DSP 优化心得
九、
1、源程序
for (i = 0; i < n; i++)
{
max = -32767;
for (j = 0; j < n; j++)
{
if (sub (tmp2[j], max) >= 0)
{
max = tmp2[j];
ix = j;
}
}
tmp2[ix] = -32768;
tmp = ix;
}
2、优化后的程序
if (n0>n1) {temp=n0;n0=n1;n1=temp;}
if (n1>n2) {temp=n1;n1=n2;n2=temp;}
if (n2>n3) {temp=n2;n2=n3;n3=temp;}
if (n3>n4) {temp=n3;n3=n4;n4=temp;}
if (n0>n1) {temp=n0;n0=n1;n1=temp;}
if (n1>n2) {temp=n1;n1=n2;n2=temp;}
if (n2>n3) {temp=n2;n2=n3;n3=temp;}
if (n0>n1) {temp=n0;n0=n1;n1=temp;}
if (n1>n2) {return n1;}
3、优化说明
源程序也为一个求中值的问题，由于已知循环次数固定为5，因此将循环展开使用if语句直接求取中值。
十、
1、源程序
static Word16 Bin2int (Word16 no_of_bits, Word16 *bitstream)
{
Word16 value, i, bit;
value = 0;
for (i = 0; i < no_of_bits; i++)
{
value = shl (value, 1);
bit = *bitstream++;
if (sub (bit, BIT_1) == 0)
value = add (value, 1);
}
return (value);
}
for (i = 0; i < prmno[mode]; i++)
{
prm = Bin2int (bitno[mode], bits);
bits += bitno[mode];
}
2、优化后的程序
value = 0;
bitsp = bits;
bitnop= &bitno[mode][0];
j = *bitnop++;
j1 = *bitnop++;
j2 = *bitnop++;
j3 = *bitnop++;
j4 = *bitnop++;
_nassert(loop[mode]>=35);
for (i = 0; i < loop[mode]; i++)
{
value = value*2 + *bitsp++;
j--;
if (j == 0)
{
*prm++ = value;
value = 0;
j = j1;
j1 = j2;
j2 = j3;
j3 = j4;
j4 = *bitnop++;
}
}
3、优化说明
源程序按照数据位流定义取出参数，为双重循环结构，优化中采用重新根据位流的bit长度定义循环次数，
化简为单重循环，然后优化循环，去除boundary，使pipeline的数目最小。
十一、copy程序的优化
1、源代码：
Word16 i;
for (i = 0; i < L; i++)
{
y = x;
}
2、改编代码：
（1）要求数组长度能被2整除
Word32 i;
Word32 temp;
int *p1 = (int *)&x[0];
int *q1 = (int *)&y[0];
for (i = 0; i < L/2; i++)
{
temp = *p1++;
*q1++ = temp;
}
（2）要求数组长度能被4整除
Word32 i;
Word32 temp1, temp2;
Word32 *pin1, *pin2, *pout1, *pout2;
pin1 = (Word32 *)&x[0];
pin2 = (Word32 *)&x[2];
pout1= (Word32 *)&y[0];
pout2= (Word32 *)&y[2];
for (i = 0; i < L/4; i++)
{
temp1 = *pin1;
temp2 = *pin2;
pin1+=2;
pin2+=2;
*pout1= temp1;
*pout2= temp2;
pout1+=2;
pout2+=2;
}
3、优化方法说明：
把一次循环拷贝一个word16的数改为一次循环拷贝2个word16或4个word16的数。
4、技巧：
充分利用c6xx一次读取32位数的特性，并利用一个指令周期能读取两个数据的特点。
十二、set_zero程序的优化
1、源代码：
Word16 i;
for (i = 0; i < L; i++)
{
x = 0;
}
2、改编代码：
（1）数组长度能被2整除
Word32 i;
int *x1 = (int *)&x[0];
for (i = 0; i < L/2; i++)
{
*x1++ = 0;
}
（2）数组长度能被4整除
Word32 i;
int *x1 = (int *)&x[0];
int *x2 = (int *)&x[2];
for (i = 0; i < L/4; i++)
{
*x1 = 0;
*x2 = 0;
x1++;
x2++;
x1++;
x2++;
}
3、优化方法说明：
把一次循环为一个word16的数赋值改为一次为2个或4个word16的数赋值。
4、技巧：
充分利用C6XX一次读取32位数的特点，并利用一个指令周期能读取两个数据的特点。
十三、32bit数与16bit数相乘
1、源代码：
L_tmp0 = Mac_32_16(L_32, hi1, lo1, lo2);
2、改编代码：
L_tmp0=_sadd(_sadd(_smpyhl(hl32, lo2),
