新聞中心

EEPW首頁 > 嵌入式系統(tǒng) > 設計應用 > 嵌入式多媒體應用中的片上存儲器分配

嵌入式多媒體應用中的片上存儲器分配

作者: 時間:2012-04-20 來源:網(wǎng)絡 收藏

引 言

本文引用地址:http://m.butianyuan.cn/article/171583.htm

隨著CPU速度的迅速提高,CPU與片外的速度差異越來越大,匹配CPU與外部的方法通常是采用Cache或者片上。微處理器中片上存儲器結構通常包含指令Cache ,數(shù)據(jù)Cache 或者片上存儲器。對于設備上的數(shù)據(jù)密集的,數(shù)據(jù)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,可在設計時而不是運行時研究數(shù)據(jù)訪問模式;而Cache還要考慮擊不中的情況,因而有可變的數(shù)據(jù)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(shù)據(jù)訪問并不合適,因而使用Cache 對于設備可能不是最優(yōu)的。文指出,對于大多數(shù),使用片上存儲器比使用數(shù)據(jù)Cache能量平均大約節(jié)省40 % ,芯片面積與時間的乘積僅為Cache的46%。因而對于處理器,片上RAM作為數(shù)據(jù)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的速度,降低功耗具有重要的意義。

文討論了在同時具有數(shù)據(jù)Cache和片上SRAM的處理器上標量和矩陣變量的存儲器方法。文以摩托羅拉公司的DSP56000為平臺,文以AMS Gepard DSP為平臺,分別討論了如何把數(shù)據(jù)到X/Y數(shù)據(jù)存儲器塊,以便最大限度地利用數(shù)據(jù)移動的并行性。DSP56000片上X、Y數(shù)據(jù)存儲器都是單端口的,并且容量較小。與DSP56000不同,TI公司的TMS320C55x具有更多的數(shù)據(jù)總線,片上RAM容量更大,且分塊多,具有訪問能力更強的 DARAM。

TMS320C55x具有極低的功耗(0.05mW/MIPS) ,非常適合手持設備,現(xiàn)在已經集成至TI 公司專門針對3G手機的高性能處理器上。C55x 片上除了24K字節(jié)的指令Cache外,還有64K字節(jié)的雙端口存儲器(DARAM),96K字節(jié)的單端口存儲器(SARAM)。DARAM和SARAM 總共160K字節(jié),分成20個塊,每個塊8K字節(jié)。本文以C55x的視頻編碼器為例,討論片上存儲器的有效使用。

數(shù)據(jù)的片外、片上動態(tài)

因為片上存儲器比片外存儲器具有更高的數(shù)據(jù)訪問能力和更小的訪問功耗,所以盡可能分配數(shù)據(jù)到片上存儲器,未能分配到片上的數(shù)據(jù)可在CPU處理前轉移到片上,已經轉移到片上的數(shù)據(jù),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(shù)據(jù)從片外存儲器到片上存儲器的數(shù)據(jù)轉移。在視頻編碼等應用中,標量、常數(shù)相對于矩陣而言,通常數(shù)量較少,可以分配到片上;若分配到片外,在運算時直接存取片外數(shù)據(jù),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(shù)據(jù),除了DMA通道參數(shù)初始化以外,DMA轉移數(shù)據(jù)和CPU處理數(shù)據(jù)可以并行進行。設置DMA通道參數(shù)需要一定的時間,采用DMA來轉移單個變量或常數(shù)的開銷可能比直接存取更大,因此DMA適合轉移具有較多數(shù)據(jù)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(shù)據(jù)棧和系統(tǒng)棧。C55x的棧有三種工作模式,可設置成雙16比特快返回模式,以減少棧所占的存儲器空間,并提高其運行速度。數(shù)據(jù)棧和系統(tǒng)棧在函數(shù)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(shù)據(jù)存儲器的分配,強調從實際應用處理的基本數(shù)據(jù)塊出發(fā),分析簡單直觀。多媒體算法總是將原始輸入數(shù)據(jù)分成一定大小的塊進行處理,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,大量的輸入數(shù)據(jù)和最后結果僅能可存儲在片外。對于元素較多的矩陣,可以根據(jù)算法特征將矩陣分成若干數(shù)據(jù)子塊,如H.263編碼器中的宏塊,搜索窗等,或者單純根據(jù)可得到的片上存儲器數(shù)量分成適當大小的子塊逐個運算,然后分析數(shù)據(jù)子塊的生命期和使用頻率。我們定義數(shù)據(jù)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(shù)組int MB[384],用來存儲待編碼宏塊的數(shù)據(jù),圖像的某個宏塊的數(shù)據(jù)在該宏塊編碼結束后,該宏塊數(shù)據(jù)的生命期也就結束,然后該數(shù)組用來存儲下一宏塊的數(shù)據(jù),因而變量的生命期遠比存儲在該變量中的某一具體數(shù)據(jù)生命期要長。若數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)不再使用為止,因而這些數(shù)據(jù)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(shù)據(jù)到片上供CPU處理,而片上又沒有足夠的存儲器存儲這些數(shù)據(jù),這時將隨后需要連續(xù)頻繁使用的數(shù)據(jù)保留到片上;對于隨后較少使用的數(shù)據(jù),若片外存儲器還保存有該數(shù)據(jù)的備份,這些數(shù)據(jù)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(shù)據(jù)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(shù)據(jù),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(shù)據(jù)的這種動態(tài)分配,既可以減少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(shù)據(jù)轉移。

