基于ARM926EJ-S的MPEG-4軟解碼器的優(yōu)化與實現(xiàn)

1 引 言

MPEG-4視頻壓縮標準自問世以來受到人們的廣泛關(guān)注。近幾年，嵌入式應用中對MPEG-4播放器的實現(xiàn)已經(jīng)成為眾多廠家的研究熱點。專用的MPEG-4播放芯片已經(jīng)非常普遍，但是減少功耗和降低成本一直是商家追求的目標，因此，隨著嵌入式的主流微處理器ARM的處理能力越來越強，用他來實現(xiàn)MPEG-4系統(tǒng)的軟解碼成為了眾多嵌入式設計公司研究的重點內(nèi)容。由于MPEG-4系統(tǒng)龐大且需要大量的數(shù)據(jù)處理，因此在ARM中實現(xiàn)MPEG-4軟解碼需要對其原算法進行充分的優(yōu)化才能達到理想的性能。為此研究了一種基于ARM926EJ-S微處理器的MPEG-4解碼算法的純軟件實現(xiàn)和優(yōu)化的方法，通過對解碼算法的軟件優(yōu)化，將QVGA格式MPEG-4碼流在ARM9平臺上的播放速度由原來的10 f／s提高到了37 f／s，完全達到了流暢播放的要求，具有很高的實用價值。

2開發(fā)平臺及耗時分析

論文研究使用的是基于ARM926EJ-S微處理器的綜合開發(fā)平臺，采用Linux操作系統(tǒng)，外接320*240(QVGA格式)的LCD顯示屏。ARM926EJ-S微處理器的時鐘頻率為190 MHz；采用5級整數(shù)流水線操作，支持32位ARM指令集和16位Thumb指令集以及擴充的DSP指令集；支持數(shù)據(jù)Cache和指令Cache，具有更高的指令和數(shù)據(jù)處理能力。軟件編譯環(huán)境為ADS1.2，使用Multi-ICE下載程序。

MPEG-4 SP級算法流程圖如圖1所示。優(yōu)化的前期工作首先要將MPEG-4解碼代碼移植到開發(fā)平臺上，然后對解碼各個模塊進行運算量和耗時分析，找出優(yōu)化的重點內(nèi)容。本文采用長度為376 934 B的AVI碼流為測試序列，該碼流共95幀，其中包括8個I幀，87個P幀。在未優(yōu)化前測得的耗時分析結(jié)果如表1所示，整個測試序列解碼播放完畢耗時10.05 s，解碼播放速度只有9.5 f／s。

在ARM上用軟件實現(xiàn)MPEG-4解碼器的主要任務是提高解碼速度，同時達到理想的畫面播放效果。因此，怎樣使耗時部分根據(jù)ARM處理器的特性提高程序執(zhí)行效率是我們的主要工作，也是研究實現(xiàn)的重點。

3 MPEG-4解碼算法在ARM926EJ-S上的優(yōu)化

MPEG-4軟解碼以開源的XVID源代碼做為參考，將XVID的C源代碼移植到ARM平臺上，在此基礎上進行優(yōu)化并測試優(yōu)化后的解碼播放性能。優(yōu)化主要從3個方面進行：

(1)對XVID源代碼的軟件結(jié)構(gòu)，程序流程進行適合ARM特點的調(diào)整。
(2)對運算量較大、耗時較多的模塊編寫匯編函數(shù)代替C程序模塊，提高程序執(zhí)行效率。
(3)尋找快速或并行算法。

3.1軟件結(jié)構(gòu)的優(yōu)化

ARM的資源非常有限，在軟件的結(jié)構(gòu)安排上應盡量減少存儲器訪問，增加Cache的命中率，提高程序執(zhí)行效率。

3.1.1 適當?shù)哪K合并處理以減少存儲器的訪問次數(shù)

