在TMS320C6x系列DSP上G.729A算法的优化

liyf

                    　　语音通信是现代多媒体通信中一个重要的组成部分，语音压缩又是实现低速率语音通信的关键技术。国际电信联盟（ITU）于1996年提出了一种共轭结构代数码激励线性预测（CS-ACELP）的语音编码算法—G.729。该算法在8kbits码率下具有较好的语音编码质量，且延迟较短，因此在IP电话、移动通信、多媒体网络通信以及各种手持设备中具有广泛应用。G.729A是在G.729基础上进行了一部分简化，使得编码的复杂度降低，对硬件的要求更低，而编码质量并没有明显降低[1][2][3]。
　　2.G.729A的DSP软件开发流程
　　在编写和调试C6000程序时，为了使C6000代码获得最好的性能，我们需要按照软件编程的3个阶段进行，每个阶段完成的任务如下[4]：
　　第一阶段：开始可以不考虑C6000的有关知识，完全根据任务编写C语言程序。在CCS环境下用C6000的代码产生工具，编译产生在C6000内运行的代码，证明其功能正确。然后再用CCS的调试工具，如debug和profiler等，分析确定代码可能存在的、影响性能的低效率段。为进一步改进代码性能，需要进入第二阶段。
　　第二阶段：利用内联函数、CCS编译选项和其他具体优化方法改进C语言程序。重复第一阶段，检查所产生的C6000代码性能。如果产生的代码仍不能达到所期望的性能，则进入第三阶段。
　　第三阶段：从C语言程序中抽出对性能影响很大的程序段，用线性汇编重新编写，再用汇编优化器优化，链接，直到达到所期望的性能要求。
　　具体到G.729A标准编解码器的实时要求，第三阶段是工作的重点，而且线性汇编的重新编写要求对程序代码和DSP的特性有充分的了解。
　　3.?????? G.729A代码的剖析
　　CCS集成开发环境为软件开发人员提供了高效的开发、调试工具。特别是它提供了评价器（ profiler）的优化工具，通过收集在指定代码区间程序执行的统计性能，分析确定程序中各个段、各个子函数所花费的处理器时间，从而把程序的优化集中在对程序性能影响最大的代码段上去[5]。其两种不同的测试方法是：
　　（1） 在需要测定复杂度的程序段的开头和结尾处设定两个断点，打开时钟窗口，运行程序。在第一个断点处执行停止，这时双击时钟窗口使之清0，接着继续执行程序，在第二个断点处停止，这时，时钟窗口显示的值便是该段代码的复杂度。这在测试程序中一个函数的复杂度是非常有用的。
　　（2） 先打开统计窗口，在需要测试的程序段头尾设置统计点（（Probe Point）。程序运行结束后，统计窗口内该程序段后面的统计值便是该代码段的复杂度。这种方法较简单，统计点自动收集统计信息，无需手工干涉，这在测定程序多段代码的复杂度是非常有用。
　　4.?????? 线性汇编的优化
　　线性汇编是TI提供的一种汇编语言，其指令系统和汇编语言的指令系统完全相同，但在编写时不需要指定寄存器和操作单元，也不需要考虑延时的问题，因此编写线性汇编相对要容易一些 [6]。
　　经过第一阶段和第二阶段的优化后，音频编码程序在DM642上的运行状况有了很大改善，但是经测试仍然没有到达实时效果，而高级语言的效率几乎发挥到了极致，测试的速度达到了36.5帧/s，是未优化之前的10倍。这时，我们采用线性汇编语言重新编写C代码的低效率段程序，进一步提高程序的执行效率和充分利用DM642的硬件资源，最终按设计要求在DM642实时实现G.729A编码。在前面的DSP开发流程已经提过，DSP开发的最后一个手段是用汇编重写C代码，它是唯一可以既提高程序执行速度又可以减少程序体积的方法。由于针对并行处理器编写汇编的难度很大，一般采取的是混合编程的方法，即程序的主要部分用C代码，部分耗时较大的函数可以用线性汇编改写。
