標題：基于TI C6000系列DSP的C／C++程序優化技術
摘 要：在現代DSP的開發中，越來越多地采用C／c++作為開發語言，而C／C++程序的優化成為DSP’軟件開發的重要環節。在此介紹TI C6000的軟件開發流程，重點討論C6000系列的C／C++程序優化技術，包括優化流程，C／C++代碼優化方法，編寫線形匯編代碼優化方法等。為DSP的C/C++軟件開發提供了全面的程序優化技術和方法，對實際系統的開發具有重要的現實意義。
關鍵詞：C6000；程序優化；軟件流水；線性匯編
0 引 言
目前在DSP平臺上編程多使用匯編語言與C語言，為了追求代碼的高效，過去一般用匯編語言來編制。DSP程序匯編語言簡潔高效，能夠直接操作DSP的內部寄存器、存儲空間、外設，但可讀性、可修改性、可移植性較差；隨著DSP應用范圍不斷延伸，應用的日趨復雜，匯編語言程序在可讀性、可修改性、可移植性和可重用性的缺點日益突出，軟件需求與軟件生產力之間的矛盾日益嚴重。引入高級語言(如C語言，C++，Java)，可以解決該矛盾。在高級語言中，C語言是一種較為高效的高級語言，在可讀性、可移植性等方面優于匯編指令。各個DSP芯片公司都相繼推出了相應的C語言編譯器。
但由于DSF結構的特殊性，使得該平臺上的C語言編譯器無法充分發揮DSP器件的性能優勢。同樣功能的C語言程序，效率往往只有直接書寫的匯編程序的幾分之一甚至幾十分之一，因此有必要根據DSP的特性對C語言編寫的程序進行進一步的優化。
l TMS320C6000處理器介紹
TMS320C6000是TMS320系列產品中的新一代高性能DSP芯片，共分為兩大系列。其中定點系列為TMS320C62xx和TMS320C64xx；浮點系列為TMS320C67xx。由于TMS320C6000的開發主要面向數據密集型算法，它有著豐富的內部資源和強大的運算能力，所以被廣泛地應用于數字通信和圖像處理等領域。
C6000系列CPU中的8個功能單元可以并行操作，并且其中兩個功能單元為硬件乘法運算單元，大大地提高了乘法速度。DSP采用具有獨立程序總線和數據總線的哈佛總線結構，僅片內程序總線寬度就可達到256位，即每周期可并行執行8條32位指令；片內兩套數據總線的寬度分別為32位；此外，DSP還有一套32位DMA專用總線用于傳輸。靈活的總線結構使得數據瓶頸對系統性能的限制大大緩解。C6000的通用寄存器組能支持32位和40位定點數據操作，另外C67xx和C64xx還分別支持64位雙精度數據和64位雙字定點數據操作。除了多功能單元外，流水技術是提高DSP程序執行效率的另一主要手段。由于TMS320C6000的特殊結構，功能單元同時執行的各種操作可由VLlW長指令分配模塊來同步執行，使8條并行指令同時通過流水線的每個節拍，極大地提高了機器的吞吐量。
2 C6000軟件開發流程
圖1為C6000的軟件開發流程圖。圖中陰影部分是開發C代碼的常規流程，其他部分用于輔助和加速開發討程．
C／C++源文件首先經過C／C++編譯器(C／C++cornpiler)轉換為C6000匯編源代碼。編譯器、優化器(optimizer)和交疊工具是C／C++編譯器的組成部分。編譯器使用戶能一步完成編譯、匯編和連接；優化器調整合修改代碼以提高C程序的效率；交疊工具把C／C++語句和對應的匯編語句交疊列出。
匯編源代碼再經過匯編器(Assembier)翻譯為機器語言目標文件。機器語言是基于通用目標文件格式(Common Object File Format，COFF)的。
連接器(Linker)連接目標文件，生成一個可執行文件。它要完成地址的重分配(Relocation)和解析外部引用(Resolve External References)。
得到可執行文件之后就可以進行調試。可用軟件仿真器(Simulator)在PC機上對指令和運行時間進行精確仿真；用XDS硬件仿真器(Emulator)在目標板上進行調試。
調試通過后即可下載到目標板進行獨立運行。
3 程序優化流程及方法
3．1 程序優化階段
由于DSP應用的復雜度，在用C語言進行DSP軟件開發時，一般先在基于通用微處理器的PC機或工作站上對算法進行仿真，仿真通過后再將C程序移植到DSP平臺中。
所以，DSP的軟件開發與優化流程主要分為3個階段：C代碼開發階段；C代碼優化階段；手工匯編代碼重編寫階段。如圖2所示。
在圖2中，第一階段：沒有C6000知識的用戶能開發自己的C代碼，然后使用CCS中的代碼剖析工具，確定C代碼中可能存在的低效率段，為進一步代碼優化做好準備。第二階段：C代碼優化階段。在這個階段，主要利用intrinsics函數以及編譯器編譯選項來提高代碼的性能。優化后利用軟件模擬器檢查代碼的效率，如仍不能達到期望的效率，則進入第三階段。第三階段：寫線性匯編優化。在這個階段中，用戶把最耗費時間的代碼抽取出來，重新用線性匯編寫，然后使用匯編優化器優化這些代碼。在第一次寫線性匯編時，可以不考慮流水線和寄存器分配。然后，提高線性匯編代碼性能，往代碼中添加更多的細節，如分配寄存器等。由于這一階段所需的時間要比第二階段多，所以整個代碼的優化盡量放在第二階段來完成，而少使用線性匯編代碼優化。