優(yōu)化前的源代碼中，I幀與P幀的宏塊解碼軟件結(jié)構(gòu)如圖2所示。在這個流程中，對于inter宏塊，可變長解碼(VLD)，反掃描(Iscan)，反量化(Iquant)三個過程中有3次的Block存儲區(qū)讀，2次Block存儲區(qū)寫和1次Data存儲區(qū)寫。然而這些數(shù)據(jù)的處理并不存在關(guān)聯(lián)性，為減少存儲器訪問帶來的浪費，可以將在Block存儲區(qū)讀取的數(shù)據(jù)將這三個步驟全部進行完之后再放回存儲區(qū)。因此可對這三個步驟進行合并處理。具體的做法是：將原來的兩個函數(shù)：

合并后VLD從Block緩沖區(qū)讀數(shù)據(jù)處理后馬上進行反掃描和反量化，并將反量化后的數(shù)據(jù)存入Block中。整個過程只進行了一次Block緩沖區(qū)的讀和寫，不僅減少了兩個讀寫操作，還減少了一個Data緩沖區(qū)的開辟。同時，對于P幀在VLD之后立即進行反量化還省去了大量零值的處理，這也是考慮合并的主要因素之一。

同樣，I幀中的AC／DC預測和反量化也可以進行合并。做法是：將add_acdc(pMB，i，&block[i*64]，iDcScaler，predictors)；dequant_intra(&data[i*64]，&block[i*64]，iQuant，iDcScaler)兩個函數(shù)合并為：add_acde(pMB，i，&block[i*64]，iDcSealer，predictors，cbpcontrol，iQuant)。這個過程在減少存儲器的讀寫操作的同時也減少了沒有預測的AC值的反量化過程。

通過以上兩個步驟的合并處理，由測試序列測試之后發(fā)現(xiàn)解碼播放完畢耗時5.23 s，速度提高了將近9 f／s，效果非常明顯。

3.1.2 調(diào)整子塊處理以增加Cache命中率

MPEG-4每個宏塊由6個子塊組成。在XVID源代碼中，宏塊解碼中的6個子塊的所有處理一起進行，被放在一個大的for循環(huán)中。ARM9采用哈佛結(jié)構(gòu)，分別擁有I-cache和D-cache，所有處理同時進行，某一子塊的值會一直在D-cache中不被替換，對于D-cache是非常有利的，但是對于I-cache來說卻會造成代碼的不斷替換而影響Cache效率。對于I幀，由于其數(shù)據(jù)量比較大，數(shù)據(jù)替換的開銷會遠遠大于代碼替換，因此不對其做處理。而對于P幀，由于數(shù)據(jù)量小，零值較多，數(shù)據(jù)替換開銷大大降低，因此將其6個子塊的某一處理集中進行，保證這一處理過程的代碼一直存在于I-cache中，以增加cache的命中率。具體的做法是：

這個過程使解碼速度提高了將近4 f／s。

另外對于I幀，IDCT與VOP重建也是可以合并的，這個過程可以減少存儲器的訪問次數(shù)。但是這個合并過程不符合ARM的Cache工作特性，因此優(yōu)化的效果并不明顯，這也是優(yōu)化過程中矛盾折衷的明顯體現(xiàn)。

3.2 編寫ARM匯編函數(shù)

ADS編譯器對C程序有很強的編譯能力，但對于一些運算量較大，涉及存儲器訪問較多的模塊，仍然需要使用ARM匯編優(yōu)化。這部分主要是針對耗時較多的IDCT，插值，VOP重建等模塊。在書寫匯編函數(shù)時，要充分把握ARM處理器的特性，盡量避開多周期指令，避免流水線阻塞，合理分配寄存器以盡量減少存儲器操作。匯編函數(shù)的優(yōu)化包括以下幾點： 3.2.1避免多周期指令

在ARM匯編中，相對耗時的指令主要有存儲器操作指令load／stor，程序跳轉(zhuǎn)指令B，乘法指令MUL等。在編寫匯編函數(shù)時，要盡量的考慮這些指令的替換方案。

