考虑一个数字信号处理的实例，比如有限冲击响应滤波器（FIR）。用数 学语言来说，FIR 滤波器是做一系列的点积。取一个输入量和一个序数向量，
在系数和输入样本的滑动窗口间作乘法，然后将所有的乘积加起来，形成一 个输出样本。类似的运算在数字信号处理过程中大量地重复发生，使得为此
设计的器件必须提供专门的支持，促成了了DSP 器件与通用处理器（GPP） 的分流：
1 对密集的乘法运算的支持
GPP 不是设计来做密集乘法任务的，即使是一些现代的GPP，也要求多个指 令周期来做一次乘法。而DSP 处理器使用专门的硬件来实现单周期乘法。DSP
处理器还增加了累加器寄存器来处理多个乘积的和。累加器寄存器通常比其 他寄存器宽，增加称为结果bits 的额外bits 来避免溢出。 同时，为了充分体现专门的乘法-累加硬件的好处，几乎所有的DSP 的指令 集都包含有显式的MAC 指令。
2 存储器结构
传统上，GPP 使用冯.诺依曼存储器结构。这种结构中，只有一个存储器空间 通过一组总线（一个地址总线和一个数据总线）连接到处理器核。通常，做
一次乘**发生4 次存储器访问，用掉至少四个指令周期。 大多数DSP 采用了哈佛结构，将存储器空间划分成两个，分别存储程序和数 据。它们有两组总线连接到处理器核，允许同时对它们进行访问。这种安排 将处理器存贮器的带宽加倍，更重要的是同时为处理器核提供数据与指令。 在这种布局下，DSP 得以实现单周期的MAC 指令。 还有一个问题，即现在典型的高性能GPP 实际上已包含两个片内高速缓存， 一个是数据，一个是指令，它们直接连接到处理器核，以加快运行时的访问 速度。从物理上说，这种片内的双存储器和总线的结构几乎与哈佛结构的一 样了。然而从逻辑上说，两者还是有重要的区别。 GPP 使用控制逻辑来决定哪些数据和指令字存储在片内的高速缓存里，其程 序员并不加以指定（也可能根本不知道）。与此相反，DSP 使用多个片内存储 器和多组总线来保证每个指令周期内存储器的多次访问。在使用DSP 时，程 序员要明确地控制哪些数据和指令要存储在片内存储器中。程序员在写程序 时，必须保证处理器能够有效地使用其双总线。 此外，DSP 处理器几乎都不具备数据高速缓存。这是因为DSP 的典型数据是 数据流。也就是说，DSP 处理器对每个数据样本做计算后，就丢弃了，几乎 不再重复使用。
3 零开销循环
如果了解到DSP 算法的一个共同的特点，即大多数的处理时间是花在执行较 小的循环上，也就容易理解，为什么大多数的DSP 都有专门的硬件，用于零
开销循环。所谓零开销循环是指处理器在执行循环时，不用花时间去检查循 环计数器的值、条件转移到循环的顶部、将循环计数器减1。 与此相反，GPP 的循环使用软件来实现。某些高性能的GPP 使用转移预报硬 件，几乎达到与硬件支持的零开销循环同样的效果。
4 定点计算
大多数DSP 使用定点计算，而不是使用浮点。虽然DSP 的应用必须十分注意 数字的精确，用浮点来做应该容易的多，但是对DSP 来说，廉价也是非常重
要的。定点机器比起相应的浮点机器来要便宜（而且更快）。为了不使用浮 点机器而又保证数字的准确，DSP 处理器在指令集和硬件方面都支持饱和计
算、舍入和移位。
5 专门的寻址方式
DSP 处理器往往都支持专门的寻址模式，它们对通常的信号处理操作和算法 是很有用的。例如，模块（循环）寻址（对实现数字滤波器延时线很有用）、
位倒序寻址（对FFT 很有用）。这些非常专门的寻址模式在GPP 中是不常使 用的，只有用软件来实现。
6 执行时间的预测
大多数的DSP 应用（如蜂窝电话和调制解调器）都是严格的实时应用，所有 的处理必须在指定的时间内完成。这就要求程序员准确地确定每个样本需要
多少处理时间，或者，至少要知道，在最坏的情况下，需要多少时间。 如果打算用低成本的GPP 去完成实时信号处理的任务，执行时间的预测大概 不会成为什么问题，应为低成本GPP 具有相对直接的结构，比较容易预测执 行时间。然而，大多数实时DSP 应用所要求的处理能力是低成本GPP 所不能 提供的。
这时候，DSP 对高性能GPP 的优势在于，即便是使用了高速缓存的DSP，哪 些指令会放进去也是由程序员（而不是处理器）来决定的，因此很容易判断
指令是从高速缓存还是从存储器中读取。DSP 一般不使用动态特性，如转移 预测和推理执行等。因此，由一段给定的代码来预测所要求的执行时间是完
全直截了当的。从而使程序员得以确定芯片的性能限制。
7 定点DSP 指令集
定点DSP 指令集是按两个目标来设计的： 使处理器能够在每个指令周期内完成多个操作，从而提高每个指令周期的计 算效率。 将存贮DSP 程序的存储器空间减到最小（由于存储器对整个系统的成本影响 甚大，该问题在对成本敏感的DSP 应用中尤为重要）。 为了实现这些目标，DSP 处理器的指令集通常都允许程序员在一个指令内说 明若干个并行的操作。例如，在一条指令包含了MAC 操作，即同时的一个或 两个数据移动。在典型的例子里，一条指令就包含了计算FIR 滤波器的一节 所需要的所有操作。这种高效率付出的代价是，其指令集既不直观，也不容 易使用（与GPP 的指令集相比）。 GPP 的程序通常并不在意处理器的指令集是否容易使用，因为他们一般使用 象C 或C++等高级语言。而对于DSP 的程序员来说，不幸的是主要的DSP 应 用程序都是用汇编语言写的（至少部分是汇编语言优化的）。这里有两个理 由：首先，大多数广泛使用的高级语言，例如C，并不适合于描述典型的DSP 算法。其次，DSP 结构的复杂性，如多存储器空间、多总线、不规则的指令 集、高度专门化的硬件等，使得难于为其编写高效率的编译器。 即便用编译器将C 源代码编译成为DSP 的汇编代码，优化的任务仍然很重。 典型的DSP 应用都具有大量计算的要求，并有严格的开销限制，使得程序的 优化必不可少（至少是对程序的最关键部分）。因此，考虑选用DSP 的一个 关键因素是，是否存在足够的能够较好地适应DSP 处理器指令集的程序员。
8 开发工具的要求
因为DSP 应用要求高度优化的代码，大多数DSP 厂商都提供一些开发工具， 以帮助程序员完成其优化工作。例如，大多数厂商都提供处理器的仿真工具，
以准确地仿真每个指令周期内处理器的活动。无论对于确保实时操作还是代 码的优化，这些都是很有用的工具。 GPP 厂商通常并不提供这样的工具，主要是因为GPP 程序员通常并不需要详 细到这一层的信息。GPP 缺乏精确到指令周期的仿真工具，是DSP 应用开发 者所面临的的大问题：由于几乎不可能预测高性能GPP 对于给定任务所需要 的周期数，从而无法说明如何去改善代码的性能。
|
楼主
标题置顶
标题高亮