　　在编写线性汇编优化代码的过程中，为了提高代码执行效率，我们需要遵循以下原则[7]：
　　（1）写并行代码：通过使用汇编指令并行执行的方法减少循环内的执行周期数，优化线性汇编代码。这里的关键问题是弄清指令相关性，只有不相关的指令才能并行执行。辨别指令是否相关，可以使用相关图。
　　（2）处理跳转指令和转移指令：汇编程序的一大特点就是频繁地跳转，当满足不同的条件时，要求程序进行不同的操作，或跳到相应的位置。对于“大于”、“大于等于”、“小于”、“小于等于”等较为接近的逻辑判断和处理，应慎重对待，否则将产生逻辑性错误，并且很难调试。当发生溢出需进行相应处理时，这种现象尤为突出。
　　（3）尽量减少循环体内的指令数：G.729A的算法实现，有许多是在循环内部完成的，有些地方如固定码本搜索过程中，为了确定四个非0脉冲的位置和幅度，还用到了多重循环。在循环内部，特别是在嵌套较深的循环内部，减少一条指令可以大大降低程序的操作次数。例如，对于一个每重循环8次的四重嵌套循环，在最内层循环每减少一条指令，整个程序可以少执行84=4096语句。因此在设计程序时，能够放在循环体外执行的语句，尽量放在循环体外执行。
　　（4）展开程序体：在一定条件下，尽量展开程序，以减少子程序的调用和返回次数，牺牲空间换取时间。
　　G.729A算法中的LPC模块、LSP量化及激励码本搜索耗时最多，为进一步提高代码效率，对相关计算、FIR滤波等部分函数用线性汇编语言进行了改写，并用画相关图等方法有针对性的进行优化。经汇编优化器优化后，代码效率比C语言直接编译有明显提高。
　　5.? 优化工作的创新点
　　在对G.729A的优化中，本文在前人研究成果的基础上，针对TMS320DM642 DSP系列芯片提出了一些有价值的新方法。这些创新点在不同程度上提高了代码的优化速度和执行效率，在语音编解码的DSP实时实现中起到了关键性作用。下面，以举例的方式阐明一些经典的方法。
　　5.1 绘制分析图，掌握函数结构
　　对于一个语句较多、结构复杂的函数，为了充分了解其逻辑结构和语句的相关性，我们通常采用画分析图的方法。分析图的形式比较灵活，可以根据具体的情况选用不同的制图工具。在编写线性汇编的时候，需要考虑存取数组中的元素，数据打包操作和数据相关性等问题，分析图有助于正确处理这些问题。
　　在对函数Cor_h_X（ ）优化过程中，我们遇到了一定的困难，原因在于其中有一个双层的循环体，内层的次数与外层有关，外层的循环次数为40，并且循环内部的语句有先后的相关性。这样的结构如果用循环展开的方法将会用到大量的寄存器，数目超出了64个，需要开辟额外的内存空间去存放临时变量，而读写内存会消耗较多的时间，因此这样执行效率不会有充分的提高。对此，我们利用分析图描述了函数中关键代码的数组X[ ]，h[ ]的使用情况，如图1所示：





　　图1 cor_h_X（ ）函数分析图（部分）
　　图1直观地反映了数组16位h[ ]和16位X[ ]之间的乘加关系，从函数cor_h_X（ ）中可知，两个数组的乘积之和要对应的保存在临时数组32位Y[ ]中。通过研究此分析图，我们发现h[ ]与X[ ]中的一些元素进行乘积和处理之后就不再被使用，那么存储这些元素的寄存器可以存放中间结果（Y[]的元素），这样就可节省寄存器的使用个数，免去了开辟内存空间和中间变量的存取指令。
　　对于函数cor_h_X（ ），利用上述思想编写线性汇编，只需要定义57个寄存器就可以完成所用的操作，存取指令从1760条优化到30条，仅为原来的1/60。同时执行速度从390072个时钟减少到35871个，降为原来的1/10。
　　绘制的分析图可以包含相关图，相关表等，使资源安排更加合理。该方法在其他函数的改写中也多次使用到。