對于存儲器操作指令，可以采用多寄存器傳送指令LDM／STM來替換。一次LDR指令需要5個指令周期，而N個寄存器傳送的LDM指令只需要N+4個指令周期。IDCT、插值、VOP重建中的數(shù)據(jù)讀取都是連續(xù)地址操作，可以一次讀人4個甚至更多的數(shù)據(jù)到寄存器以減少程序的執(zhí)行指令周期數(shù)。

其次，一條程序跳轉(zhuǎn)指令B需要3個指令周期，利用手寫匯編可以避免ADS編譯C時經(jīng)常出現(xiàn)的函數(shù)跳轉(zhuǎn)指令，同樣減少了執(zhí)行周期數(shù)。

3.2.2避免流水線阻塞

ARM9采用五級流水線，執(zhí)行效率很高，但是如果指令設置不當，很容易造成流水線阻塞而影響執(zhí)行效率。Load裝載指令和B跳轉(zhuǎn)指令是造成流水線互鎖①和刷新②的重要因素。解決流水線互鎖的辦法主要是預裝載和循環(huán)展開。

預裝載，即將接下來要用到的數(shù)據(jù)在不影響寄存器使用的情況下提前兩個以上指令周期裝載到寄存器中。這是由于load指令裝載到寄存器的數(shù)據(jù)在接下來的2個周期中還不能被使用，會造成流水線的互鎖。

循環(huán)展開，即將循環(huán)體內(nèi)的主體多次循環(huán)將循環(huán)跳轉(zhuǎn)次數(shù)減少。這樣不僅可以減少B跳轉(zhuǎn)指令帶來的流水線刷新，同時可以在前一個循環(huán)中通過預裝載下一個循環(huán)需要用的數(shù)據(jù)來避免流水線的互鎖。

3.2.3盡量減少存儲器操作

將經(jīng)常使用的數(shù)據(jù)保持在寄存器中，避免每次用數(shù)據(jù)時都從存儲器讀取。尤其在IDCT中，盡量將一行或一列的數(shù)據(jù)一直保持在寄存器中，寄存器的執(zhí)行效率是最高的，合理的分配寄存器和利用堆?？梢允钩绦蚋鼉?yōu)。

一個高效的匯編程序可以使整個性能有較多的改善，通過ARM匯編函數(shù)的替換，測試序列解碼播放完畢耗時3.1 s，解碼速度提高了8 f／s。

3.3尋找快速算法和并行算法

ARM匯編的好處不僅在于執(zhí)行效率高，還在于可以充分利用ARM處理32位數(shù)據(jù)的特性，尋找快速算法和并行算法。

對于插值函數(shù)，可以采用并行算法來一次處理多個象素。每個象素是一個8位數(shù)據(jù)，而ARM處理器是32位，因此可以改進算法一次處理4個象素。插值中的關(guān)鍵算法是：

rounding是碼流中一個取0或1的參數(shù)。我們可以改進這個算法4個象素一起處理。通過分析知道，可以將式(1)改為A／2+B／2+C，C也應該是一個取0或者取1的值。分析的結(jié)果發(fā)現(xiàn)，當rounding為0時，C=(A∣B)&0X01；當rounding為1時，C=(A&B)&0X01。此時我們可以用4個象素組成兩個32位的字W1，W2，利用公式：

或

通過這一步驟的優(yōu)化，測試序列解碼播放完畢耗時2.56 s，解碼速度提高了6 f／s，整體解碼速度達到了37 f／s。

4結(jié)語

本文對MPEG-4軟解碼器在ARM平臺上的實現(xiàn)及優(yōu)化的整體思路和步驟進行了闡述，優(yōu)化結(jié)果理想，軟解碼播放速度由最初移植完畢時的10 f／s提高到了37 f／s。本文給出的優(yōu)化方案可以進一步推廣到H.264或者其他視頻軟解碼系統(tǒng)基于ARM的應用中。