基于ADSP－BF533处理器的H．264解码器

Embedded007

引 言 　　H．264是ITU T的VCEG和ISO／IEC的MPEG联合成立的联合视频组JVT(Joint Video Tearn)共同制定的新视频编码标准，定位于覆盖整个视频应用领域。H．264标准采用了基于可变大小宏块的运动补偿、多帧参考、整数变换、基于1／4像素精度的运动估计、去块效应滤波器等新技术，因而获得更好的压缩性能，同时也导致了运算量的大幅度增加。
　　Blackfin处理器采用了ADI公司和英特尔公司共同开发的微信号结构，在结构中加人专门的视频处理指令，工作频率高达756 MHz，能完成12OOM次／s乘加操作。与采用超标量结构或超长指令集的DSP(如TI的C6000系列)相比，Blackfin处理器在功耗、成本方面具有很大的优势，非常适合嵌入式的视频应用。
　　1 H．264视频编码标准
　　H．264视频编解码器的基本结构与早期的编码标准(H．263、MPEG4等)相似，都是由运动补偿、变换、量化、熵编码、环路去块效应滤波器等功能单元组成的。H．264标准的改进主要体现在各功能模块内部。H_264的重大改进表现在以下几个方面：
　　①高精度的基于1／4像素精度的运动预测。
　　②多种宏块划分模式。每个宏块(16×16像素)的亮度分量有7种分区方法：16×16、16×8、8×16、8×8、8×4、4×8、4×4。
　　③多帧预测。在帧间编码时，可选5个不同的参考帧。
　　④整数变换。采用基于4×4像素块的整数变换代替DCT变换。
　　⑤H_264／AVC支持两种熵编码方法，即CAVLC(基于上下文的自适应可变长编码)和CABAC(基于上下文的自适应算术编码)。CAVLC的抗差错能力比较高，而编码效率比CABAC低；CABAC编码效率高，但需要的计算量和存储容量更大。
　　⑥帧内预测编码。H．264采用了多种设计合理的帧内预测模式，大大降低了I帧的编码率。
　　⑦网络适配层NAL(Network Abstraction Layer)为视频编码层提供一个与网络无关的统一接口，使视频编码数据能适应不同的网络应用环境。
　　H．264分为7种不同的框架(profile)——Baselineprofile、Main profiIe、Extended profile、High profik、High10 profik、High4：2：2 profile和High 4；4：4，分别代表不同的技术限制和算法集合。其中baseline prome的使用是不收版权费的。
　　2 基于ADSP—BF533的软硬件实现平台
　　硬件平台采用ADI公司的ADSP—BF533 EZ—kit Lite评估板。此评估板包括l块ADSP—BF533处理器，32MB SDRAM，2 MB? Flash，ADVl836音频编解码器外接4输入／6输出音频接口，ADV7183视频解码器和ADV7171视频编码器外接3输入／3输出视频接口，1个UART接口，1个USB调试接口，1个JTAG调试接口。评估板系统结构框图如图1所示。