(_mpyus(hl32, lo2)>>16)<<1), L_32);
3、优化方法说明：
hl32是32bit的数，hi1和lo1是16bit的数，且 hl32 = hi 1<<16 + lo1 << 1 ，即hi1和lo1分别是hl32的高16位数和低16位数。
函数Mac_32_16(L_32, hi1, lo1, lo2)实现
L_32 = L_32 + (hi1*lo2)<<1 + ((lo1*lo2)>>15)<<1
源代码是把一个32位的数拆成两个16位的数与一个16位的数相乘，优化后的代码不拆开32位的数，
直接用32位的数与16位的数相乘。运用这种方法必须保证hl32的最低一位数必须为0，否则应用指令_clr(hl32, 0, 0)把
最低位清零。
4、技巧：
源代码中的低16位数lo1是hl32的低16位右移一位得到的（留出一位符号位）。在与lo2相乘时又右移了15位，
所以在改编代码中右移16位，并且是以无符号数与lo2相乘。
十四、32bit数与32bit数相乘
1、源代码：
L_tmp = Mac_32 (L_32, hi1, lo1, hi2, lo2);
2、改编代码：
L_tmp = _sadd(_sadd(_smpyh(hl1_32, hl2_32),
((_mpyhslu(hl1_32, hl2_32)>>16)<<1)+
((_mpyhslu(hl2_32, hl1_32)>>16)<<1)), L_32);
3、优化方法说明：
两个32位的数相乘，不必分成四个16位的数相乘，直接用32位相乘。其中：
hl1_32 = hi1<<16 + lo1<<1, hl2_32 = hi2 <<16 + lo2 <<1 。
源代码实现： L_32 = L_32 + (hi1*hi2)<<1 + ( (hi1*lo2)>>15 + (lo1*hi2)>>15 )<<1
4、技巧：
低16位与高16位相乘时，低16位使用的是无符号数。
十五、16位除法的优化
1、源代码：
Word16 div_s (Word16 var1, Word16 var2) //实现 var1/var2
{
Word16 var_out = 0;
Word16 iteration;
Word32 L_num = (Word32)var1;
Word32 L_denom = (Word32)var2;
for (iteration = 0; iteration < 15; iteration++)
{
var_out <<= 1;
L_num <<= 1;
if (L_num >= L_denom)
{
L_num = L_sub (L_num, L_denom);
var_out = add (var_out, 1);
}
}
return (var_out);
}
2、改编代码：
Word16 div_s1 (Word16 var1, Word16 var2)
{
Word32 var1int;
Word32 var2int;
var1int = var1 << 16;
var2int = var2 << 15;
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
var1int = _subc(var1int,var2int);
return (var1int & 0xffff);
}
3、优化方法说明：
实现16位的除法，要求被除数var1和除数var2都是整数，且var1<=var2。利用C6XX特有的指令subc，实现除法的循环移位相减操作。
4、技巧：
把被除数和除数都转换成32位数来操作，返回时取低16位数。
十六、C6X优化inline举例:
1、原程序：
for (i = LO_CHAN; i <= HI_CHAN; i++)
{
norm_shift = norm_l(st->ch_noise);
Ltmp = L_shl(st->ch_noise, norm_shift);
norm_shift1 = norm_l(st->ch_enrg);
Ltmp3 = L_shl1(st->ch_enrg, norm_shift1 - 1);
Ltmp2 = L_divide(Ltmp3, Ltmp);
Ltmp2 = L_shr(Ltmp2, 27 - 1 + norm_shift1 - norm_shift); // * scaled as 27,4 *
if (Ltmp2 == 0)
Ltmp2 = 1;
Ltmp1 = fnLog10(Ltmp2);
Ltmp3 = L_add(Ltmp1, LOG_OFFSET - 80807124); // * -round(log10(2^4)*2^26 *
Ltmp2 = L_mult(TEN_S5_10, extract_h(Ltmp3));
if (Ltmp2 < 0)
Ltmp2 = 0;
// * 0.1875 scaled as 10,21 *
Ltmp1 = L_add(Ltmp2, CONST_0_1875_S10_21);
// * tmp / 0.375 2.667 scaled as 5,10, Ltmp is scaled 15,16 *
Ltmp = L_mult(extract_h(Ltmp1), CONST_2_667_S5_10);
ch_snr = extract_h(Ltmp);
}
*/
2、优化后程序：
//因循环体太大，拆成两个循环并把相应的函数内嵌以使程序能pipeline，
//用L_div_tmp[]保存因拆分而产生的中间变量。
for (i = LO_CHAN; i <= HI_CHAN; i++)
{
//norm_shift = norm_l(st->ch_noise);
