張曉東，孔祥輝，張雨輪

（西安電子工程研究所，西安710100）

張曉東、孔祥輝（工程師）、張雨輪（助理工程師），主要研究方向為SAR 雷達系統(tǒng)設(shè)計與信號處理。

引 言

DSP（數(shù)字信號處理器）通常作為實時信號處理的核心器件，被廣泛應(yīng)用于工業(yè)控制、通信、航空航天、武器精確制導等領(lǐng)域中。在以DSP 為核心的系統(tǒng)設(shè)計過程中，軟件開發(fā)的地位顯得尤為重要。雖然器件水平的不斷提高、DSP主頻和運算核的增加，使DSP的運算能力大為提升，但是隨著系統(tǒng)集成度和實時性的不斷提高，為了提高運算速度和執(zhí)行效率，在進行軟件開發(fā)時經(jīng)常需要用到C 語言和匯編語言的混合編程。

如何使C語言和匯編語言有效地結(jié)合在一起，使程序清晰易懂，同時提升運算效率是本文著重討論的問題。TI公司的TMS320C66x 系列是高性能的數(shù)字信號處理器，本文以CCS5.0編程環(huán)境為例，講述了編譯器的實時運行環(huán)境下的匯編編程規(guī)則、使用流水線技術(shù)對程序的改善，以及在編程中需要注意的問題。

1 TMS320C66xDSP簡介

TMS320C66x高性能DSP 采用VLIW 結(jié)構(gòu)，具有2路數(shù)據(jù)通道，每個通道包含4個可以并行運行的處理單元（.L、.S、.M 和.D），每個通道有32個32位通用寄存器，每個周期最多可以運行8個32位的指令，數(shù)據(jù)的加載位寬為每個周期32位或者64位。

其L1／L2 存 儲 包 括 直 接 映 射 的32KB 的L1P 指 令RAM、32KB的2 路L1D 數(shù) 據(jù)RAM、512 KB 可 配 置 的L2RAM；最高運行頻率為1.25 GHz，每核最高有40GMAC／s定點和20 GFLOP／s運算能力，8 核共享4 MB片上存儲，包含豐富的外圍接口，如DDR3 控制器、PCIe控制器和SRIO 接口等。

TMS320C66xDSP核心框圖如圖1所示。

2 編譯器的實時運行環(huán)境

在編譯器的實時運行環(huán)境下，編寫匯編代碼時要遵守的規(guī)則主要有：寄存器使用規(guī)則和參數(shù)傳遞規(guī)則。

TMS320C66x兩組通用寄存器，每組分別有32 個32位寄存器，分為兩組，分別是A0～A31和B0～B31。編譯器對特定寄存器的使用及如何保護作了規(guī)定。占用兩個寄存器的數(shù)據(jù)（長整型、雙精度浮點數(shù)）放在相鄰的兩個寄存器中，且第一個必須是奇數(shù)，例如A1：A0，前面存放高位，后面存放低位，成對使用。

圖1 TMS320C66xDSP核心框圖

TMS320C66x編譯器對匯編函數(shù)調(diào)用有嚴格的規(guī)定，如果在調(diào)用中不遵守這些規(guī)定，就會破壞實時運行環(huán)境，導致程序錯誤。主程序把函數(shù)調(diào)用需要傳遞的參數(shù)放在寄存器或者堆棧里。參數(shù)的前10 個依次放在A4、B4、A6、B6、A8、B8、A10、B10、A12和B12里、如果參數(shù)是長整型或者浮點型，就占用一個寄存器對，如A5：A4、B5：B4等，依此類推。

剩下的參數(shù)放在堆棧里，堆棧指針指向下一個空地址，第11 個參數(shù)就是SP＋offset，依此類推。參數(shù)放在堆棧里需要考慮存儲邊界，一個參數(shù)如未聲明類型且長度不超過一個整型，按整型存放，未聲明的浮點數(shù)按雙精度浮點數(shù)存放。返回值如果是整型，單精度浮點數(shù)或者指針，放在A4中，如果是長整型或者雙精度浮點數(shù)則放在A5：A4 中。