　　5.2 功能相似的函数或代码段合并为一个函数
　　线性汇编在提高代码效率的同时也成倍的增加了代码尺寸，以上述cor_h_X（ ）为例，它在该写后代码尺寸从660条增大到7776条（该数据由CCS剖析工具分析所得）。在工程应用中，对于有限的内存程序区，我们会适当减少程序占用的空间。合并功能相似的函数可以达到这一要求。
　　在LSP量化处理中，源代码中给出了2个LSP选择函数：Lsp_select_1（ ）和Lsp_select_2（ ），而我们发现它们具有相同的功能和相似的结构，因此，在对两者的线性汇编改写中，我们只需编写一个函数（命名为Lsp_select）即可实现LSP量化处理中这两个模块的功能。
　　另外，在对于一些数组拷贝，数组初始化的代码，我们同样可以用此方法，编写一个函数实现，这样可以在提高执行效率的同时，减少程序占用的内存空间。
　　5.3 多个循环合并为一个循环
　　C代码改写线性汇编的时候，我们常常会发现，只要作一些调整，两个或多个循环完成的操作完全可以由一个循环来完成。以LPC子模块240点加窗语音的自相关计算Autocorr（）函数为例，经过优化改写的C代码（部分）如下：
　　for（i=0; i>16;
　　sum = 1;?????????????????? //避免为0的情况
　　for（i=0; i<L_WINDOW; i++）? //第二个循环体
　　sum = _sadd（sum,_smpy（y, y））;
　　这段代码包含了两个for循环，在CCS中直接编译运行并行度很差，利用线性汇编重写代码。我们发现两个循环体的循环次数均为60（L_WINDOW=60），所处理的数组不同，并且两个循环没有相关性，可以把第一和第二个循环合并成一个循环。前者的功能是对语音信号进行加窗；后者是实现乘累加（Mac）。两者合并后采用线性汇编编写，其代码如下：
　　mvk 60,i? //设置循环次数
　　loop1: lddw *ham++,hamih:hamil? //hamwindow[]指针
　　lddw *x++,xih:xil? //x[]指针
　　smpy2 hamil,xil,yi1:yi0? //两对16位操作数相承，并行执行
　　smpy2 hamih,xih,yi3:yi2
　　sadd yi0,cON0x8000,yi0
　　sadd yi1,con0x8000,yi1
　　sadd yi2,con0x8000,yi2
　　sadd yi3,con0x8000,yi3
　　packh2 yi1,yi0,yl? //数据打包技术
　　packh2 yi3,yi2,yh
　　stdw yh:yl,*y++? //双字存取，提高执行效率
　　smpy2 yl,yl,yi1:yi0
　　sadd sum0,yi1,sum0
　　sadd sum0,yi0,sum0
　　smpy2 yh,yh,yi3:yi2
　　sadd sum0,yi3,sum0
　　sadd sum0,yi2,sum0
　　add i,-1,i
　　?? b loop1? //把第一和第二个循环合成一个大循环，减少转移次数
　　产生的汇编代码并行流水性能大大增加，耗费的时钟周期数从1310000减少到15000，少于改编前的1/8。
　　6.?????? 结束语
　　关于编解码器执行的时钟周期，在线性汇编改写前后，文件版本通过CCS的profiler剖析工具得知：每10帧（100ms）从159700000降至68500000，仅为原来的42%。硬件版本进行测试得：编解码的帧数提高到了88帧/s以上，鉴于编码、解码的时间比例为5:1，所以，本系统编码已经达到100帧/s，完全符合实时通信的要求。