norm_shift = _norm(st->ch_noise);
Ltmp = _sshl(st->ch_noise, norm_shift);
//norm_shift1 = norm_l(st->ch_enrg);
norm_shift1 = _norm(st->ch_enrg);
//Ltmp3 = L_shl1(st->ch_enrg, norm_shift1 - 1);
LLtmp1 = st->ch_enrg;
LLtmp1 = LLtmp1 << (norm_shift1 + 7);
Ltmp3 = (Word32)(LLtmp1 >> 8);
Ltmp2 = IL_divide(Ltmp3, Ltmp);
//Ltmp2 = L_shr(Ltmp2, 27 - 1 + norm_shift1 - norm_shift);
Ltmp2 = (Ltmp2 >> (27 - 1 + norm_shift1 - norm_shift));
if (Ltmp2 == 0)
Ltmp2 = 1;
L_div_tmp = Ltmp2;
}
for (i = LO_CHAN; i <= HI_CHAN; i++)
{
Ltmp2 = L_div_tmp;
Ltmp1 = IfnLog10(Ltmp2);
//Ltmp3 = L_add(Ltmp1, LOG_OFFSET - 80807124);
Ltmp3 = _sadd(Ltmp1, LOG_OFFSET - 80807124);
//Ltmp2 = L_mult(TEN_S5_10, extract_h(Ltmp3));
Ltmp2 = _smpy(TEN_S5_10, (Ltmp3 >> 16));
if (Ltmp2 < 0)
Ltmp2 = 0;
Ltmp1 = _sadd(Ltmp2, CONST_0_1875_S10_21);
//Ltmp = L_mult(extract_h(Ltmp1), CONST_2_667_S5_10);
Ltmp = _smpy((Ltmp1 >> 16), CONST_2_667_S5_10);
//ch_snr = extract_h(Ltmp);
ch_snr = (Ltmp >> 16);
}
3、优化说明
观察上面这个循环，循环体本身比较大，且含有两个函数L_divide（）和
fnLog10（），而C62内部只有32个寄存器，且有些寄存器是系统用的，如B14、B15这样循环体太大将会导致寄存器不够分配，
从而导致系统编译器无法实现循环的pipeline。
为了实现循环的pipeline。我们需要把循环体进行拆分，拆分时要考虑以下几点：
（1）、拆分成几个循环比较合适？在各个循环能pipeline的前提下，拆开的循环个数越少越好。这就要求尽可能让各个
循环的运算量接近。
（2）考虑在什么地方把程序拆开比较合适？循环体里的数据流往往并不是单一的，在拆开的断点处势必要用中间变量保
存上次的循环运算结果，供以后的循环用。适当的拆开循环体，使所需的中间变量越少越好。
（3）循环体中的函数调用必须定义成内嵌形式，含有函数调用的循环系统是无法使之pipeline的；各个循环体中的判断分支
机构不可太多，否则系统也无法使之pipeline，为此应近可能把可以确定下来的分支确定下来，并尽可能用内嵌指令。
针对上面这个例子，考虑：
（1）为让各个循环的运算量大致相当，应把L_divide（）和fnLog10（）分到两个循环中去，从循环体大小上考虑，
估计拆成两个循环比较合适。
（2）考虑在什么地方把程序拆开比较合适？在
if (Ltmp2 == 0)
Ltmp2 = 1;
后拆开，因为后面用到的数据只有Ltmp2，故只需用一个数组保存每次循环的Ltmp2值即可。
（3）循环体中的两处函数调用L_divide（）和fnLog10（）都定义了其内嵌形式，IL_divide（）和IfnLog10（）。
当把可以确定下来的分支作确定处理，并尽可能用内嵌指令后，该循环体中所剩的分支结构已很少，循环体可以pipeline。
优化前程序用2676 cycle，优化后用400 cycle。优化后两个子循环的MII分别为14和6cycle。
内存地址形式： 奔腾，C6000都是32位计算机，字长32，但内存地址都是按字节组织的 一个字4字节（查看内存时候各个字
时候:例如两个连续字ox1000 ox1004) 写汇编程序时候,下一个字也需要+4,但写 C语言时候,int 型,+1就是加4
但是,在Tiger SHARC中,虽然也是32位机,但内存是地址是按字组织的,查看内存时,连续的字地址相差1//////////////////////////////////////////////////////////////////////////////////自己写的一段性能很高的代码///////////////////////////
#include <stdio.h>
#define INTRINSIC short add(short var1,short var2)
{
short var_out;
int L_somme; L_somme = (int) var1 + var2;
return(var_out);
}
int main()
{
int i,result;
#ifdef INTRINSIC
for(i=0; i<1000;i++)
{
result=_sadd(100000,20);
result>0X00007fff?result=0x7fff:(result<0x8000?result=0x8000:0);
}
#else
for(i=0;i<1000;i++)
add(10,20);
#endif return 0;
}
|
楼主
标题置顶
标题高亮
