定義整型數組int MB[384]，用來存儲待編碼宏塊的數據，圖像的某個宏塊的數據在該宏塊編碼結束后，該宏塊數據的生命期也就結束}然后該數組用來存儲下一宏塊的數據，因而變量的生命期遠比存儲在該變量中的某一具體數據的生命期要長。若數據子塊具有不相交的生命期，則可以共享相同的片上存儲器。很多數據子塊在運算中多次使用，可在首次運算前轉移到片上，并盡可能保存到生命期結束，即直到這些數據不再使用為止，因而這些數據僅需要一次轉移。將程序執(zhí)行時間看成是由很多連續(xù)的時間間隔組成的，若在下個時間間隔內需要轉移新的數據到片上供CPU處理，而片上又沒有足夠的存儲器存儲這些數據，則這時將隨后需要蓮續(xù)頻繁使用的數據保留到片上。對于隨后較少使用的數據，若片外存儲器還保存有該數據的備份，則這些數據可直接覆蓋，等到下次使用時再從片外存儲器拷貝到片上;否則，在覆蓋前將數據轉移到片外。在片上分配一定的緩沖區(qū)，用來存儲需要再次使用的數據，可有效地減少片外存儲器的訪問。對于中間結果，盡量在使用前分階段計算，使用后釋放，以縮減存儲中間結果的存儲器需求。通過數據的這種動態(tài)分配，既可以減小或避免訪問片外慢速存儲器所引起的指令延遲，又可以減少片外到片上的數據轉移。

　　在H.263視頻編碼器中，編碼是按宏塊順序進行的。INTRA宏塊編碼不僅需要當前的編碼宏塊數據，還需要以當前宏塊為中心的重建圖像搜索窗。因此，根據算法特征將整幀輸入圖像劃分成宏塊，某個宏塊數據在編碼前轉移到片上，這一宏塊編碼結來后就不再使用，這部分片上存儲器就可釋放，用來存儲下一宏塊數據。若在編碼的同時采用DMA轉移下一個宏塊，則需要在片上分配兩個宏塊的存儲器空間，用來存儲編碼的原始圖像。

　　在進行INTER幀的編碼時，運動搜索需要使用前一幀的重建圖像作為參考。設搜索范圍為[-16，+16]，編碼該宏塊需要搜索參考圖像中以編碼宏塊位置為中心的9個宏塊，即前一幀中宏塊(x，y)的重建圖像，直到編碼(x+1，y+1)宏塊后生命期才結束。以CIF分辨率為例，不可能把一幀圖像的所有重建宏塊保存到生命期結束，因而部分重建圖像必須暫時存儲在片外。若在編碼(x-1，y-1)前將重建宏塊(x，y)拷貝到片上并一直保存到編碼(x+l，y+1)宏塊結束，則只需要在片上分配將近3個GOB的空間用來存儲參考圖像，就可以保證每個宏塊的重建圖像數據只需要一次片外到片上的轉移。

　　半像素內插結果，用于在整像素運動搜索后作為半像素搜索的參考，因而可在整像素搜索后、半像素搜索前，圍繞整像素運動矢量，對整像素運動矢量對應的匹配宏塊進行內插。這樣就沒有必要在編碼INTER幀前將整幀圖像進行內插，可顯著減少存儲內插結果的存儲器數量，從而分配在片上。

　　2 片上數據的存儲器分配

　　C55x除了讀指令的地址、數據總線外，還有3條用于從存儲器讀操作數的地址、數據總線，2條寫操作數到存儲器的地址、數據總線。CPU在1個周期內可完成多個操作數的讀寫，由于每個DARAM塊或SARAM塊的訪問能力有限，這些操作數位于適當的DARAM或SARAM塊內，才能在單周期內完成多個數據的讀入或者數據的同時讀寫，而不產生延遲。

　　2.1 指令代碼的分配

　　應用程序的指令代碼可以存儲在片外存儲器，通過指令Cache進行訪問，可以減少CPU讀指令代碼與CPU讀/寫片上存儲器內數據的沖突，同時將空余更多的片上存儲器空間用于數據分配。若存儲程序代碼和數據所需的存儲器容量總和小于片上存儲器容量，那么將代碼分配到片外存儲器與代碼數據全部分配到片上存儲器相比，性能降低大約10%。因此當代碼和數據總和小于片上存儲器容量時，應該全部分配到片上存儲器。通常程序代碼僅供CPU讀取，并不修改;而數據經常需要同時讀寫，因而應盡量將代碼存儲在SARAM內，以便將訪問能力更強的DARAM用來存儲數據。在單個CPU周期內，SARAM僅有一次訪問能力，同時讀取指令和數據必然產生延遲，為了保證讀取數據時不產生延遲，數據不能與訪問這些數據的代碼存儲在同一SARAM塊內。也就是說，當程序代碼大小不是剛好整數個塊時，可通過調整代碼或者數據的存儲器分配，避免CPU讀代碼與讀/寫數據發(fā)生沖突。

　2.2 數據分配

　　前面已經討論過變量和常數的分配，這里主要討論的耗時較多的矩陣運算，通常口丁以用C語言或者匯編語言編寫應用程序，C語言編譯后可產生匯編代碼。在匯編語言的代碼中，找到處理矩陣操作數的指令，依次列舉這些指令不產生延遲的矩陣分配限制，并求解滿足這些限制條件的片上存儲器分配。

　　不產生延遲的約束條件可分成兩類基本約束條件：