转帖学习：DSP C6000的C／C++程序优化技术

只看该作者 · 2014-9-24 09:41

在现代DSP的开发中，越来越多地采用C／c++作为开发语言，而C／C++程序的优化成为DSP’软件开发的重要环节。在此介绍TI C6000的软件开发流程，重点讨论C6000系列的C／C++程序优化技术，包括优化流程，C／C++代码优化方法，编写线形汇编代码优化方法等。为DSP的C/C++软件开发提供了全面的程序优化技术和方法，对实际系统的开发具有重要的现实意义。

0 引言
目前在DSP平台上编程多使用汇编语言与C语言，为了追求代码的高效，过去一般用汇编语言来编制。DSP程序汇编语言简洁高效，能够直接操作DSP的内部寄存器、存储空间、外设，但可读性、可修改性、可移植性较差；随着DSP应用范围不断延伸，应用的日趋复杂，汇编语言程序在可读性、可修改性、可移植性和可重用性的缺点日益突出，软件需求与软件生产力之间的矛盾日益严重。引入高级语言(如C语言，C++，Java)，可以解决该矛盾。在高级语言中，C语言是一种较为高效的高级语言，在可读性、可移植性等方面优于汇编指令。各个DSP芯片公司都相继推出了相应的C语言编译器。
但由于DSF结构的特殊性，使得该平台上的C语言编译器无法充分发挥DSP器件的性能优势。同样功能的C语言程序，效率往往只有直接书写的汇编程序的几分之一甚至几十分之一，因此有必要根据DSP的特性对C语言编写的程序进行进一步的优化。
1、TMS320C6000处理器介绍
TMS320C6000是TMS320系列产品中的新一代高性能DSP芯片，共分为两大系列。其中定点系列为TMS320C62xx和TMS320C64xx；浮点系列为TMS320C67xx。由于TMS320C6000的开发主要面向数据密集型算法，它有着丰富的内部资源和强大的运算能力，所以被广泛地应用于数字通信和图像处理等领域。
C6000系列CPU中的8个功能单元可以并行操作，并且其中两个功能单元为硬件乘法运算单元，大大地提高了乘法速度。DSP采用具有独立程序总线和数据总线的哈佛总线结构，仅片内程序总线宽度就可达到256位，即每周期可并行执行8条32位指令；片内两套数据总线的宽度分别为32位；此外，DSP还有一套32位DMA专用总线用于传输。灵活的总线结构使得数据瓶颈对系统性能的限制大大缓解。C6000的通用寄存器组能支持32位和40位定点数据操作，另外C67xx和C64xx还分别支持64位双精度数据和64位双字定点数据操作。除了多功能单元外，流水技术是提高DSP程序执行效率的另一主要手段。由于TMS320C6000的特殊结构，功能单元同时执行的各种操作可由VLlW长指令分配模块来同步执行，使8条并行指令同时通过流水线的每个节拍，极大地提高了机器的吞吐量。

2、 C6000软件开发流程
图1为C6000的软件开发流程图。图中阴影部分是开发C代码的常规流程，其他部分用于辅助和加速开发讨程．

C／C++源文件首先经过C／C++编译器(C／C++cornpiler)转换为C6000汇编源代码。编译器、优化器(optimizer)和交叠工具是C／C++编译器的组成部分。编译器使用户能一步完成编译、汇编和连接；优化器调整合修改代码以提高C程序的效率；交叠工具把C／C++语句和对应的汇编语句交叠列出。
汇编源代码再经过汇编器(Assembier)翻译为机器语言目标文件。机器语言是基于通用目标文件格式(CommonObject File Format，COFF)的。
连接器(Linker)连接目标文件，生成一个可执行文件。它要完成地址的重分配(Relocation)和解析外部引用(Resolve External References)。
得到可执行文件之后就可以进行调试。可用软件仿真器(Simulator)在PC机上对指令和运行时间进行精确仿真；用XDS硬件仿真器(Emulator)在目标板上进行调试。
调试通过后即可下载到目标板进行独立运行。

只看该作者 · 2014-9-24 09:42

3 程序优化流程及方法
3．1 程序优化阶段
由于DSP应用的复杂度，在用C语言进行DSP软件开发时，一般先在基于通用微处理器的PC机或工作站上对算法进行仿真，仿真通过后再将C程序移植到DSP平台中。
所以，DSP的软件开发与优化流程主要分为3个阶段：C代码开发阶段；C代码优化阶段；手工汇编代码重编写阶段。如图2所示。

在图2中，第一阶段：没有C6000知识的用户能开发自己的C代码，然后使用CCS中的代码剖析工具，确定C代码中可能存在的低效率段，为进一步代码优化做好准备。第二阶段：C代码优化阶段。在这个阶段，主要利用intrinsics函数以及编译器编译选项来提高代码的性能。优化后利用软件模拟器检查代码的效率，如仍不能达到期望的效率，则进入第三阶段。第三阶段：写线性汇编优化。在这个阶段中，用户把最耗费时间的代码抽取出来，重新用线性汇编写，然后使用汇编优化器优化这些代码。在第一次写线性汇编时，可以不考虑流水线和寄存器分配。然后，提高线性汇编代码性能，往代码中添加更多的细节，如分配寄存器等。由于这一阶段所需的时间要比第二阶段多，所以整个代码的优化尽量放在第二阶段来完成，而少使用线性汇编代码优化。
3．2 C／C++代码优化方法
为了使C／C++代码获得最好的性能，可以使用编译选项、软件流水、内联函数和循环展开等方法来对代码进行优化，以提高代码执行速度，并减小代码尺寸。