3 軟件流水線技術(shù)的應(yīng)用

TMS320C66x系列DSP 的高速度、高效率是靠并行處理來實現(xiàn)的，而軟件流水線技術(shù)（software pipeline）則是實現(xiàn)并行處理的關(guān)鍵。DSP只有在流水線充分發(fā)揮作用的情況下，才可能達到最高的執(zhí)行效率。軟件流水線包含取指、譯碼和執(zhí)行3個階段，每個階段又分為不同的相位。軟件流水線技術(shù)處于不同相位可以并行執(zhí)行，即取指、譯碼和執(zhí)行可以并行運行，甚至相同階段不同相位也可以并行運行。

軟件流水線技術(shù)是一種循環(huán)內(nèi)的指令，能在一個周期內(nèi)使用不同功能單元并行處理多個迭代的技術(shù)，能更為有效地使用資源，尤其對于VLIW的具有多功能單元的架構(gòu)，通過減少循環(huán)中因為數(shù)據(jù)相關(guān)導致的依賴和功能單元使用沖突挖掘一次循環(huán)中指令的并行性，一般都是針對最內(nèi)層循環(huán)進行的優(yōu)化。

軟件流水線技術(shù)可以概括為：從一個循環(huán)出發(fā)，將一個循環(huán)分成可以并行執(zhí)行的迭代單元，也就是說在一次循環(huán)運算結(jié)束前，啟動多次后續(xù)的循環(huán)運算。軟件流水階段分為進入循環(huán)核前的prolog、循環(huán)核loop kernel、循環(huán)核結(jié)束后的epilog三個過程。流水線技術(shù)示意圖如圖2所示。

軟件流水線編程時，主要使用以下寄存器：

①Loop Buffer是一個能存儲若干條SPLOOP指令的片內(nèi)存儲空間，最多達14個執(zhí)行包。

② LBC 執(zhí) 行 SPLOOP、SPLOOPD、SPLOOPW 時清零，每個運行周期后＋1，當運行到功能段（Stage）邊緣時，重置為零，此寄存器用戶不可見。

③ILC 為用于循環(huán)計數(shù)的專用寄存器，SPLOOP 和SPLOOPD使用向下計數(shù)器，每運行一次循環(huán)遞減，使用ILC需要4個周期的延遲。

RILC循環(huán)嵌套時用于重置ILC。

軟件流水線編程時，主要使用以下指令：

①SPLOOP一般用于告知循環(huán)最小運行次數(shù)，但不知循環(huán)體是否超過4個周期的起始，因為ILC加載和使用需要4個周期的間隔；SPLOOPD 知道循環(huán)最小運行次數(shù)，以及循環(huán)體超過4個周期的起始；SPLOOPW 不知道循環(huán)次數(shù)的任何信息，表明buffer的起始；SPLOOP的參數(shù)表示最小的功能段指令周期數(shù)。

②SPKERNEL 和SPKERNELR 表 明 結(jié) 束，其 參 數(shù)表示循環(huán)結(jié)束的第幾個功能段內(nèi)的第幾個周期。

圖2 流水線技術(shù)示意圖

而SPMASK 和SPMASKR 用 來 區(qū) 分 是SPLOOP 內(nèi)的存儲還是普通memory內(nèi)的指令。

軟件流水線技術(shù)的限制：同一周期不能使用相同的功能單元；同一個周期不能同時寫入一個目標寄存器；在一個執(zhí)行程序包內(nèi)，每個數(shù)據(jù)通路兩個功能單元可以訪問另一個寄存器堆的相同的操作數(shù)。當從另外一側(cè)讀取一個剛剛更新的寄存器時，會有一個周期的延遲，即交叉通道的延遲。

4 匯編語言在程序中的應(yīng)用

在實際應(yīng)用程序開發(fā)過程中，程序通常采用混合編程的方法實現(xiàn)。主函數(shù)采用C 程序編寫，而對于那些耗時較多的運算密集的模塊采用匯編編寫。