　　评估板上采用的ADSP—BF533处理器，工作频率高达756 MHz。该处理器有以下特点：双16位乘法累加器；双40位算术逻辑单元(ALU)；4个8位视频ALU；1个40
　　位移位器；专用的视频信号处理指令；148 KB的片内存储器(16 KB可作为指令Cache，32 KB可作为数据Cache)；动态电源管理功能等。Blackfin处理器还包括丰富的外设和接口：EBIU接口(4个128 MB SDRAM接口，4个l MB异步存储器接口)，3个定时／计数器，1个UART，1个SPI接口，2个同步串行接口，1路并行外设接口(支持ITU一656数据格式)等等。Blackfin处理器在结构上充分体现了对媒体应用(特别是视频应用)算法的支持。
　　软件验证采用如下方式：首先，通过DSP仿真器将H．264编码文件拷贝到评估板的存储器里。然后，软件从存储器中读取编码文件的数据，进行解码操作。最后，将解码的数据通过PPI接口输出到ADV7171芯片，ADV7171芯片将输入的视频数据编码为PAL格式输出到显示器上二进行显示。
　　Blackfin处理器的软件开发平台是VisualDSP++4．0。
　　3 H 264实时解码器软件设计
　　3.1软件总体设计
　　为了实现实时解码的要求，需要优化程序的设计。优化流程如下：
　　①在PC机上进行算法的验证和评估、优化程序的流程设计和数据结构设计。
　　②将程序代码移植到Blackfin处理器。在Visual—DSP++集成开发环境里进行编译，删除PC平台相关的代码，添加DSP平台相关的代码。
　　③进行基于DSP平台的优化操作。设置速度优化的编译参数，进行C语言级的优化，用汇编指令改写最耗时的函数，通过使用专用的向量指令和并行指令减少函数的执行时间。
　　3.2 在PC机上实现并优化解码器程序
　　解码器程序参考了JM9．6，并在以下方面作了优化：
　　①由于只支持Baseline profile，删除有关B帧、SI片、SP片和数据分割等不支持特性的冗余程序代码；
　　②修正JM9．6，每次处理一个Slice时都要分配内存，读取其中信息，再释放内存，合理安排内存空间的分配和释放；
　　③将I帧、P帧分别独立解码，宏块解码也按预测模式和预测方向分成不同的解码模块，以省去中间的重复判断，提高解码速度；
　　④优化CAVLC码表的查询方法。

Embedded007

3.3 程序移植 　　VisualDSP++是一款支持Blackfin处理器的集成开发、调试环境，包括VisuaIDSP++内核(VDK)、C／C++编译器、高级图形绘制工具、调试工具、器件模拟器等多种功能；能够很好地支持在Blackfin处理器上用C／C++语言进行开发工作。
　　移植的第一步是除去所有的编译环境不支持的函数(例如某些时间相关的函数)，将文件操作修改为读取文件数据缓存的操作，删除SNR信息收集和信息打印输出等DSP平台实现不需要的代码。第二步是添加与硬件相关的代码。这些代码包括系统初始化代码、输出模块代码、中断服务程序和解码速率控制程序等程序代码。
　　移植完毕后，就实现了基于ADSP-BF533处理器的H_264解码器；但速度达不到实时解码的要求，还需要进行优化。
　　3.4 基于DSP平台的优化
　　基于DSP平台的优化分为系统级优化、C程序级优化和汇编级优化。
　　(1)系统级优化
　　打开编译器中的优化开关，设置为速度最优化；打开自动内联开关；打开“Interprocedural optimization”(过程间优化)开关；使用VisualDSP++编译器的PGO(Profile—Guided Optimization)优化编译技术。
　　(2)C程序级优化
　　C程序级的优化主要是针对BIackfin处理器的具体特点进行优化：
　　①编写链接描述文件，将经常用的数据存储在片内存储器，例如CAVLC熵解码的码表；启用指令Cache和数据Cache，设置好启用Cache机制的指令地址和数据地址。
　　②将除法操作转换为乘法操作或者采用查表法计算。
　　③减少对片外存储器的访问次数。对于经常访问的片外存储器区域，设置Cache使能，并可设置Cache锁定，防止被缓存的数据被替换，减少Cache未命中的几率。
　　④对于能够用较短的数据类型表达的数据改用较短的数据类型表达，例如原定义为int类型的4×4逆整数变换的输人数据，实际上可以定义为short类型。
　　(3)汇编级优化
　　汇编级优化通常遵循以下原则：
　　①　使用寄存器代替局部变量。如果局部变量用来保存计算的中间结果，那么用寄存器
　　代替局部变量可以省掉很多访问内存的时问。
　　②　使用硬件循环代替软件循环。．Blackfin处理器有专用的硬件支持两级嵌套的零开销
　　硬件循环。用硬件循环代替软件循环可避免堵塞流水线，提高速度。
　　③　使用并行指令和向量指令。使用并行指令和向量指令，可以充分利用Blackfin处理器的SIMD系统结构的优点和内部硬件资源的并行处理优点，减少指令执行次数和提高指令执行效率。使用1条并行指令同时执行2条或3条非并行指令。向量指令可以同时对多个数据流进行相同的加工操作。
　　④　使用视频处理指令。视频处理应用可以使用Blackfin处理器专用的视频处理指令，提高执行效率。
　　将最耗时的一些函数用汇编语言改写，充分利用Blackfin处理器的S1MD结构的优点和硬件上的并行性，在一个指令周期内执行多个操作，减少函数执行需要的指令周期。最耗时的函数有宏块解码函数decode_one_macroblock、逆整数变换函数itrans、去块效应滤波函数EdgeLoop、滤波门限计算函数Get_Strength等函数。
　　下面以4×4矩阵逆整数变换函数itrans和1／4像素插值滤波get_block()，说明用汇编指令优化带来的性能提高。4×4矩阵的逆整数变换函数itrans采用的是2级蝶形运算，先对4×4矩阵的每一行分别做行逆变换，再对每一列做列逆变换。一维变换采用如图2所示的蝶形算法。