3．2 C／C++代碼優化方法
為了使C／C++代碼獲得最好的性能，可以使用編譯選項、軟件流水、內聯函數和循環展開等方法來對代碼進行優化，以提高代碼執行速度，并減小代碼尺寸。
3．2．1 編譯器選項優化
C／C++編譯器可以對代碼進行不同級別的優化。高級優化由專門的優化器完成，低級的和目標DSP有關的優化由代碼生成器完成。圖3為編譯器、優化器和代碼生成器的執行圖。
當優化器被激活時，將完成圖3所示的過程。C／C++語言源代碼首先通過一個完成預處理的解析器(Parser)，生成一個中間文件(．if)作為優化器(Optimi-zer)的輸入。優化器生成一個優化文件(．opt)，這個文件作為完成進一步優化的代碼生成器(Co
最簡單執行優化的方法是采用cl6x編譯程序，在命令行設置一On選項即可。n是優化的級別(n為0，1，2，3)，它控制優化的類型和程度。
3．2．2 軟件流水優化
軟件流水是編排循環指令，使循環的多次迭代并行執行的技術。使用一02和一03選項編譯C／C++程序時，編譯器就從程序中收集信息，嘗試對程序循環做軟件流水。
圖4顯示一個軟件流水循環。圖4中A，B，C，D和E表示1次迭代中的各條指令；A1，A2，A3，A4和A5表示一條指令執行的各階段。循環中，一個周期最多可并行執行5條指令，即圖中陰影部分所示的循環核(Loop Kernel)部分。循環核前面的部分稱為流水循環填充(Pipelined Loop Prolog)，循環核后面部分稱為循環排空(Pipelined Loop Epilog)。
3．2．3 內聯函數優化
通過下面的方法改進C語言程序，可使編譯出的代碼性能顯著提高：
(1)使用intrinsics(內聯函數)替代復雜的C／C++代碼；
(2)使用字(Word)訪問存放在32位寄存器的高16位和低16位字段的數據；
(3)使用雙字訪問存放在64位寄存器的32位數據(僅指C64xx／C67XX)。
C6000編譯器提供了許多內聯函數，它們直接對應著C62X／C64X／C67X指令可快速優化C代碼。這些內聯函數不易用C／C++語言實現其功能。內聯函數用前下劃線“_”特別標示，其使用方法與調用函數一樣。例如C語言的飽和加法只能寫為需要多周期的函數：
這段復雜的代碼可以用_sadd()內聯函數實現，它是一個單周期的C6x指令。
result=_sadd(a，b)；
要提高C6000數據處理率，應使一條Load／Store指令能訪問多個數據。C6000有與內聯函數相關的指令，例如_add2()，_mpyhl()，_mpylh()等，這些操作數以16位數據形式存儲在32位寄存器的高位部分和低位部分。當程序需要對一連串短型數據進行操作時，可使用字1次訪問2個短型數據，然后使用C6000相應指令來處理數據。相似的在C64x或C67x中，有時需要執行64位的LDDW來訪問兩個32位數據，4個16位數據，甚至8個8位數據。
3．2．4 循環展開
循環展開是改進性能的另一種，即把小循環的迭代展開，以讓循環的每次迭代出現在代碼中。這種方法可增加并行執行的指令數。當每次迭代操作沒有充分利用C6000結構的所有資源時，可使用循環展開提高性能。
有3種使循環展開的方法：
(1)編譯器自動執行循環展開；
(2)在程序中使用UNROLL偽指令建議編譯器做循環展開；
(3)用戶自己在C／C++代碼中展開。
3．3 匯編優化
在對C／C++代碼使用了所有的C／C++優化手段之后，如果仍然不滿意代碼的性能，就可以寫線性匯編程序，然后用匯編優化器進行優化，生成高性能的代碼。
3．3．1 寫線性匯編
使用C6000的剖析工具(Profiling Tools)可以找到代碼中最耗費時間的部分，就是這部分需要用線性匯編重寫。線性匯編代碼與匯編源代碼相似，但是，線性匯編代碼中沒有指令延遲和寄存器使用信息。這樣做的目的是由匯編優化器來為自己設定這些信息。
寫線性匯編代碼時，需要知道：匯編優化器偽指令、影響匯編優化器行為的選項、TMS320C6000指令、線性匯編源語句語法、指定寄存器或寄存器組、指定功能單元、源代碼注釋等。
3．3．2 匯編優化器優化
匯編優化器的任務主要有：
(1)編排指令，最大限度的利用C6000的并行能力；
(2)確保指令滿足C6000的延遲要求(Latency Requirements)；
(3)為源代碼分配寄存器。
4 結 語
C6000系列的DSP C／c++代碼優化比傳統的代碼優化要方便的多，但要真正發揮其芯片的工作效率還是需要一定的經驗和技巧。這不僅要求開發人員熟悉其硬件體系，還要求對編譯器的編譯原理有一定的理解。另外，在C語言層面上要達到DSP芯片的峰值即8條指令并行是很難的，大多情況下都只能達到6．7條指令并行。在實際開發中，若優化結果已達到6，7條指令并行卻還離實時的要求相差很遠，再花大量的人力去力求達到8條指令并行是不經濟的，此時應該考慮其他的技術改進或策略上的調整以求達到目的。