這樣做的目的比較簡單，因為這樣在主程序中初始化一些初值，既簡單又準確，且匯編程序能提升運算效率。這樣既能保證程序的結(jié)構(gòu)化和可讀性，又能保證應(yīng)用的實時性。

實驗中主要以浮點復(fù)數(shù)點乘程序為例，介紹匯編語言對源代碼的優(yōu)化步驟。

首先將C 源代碼循環(huán)展開翻譯成匯編代碼，為了使運算效率最高，應(yīng)使用相同運算周期內(nèi)運算量最高的匯編指令。

確定最小迭代間隔規(guī)劃使用功能單元，使循環(huán)的多次迭代能夠并行執(zhí)行；為了使程序流水執(zhí)行，應(yīng)首先確定最小功能段間隔。

一個循環(huán)的最小功能段間隔是這個循環(huán)相鄰兩次功能段開始之間必須等待的最小周期數(shù)。循環(huán)中的相鄰功能段數(shù)據(jù)相關(guān)性和循環(huán)核中使用最多的功能單元是最小功能段間隔。

例如，如果在循環(huán)核中有3 條相鄰指令都使用.D1 單元，則最小功能段間隔至少是3，因為使用同一功能單元的3條指令不能并行執(zhí)行，這時需要的最小功能段為3。

規(guī)劃使用寄存器。在已知最小功能段間隔以后，可根據(jù)程序的數(shù)據(jù)依賴關(guān)系為功能單元分配寄存器，必須保證每個周期內(nèi)沒有寄存器并行使用。編寫匯編程序如下：

SPLOOPD3

LDDW.D1＊A4＋＋，A7：A6

LDDW.D2＊＋B4［1］，B13：B12

LDDW.D2＊B4＋＋［2］，A13：A12 LDDW.D1＊A4＋＋，B7：B6

NOP4

CMPYSP.M1 A7：A6，A13：A12，A11：A10：A9：A8 CMPYSP.M2 B7：B6，B13：B12，B11：B10：B9：B8

NOP3 FADDSP.L1A9，A11，A19 FADDSP.L2B9，B11，B19 FADDSP.L1A8，A10，A17 FADDSP.L2B8，B10，B17 NOP ADD.S1A5，A19，A16 ADD.S2B5，B19，B16 SPKERNEL4，0 STDW.D1A17：A16，＊A18＋＋［2］STDW.D2B17：B16，＊B18＋＋［2］

程序中使用LDDW、CMPYSP等指令完成數(shù)據(jù)讀寫和乘法運算等，保證程序運算時間最短。程序中使用最多的單元為D1和D2，每個單元被使用了3次，所以程序的最小功能段為3，循環(huán)長度共有15個，被分為5個功能段，在每個周期內(nèi)保證了沒有相同的功能單元被使用。運行同時最多使用了A、B兩側(cè)共6個功能單元，保證了運算效率。使用更多的寄存器可以使數(shù)據(jù)的前后關(guān)聯(lián)更小。

使用本程序運行平臺為TMS320C6678，復(fù)數(shù)8 192點乘其運行周期為33 947，與使用編譯器優(yōu)化的點乘程序的運行周期42 055相比，大約提升了20%。

結(jié) 語

本文提到的軟件利用匯編優(yōu)化代碼技術(shù)，在實際的系統(tǒng)應(yīng)用中獲得了滿意的代碼效率，為大規(guī)模復(fù)雜算法運算的執(zhí)行提供了有效的時間保障。

在程序中采用的匯編語言和軟件流水技術(shù)，在實時條件下能夠應(yīng)用于更為復(fù)雜和有效的算法，尤其是在編譯器對于某些程序優(yōu)化不明顯的情況下，為提升代碼效率提供了一些解決思路。

［1］TI.TMS320C66x DSPCPU and Instruction SetReferenceGuide，2010.

［2］TI.TMS320C6000Optimizing Compiler User's Guide，2014.

［3］TI.TMS320C66xDSP CorePac User's Guide，2011.

［4］任麗香，馬淑芬，李方慧.TMS320C6000 系列DSP的原理與應(yīng)用［M］.北京：電子工業(yè)出版社，2000.