只看该作者 · 2014-9-24 09:48

3．2．1 编译器选项优化
C／C++编译器可以对代码进行不同级别的优化。高级优化由专门的优化器完成，低级的和目标DSP有关的优化由代码生成器完成。图3为编译器、优化器和代码生成器的执行图。

当优化器被激活时，将完成图3所示的过程。C／C++语言源代码首先通过一个完成预处理的解析器(Parser)，生成一个中间文件(．if)作为优化器(Optimi-zer)的输入。优化器生成一个优化文件(．opt)，这个文件作为完成进一步优化的代码生成器(Code Genera-tor)的输入，最终生成汇编文件(．asm)。
最简单执行优化的方法是采用cl6x编译程序，在命令行设置一On选项即可。n是优化的级别(n为0，1，2，3)，它控制优化的类型和程度。
3．2．2 软件流水优化
软件流水是编排循环指令，使循环的多次迭代并行执行的技术。使用一02和一03选项编译C／C++程序时，编译器就从程序中收集信息，尝试对程序循环做软件流水。
图4显示一个软件流水循环。图4中A，B，C，D和E表示1次迭代中的各条指令；A1，A2，A3，A4和A5表示一条指令执行的各阶段。循环中，一个周期最多可并行执行5条指令，即图中阴影部分所示的循环核(Loop Kernel)部分。循环核前面的部分称为流水循环填充(Pipelined Loop Prolog)，循环核后面部分称为循环排空(PipelinedLoop Epilog)。

只看该作者 · 2014-9-24 09:48

3．2．3 内联函数优化
通过下面的方法改进C语言程序，可使编译出的代码性能显著提高：
(1)使用intrinsics(内联函数)替代复杂的C／C++代码；
(2)使用字(Word)访问存放在32位寄存器的高16位和低16位字段的数据；
(3)使用双字访问存放在64位寄存器的32位数据(仅指C64xx／C67XX)。
C6000编译器提供了许多内联函数，它们直接对应着C62X／C64X／C67X指令可快速优化C代码。这些内联函数不易用C／C++语言实现其功能。内联函数用前下划线“_”特别标示，其使用方法与调用函数一样。例如C语言的饱和加法只能写为需要多周期的函数：

这段复杂的代码可以用_sadd()内联函数实现，它是一个单周期的C6x指令。
result=_sadd(a，b)；
要提高C6000数据处理率，应使一条Load／Store指令能访问多个数据。C6000有与内联函数相关的指令，例如_add2()，_mpyhl()，_mpylh()等，这些操作数以16位数据形式存储在32位寄存器的高位部分和低位部分。当程序需要对一连串短型数据进行操作时，可使用字1次访问2个短型数据，然后使用C6000相应指令来处理数据。相似的在C64x或C67x中，有时需要执行64位的LDDW来访问两个32位数据，4个16位数据，甚至8个8位数据。

只看该作者 · 2014-9-24 09:49

3．2．4 循环展开
循环展开是改进性能的另一种，即把小循环的迭代展开，以让循环的每次迭代出现在代码中。这种方法可增加并行执行的指令数。当每次迭代操作没有充分利用C6000结构的所有资源时，可使用循环展开提高性能。
有3种使循环展开的方法：
(1)编译器自动执行循环展开；
(2)在程序中使用UNROLL伪指令建议编译器做循环展开；
(3)用户自己在C／C++代码中展开。
3．3 汇编优化
在对C／C++代码使用了所有的C／C++优化手段之后，如果仍然不满意代码的性能，就可以写线性汇编程序，然后用汇编优化器进行优化，生成高性能的代码。
3．3．1 写线性汇编
使用C6000的剖析工具(Profiling Tools)可以找到代码中最耗费时间的部分，就是这部分需要用线性汇编重写。线性汇编代码与汇编源代码相似，但是，线性汇编代码中没有指令延迟和寄存器使用信息。这样做的目的是由汇编优化器来为自己设定这些信息。
写线性汇编代码时，需要知道：汇编优化器伪指令、影响汇编优化器行为的选项、TMS320C6000指令、线性汇编源语句语法、指定寄存器或寄存器组、指定功能单元、源代码注释等。
3．3．2 汇编优化器优化
汇编优化器的任务主要有：
(1)编排指令，最大限度的利用C6000的并行能力；
(2)确保指令满足C6000的延迟要求(Latency Requirements)；
(3)为源代码分配寄存器。

4、结语
C6000系列的DSP C／c++代码优化比传统的代码优化要方便的多，但要真正发挥其芯片的工作效率还是需要一定的经验和技巧。这不仅要求开发人员熟悉其硬件体系，还要求对编译器的编译原理有一定的理解。另外，在C语言层面上要达到DSP芯片的峰值即8条指令并行是很难的，大多情况下都只能达到6．7条指令并行。在实际开发中，若优化结果已达到6，7条指令并行却还离实时的要求相差很远，再花大量的人力去力求达到8条指令并行是不经济的，此时应该考虑其他的技术改进或策略上的调整以求达到目的。