 这是我现在看到的写得最全的一篇，贴出来和大家分享。 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，FI R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，然后将任何的乘积加起来，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器件和通用处理器（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，也需要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，几乎任何的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，做一次乘法会发生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，分别存储程式和数据。他们有两 组总线连接到处理器核，允许同时对他们进行访问。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和指令。在这种布局下，DSP得以实现单周期的 MAC指令。 更有一个问题，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，他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和哈佛结构的相同了。然而从逻辑上说，两者还是有 重要的区分。 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，其程式员并不加以 指定（也可能根本不知道）。和此相反，DSP使用多个片内存储器和多组总线来确保每个 指令周期内存储器的多次访问。在使用DSP时，程式员要明确地控制哪些数据和指令要存 储在片内存储器中。程式员在写程式时，必须确保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 假如了解到DSP算法的一个一起的特点，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。 和此相反，GPP的循环使用软件来实现。某些高性能的GPP使用转移预告硬件，几乎达到 和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，廉价也是很重要的。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确保数字的准确，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，他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）。这些很专门的寻址模式在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，任何的处理必须在 指定的时间内完成。这就需要程式员准确地确定每个样本需要多少处理时间，或，至 少要知道，在最坏的情况下，需要多少时间。 假如打算用低成本的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具备相对直接的结构，比较容易预测执行时间。然而，大多数实时 DSP应用所需要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 也是由程式员（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 代码来预测所需要的执行时间是完全直截了当的。从而使程式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程式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式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任何操作。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（和GPP的指令集相比）。 GPP的程式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的程式员来说，不幸的是主要的DSP应用程式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 都具备大量计算的需要，并有严格的开销限制，使得程式的优化必不可少（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处理器指令集的程式员。 8 研发工具的需要 因为DSP应用需要高度优化的代码，大多数DSP厂商都提供一些研发工具，以帮助程式员 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程式员通常并无需周详到这一层的 信息。GPP缺乏精确到指令周期的仿真工具，是DSP应用研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，从而无法说明怎样去改善代码 的性能。 |
喜欢本文，那就收藏到： |
.text:''):(d.getSelection?d.getSelection():'');void(keyit=window.open('http://my.poco.cn/fav/storeIt.php?t='+escape(d.title)+'&u='+escape(d.location.href)+'&c='+escape(t)+'&img=http://www.h-strong.com/blog/logo.gif','keyit','scrollbars=no,width=475,height=575,status=no,resizable=yes'));keyit.focus(); "添加到POCO网摘"){kind=logo}
Rss Feed