在H.263視頻編碼器中,編碼是按宏塊順序進行的,INTRA宏塊編碼僅需要當前的編碼宏塊數(shù)據(jù),INTER宏塊編碼還需要以當前宏塊為中心的重建圖像搜索窗。因此根據(jù)算法特征將整幀輸入圖像劃分成宏塊,某個宏塊數(shù)據(jù)在編碼前轉移到片上,這一宏塊編碼結束后就不再使用,這部分片上存儲器就可釋放,用來存儲下一宏塊數(shù)據(jù)。若在編碼的同時采用DMA轉移下一個宏塊,這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需暫時存儲在片外,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+1,y+1) 宏塊結束,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(shù)據(jù)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(shù)量,從而分配在片上。

片上數(shù)據(jù)的存儲器分配

TMS320C55x 除了讀指令的地址數(shù)據(jù)總線外,還有三條用于從存儲器讀操作數(shù)的地址數(shù)據(jù)總線,兩條寫操作數(shù)到存儲器的地址數(shù)據(jù)總線。CPU在一個周期內可完成多個操作數(shù)的讀寫,由于每個DARAM塊或SARAM塊有限的訪問能力,這些操作數(shù)位于適當?shù)腄ARAM或SARAM塊內,才能在單周期內完成多個數(shù)據(jù)的讀入或者數(shù)據(jù)的同時讀寫,而不產生延遲。

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(shù)據(jù)的沖突,同時將空余更多的片上存儲器空間用于數(shù)據(jù)分配。若存儲程序代碼和數(shù)據(jù)所需的存儲器總和少于片上存儲器容量,將代碼分配到片外存儲器的性能與代碼數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)。在單個CPU周期內,SARAM僅有一次訪問能力,同時讀取指令和數(shù)據(jù)必然產生延遲,為了保證讀取數(shù)據(jù)時不產生延遲,數(shù)據(jù)不能與訪問這些數(shù)據(jù)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(shù)個塊大小時,可通過調整代碼或者數(shù)據(jù)的存儲器分配,以免CPU讀代碼與讀寫數(shù)據(jù)產生沖突。

數(shù)據(jù)分配

前面已經討論過變量和常數(shù)的分配,這里主要討論耗時較多的矩陣運算。通??梢杂肅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(shù)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。下面列出了C55x中一些常見的存儲器操作數(shù)訪問形式:

(1) Xmem read ‖Ymem read。

Xmem write ‖Ymem write。

Xmem read ‖Ymem write。

為了不產生延遲,要求Xmem 和Ymem 位于DARAM塊內或者不同的塊內。

(2)Lmem1 read ‖Lmem2 write。

為了不產生延遲,要求Lmem1和Lmem2位于DARAM塊內或者不同的塊內。

(3) Xmem read ‖Cmem read。

例如匯編指令:MACMR Xmem,Cmem,ACx,為了不產生延遲,Xmem,Cmem不在同一塊內,這包括不在同一SARAM塊內,也不在同一DARAM內。

(4) Xmem read ‖Ymem read ‖Cmem例如匯編指令:MPY Xmem ,Cmem ,AC0 ::MPY Ymem ,Cmem,AC1 以及FIRSADD Xmem ,Ymem ,Cmem ,ACx ,ACy 都要求Xmem 和Ymem 位于DARAM塊內或者不同的SARAM塊內,并且Xmem ,Cmem不在同一塊內。

上述指令不產生延遲的約束條件可分成兩類基本約束條件:(1)兩變量位于DARAM塊內或者兩變量位于不同的塊內,記為條件A,這是由SARAM塊或者DARAM塊訪問能力產生的限制 (2)兩變量位于不同的塊內,記為條件B,這是由于CPU總線的特殊結構產生的限制。其中條件A中的兩變量可在同一DARAM塊內,或者不同的SARAM 塊內,或者一個變量在DARAM內,另一個在SARAM內。條件B 指的是兩變量在不同的DARAM塊內,或者在不同的SARAM塊內,或者一個變量在DARAM塊內,另一個在SARAM 塊內。條件A可看成是兩種條件的邏輯或關系。

A = B or C。

其中條件C定義為兩變量都位于DARAM塊內。循環(huán)中的操作數(shù)一般表現(xiàn)為矩陣的一個元素,在一個應用程序中,通常有多個矩陣,矩陣中的元素應同時滿足多個上述基本條件。當矩陣較多,限制條件復雜時,可以使用計算機求解數(shù)據(jù)存儲器分配,以滿足矩陣訪問不產生延遲的條件。在這里,我們只需要求出滿足條件的一個解,并不需要求出所有可能的解,因而對求解問題做一定的簡化。

設x,y分別是矩陣X,Y的某一個元素,X,Y位于不同的塊內是 x,y位于不同的塊內的充分條件,同樣X,Y都位于DARAM內或者不同的塊內是x,y都位于DARAM內或者不同的塊內的充分條件,例如X位于 DARAM塊,Y矩陣部分位于與X 相同的DARAM內,其余位于SARAM內,也能使x,y滿足條件A。

例如:N個矩陣需要同時滿足N1個A 類條件和N2個B類條件。從每個A類條件中任選一個條件(B或者C),最多有2N1個組合,每種組合與N2個b類條件聯(lián)立求解,其中某些組合可能沒有解,任意一個解都能滿足不產生延遲的條件。這時任何一種組合中可能包含M (0=M=N1)個C類條件,其余的為B類條件。

linux操作系統(tǒng)文章專題:linux操作系統(tǒng)詳解(linux不再難懂)

上一頁 1 2 下一頁

評論


相關推薦

技術專區(qū)

關閉