　　Blackfin处理器的SIMD结构支持向量操作，最多可以在1个周期内完成4个16位的加法操作。它的并行指令能同时进行算术运算和两个数据的装载／存储操作。例如上述的蝶形运算可以用如下指令实现(设寄存器IO中保存了输人数据y[4][4]的地址，I2中保存了系数数组cof[2]={0x7fff，0x4000}的地址，Il中保存了临时变量tmp[4][4]的地址，R2和R1保存的是中问结果)：
　　R7=[IO++]；
　　Al=R6．I*R7．1，AO=R6．1*R7．1(IS)┃│I R5=
　　[10++]┃┃[││++]=R2；
　　R4．h =(A1一一R5．1*R6．1)，R4．1=(AO+=R5．1*R6．1)(IS)││W[I1++]=R1．h；
　　R7．1=R6．1*R5．h(IS)1 W[11++]=R1．1；
　　R5=R7>>>1(v)；
　　A1=R6．1*R5．h，AO—R6．1*R5．1(IS)；
　　R3．h一(A1+一R6．1*R7．1)， R3．1一(AO =R6．1*R7．h)(IS)；
　　R2=R4+l+R3,R1=R4一│ 一R3：
　　完成一次一维逆变换只需8条指令，算上函数调用的开销和其他一些辅助指令，完成一个4×4矩阵的逆整数变换时总共需要82条指令周期。表1是优化前、后的比较。

　　get_block函数对像素矩阵进行1／4像素插值操作。先用六阶滤波器进行1／2像素插值，然后用线性内插法进行l／4像素插值。
　　l／2像素b计算方法为：b=round((E一5F+20G+20H一5I+j)／32)。示意图如图3所示。E、F、G、H、I、J是整数像素，b是G和H之问的1／2像素。

　　像素的亮度值为unsigned char类型，先利用并行指令可以在1个指令周期内将8个像素的亮度值读到寄存器，然后利用视频专用指令将4个字节解包到1个寄存器对(R1：O或R3：2)中去，利用向量指令在1个周期内进行2次乘加操作。通过视频专用指令、向量指令和并行指令的使用，减少了函数指令的指令周期数。
　　4 实验结果
　　在EZKit533开发板上测试了解码器算法，对CIF格式(352×288)的foreman测试序列，可以达到45～50帧／s的解码速度；对CIF格式的mobile测试序列，能够达到40帧～44帧的解码速度。如果增加解码速率控制模块，可以稳定地实现以30帧／s的速率播放CIF测试序列。实验结果证明，在Blackiln处理器上实现H．264实时解码器是可行的。ADI公司甚至声称可以在600 Mtz的BF533处理器上实现D1(720×576)格式的视频实时解码器。
　　BIackfin处理器有低功耗、低成本和高性能的特点。在Blackfin处理器上实现的H．264视频解码器很适合用于IP机顶盒、可视电话、PMP(便携式媒体播放器)等嵌人式视频应用中。