连续实时信号处理器的性能分析
-------------------------------------------------------------------------------------------
摘要：对AD公司的TigerSHARC DSP(ADSP-TS101S)和摩托罗拉公司的具有AltiVec矢量处理器核的PowerPC系列MPC7410和MPC7455处理器，在连续实时信号处理领域的应用进行了评估。
关键词：连续实时信号处理 Ｉ／Ｏ带宽 ADSP-TS101S MPC7410 MPC7455对于复杂、实时信号算是系统的设计人员来讲，最严峻的挑战是针对给定任何选择一个最有效的处理器。因为处理器效率依赖于应用，涉及到结构和应用等各个方面，因此折中的办法很难定义和评估。用通常使用的方法评价处理器，往往误导人们。因为它掩盖了许多依赖应用并使实际性能下降因素；在不同的处理器上执行应用，然后评估每个处理器执行的实际性能，这种方法费用昂贵、花费时间，不切合实际。１ 处理器概况ＡＤ公司的ＴigerSHARC
DSP(ADSP-TS101S)和摩托罗位公司PowerPC系列处理器代表了获得高性能计算能力的不同结构和方法。ＴigerSHARC代表ＤＳＰ的传统做法，它具有低开销、确定性和ＤＭＡ引擎等特点，专门用于开发嵌入式实时应用系统，例如雷达、声纳、无线通信和图像处理。相反，ＰowerPC是一种ＲＩＳＣ处理器，用于开发副苹果计算机最高性能的Ｇ４工作站；具有很高的时钟频率以及强大的ＡltiVec矢量处理引擎，在一些嵌入式信号处理应用方面也取得了很大的成功。很明显，具有ＡltiVec核的ＰowerPC
G4(74xx)具有较高的核时钟速率与性能。PowerPC的核时钟速率几乎是目前TigerSHARC的3.3倍（不久更快版本的TigerSHARC将发布）。AltiVec核每个周期执行单条指令，每１２８位向量包含４个独立的３２位数据单元，这就是众所周知的SIM-D（单指令多数据）结构。当执行一次乘加(MAC)矢量运算时，达到峰值处理能力，每周期可完成８次浮点操作。对于1GHz的MPC7455，峰值处理能力可达8000M次/s浮点运算。AltiVec每周期能执行８次整数或定点操作，峰值整数运算能力为８０００ＭＯＰＳ（百万次操作／s）。
相反，ＴigerSHARC有两个独立的３２闰处理器核，或称MIMD（多指令多数据）结构。每个计算单元每周期能执行一次乘法以及和差分运算，对于300MHz
ADSP-TS101S每周期完成６次浮点运算或1800MFLOPS峰值运算能力。当执行１６位数据运算时，TigerSHARC可以利用它的超标量体系结构，分离两个独立３２位计算单元成２个单独的１６位SIMD单元，这样每个操作在两个数据单元，每个周期可以增加超过１２次的操作。另外，TigerSHARC有另外两个专门的１６位整数引擎，每个周期可以增加超过１２次的操作，这样每个周期共计２４次整数运算，7200MOPS。２ Ｉ／Ｏ带宽与处理能力的比值在许多信号处理的应用中，受限于数据流而不是处理能力，因此理解处理器Ｉ／Ｏ能力以及与处理器内核的数据交换的性能十分重要。衡量的尺度是Ｉ／Ｏ带宽与处理率之比（ＢＰＲ），即处理器峰值Ｉ／Ｏ带宽（ＭＢ/s）除以峰值处理能力（ＭＦＬＯＰＳ）。１Ｂ／ＦＬＯＰ的ＢＰＲ指示它是一个比较平衡的连续信号处理结构，意味着处理器对每个浮点操作能完成１Ｂ数据传输。一个处理器的ＢＰＲ明显高于或低于１Ｂ／ＦＬＯＰ，表示这种结构比连续信号处理器更适合数据流搬移或后向数据处理。图１所示为ＰowerPC处理器节点方框图。从图中可以看出所有处理器Ｉ／Ｏ的访问必须通过ＭＰＣ和控制器／桥芯片之间的６４位，１２８ＭＨz(对于ＭＰＣ７４５５为１３３ＭＨｚ)系统总线。对于ＭＰＣ７４１０任何一个处理器的最高Ｉ／Ｏ带宽是１０００ＭＢ／s,对ＭＰＣ７４５５的最高Ｉ／Ｏ带宽是１０６４ ＭＢ/s。然而由于Ａltivec很强大，这种适宜的高带宽不一定总能跟上核的速度。当MPC7455执行8000MFLOPS时，数据搬移的速度仅为1064MB/s。BPR值只有０.13，说明这种结构的I/O带宽和处理能力是不平衡的。因此，PowerPC对块处理是有效的（比如具有高的计算和相对低的数据流动），但对连续的、高数据流动、较少计算的连续信号处理，是低效率的。TigerSHARC是为多处理器设计的，而且提供了６４位、100MHz共享系统总线以及４个８位，250MHz的Link口作I/O和处理器之间的数据通信，簇总线的搬移数据速率为800MB/s。数据还可以通过Ｌink口以50MB/s速度进行传送，每个TigerSHRC提供总的I/O带宽可达1800MB/s。TigerSHARC的ＢＰＲ是0.1，表明对连续的信号处理是平衡的优化结构。３ 信号处理能力—cFFT１０２４点复数FFT(cFFT)是评价信号处理性能使用最广泛的基准。原因如下：第一，清晰而且容易易化；第二，在大多数应用中，它是最普遍使用的信号处理函数；第三，cFFT可以评估处理器的数据处理能力和处理速度。值得注意的是，由于ＰwerPC的速度和性能，在计算１０２４点cFFT有明显优越性；然而TigerSHARC是为DSP裁剪定制的，在执行信号处理算法时会更加有效。这是由于芯片具有极好的数据搬移的能力、平衡以及单周期执行蝶形运算能力（乘法、加法、差分）。AltiVec核比TigerSHARC核快3.3倍，潜在处理速率是TIgerSHARC的4.4倍，然而它执行一个１０２４点cFFT仅比TIgerSHARC快2.5倍。TigerSHARC在９７５０周期可以完成CFFT运算，而PowerPC必须用１３０００个周期，因此，在执行一个１０２４点CFFT时，TigerSHARC的计算效率比PowerPC高３３％。换句话说，如果以相同的时钟频率运行，TIgerSHARC会超过PowerPC ３３％。随着TigerSHARC时钟速率继续提升，考虑成本和功耗等问题，当它执行FFT信号处理应用时，它的能力要显明超过AltiVec。４ 连续的cFFT评价处理器能力时，通常考虑它的处理能力、Ｉ／Ｏ带宽，甚至算法的执行，但遗憾的是这些评估没有一个能真实反映实际应用。实际应用时，这些因素往往相互影响。数据必须按所希望的那样同时输入、处理、输出。每个１０２４点cFFT需要８ＫＢ数据输入（１０２４个样本×２个样本／ＩＱ对×４字节／样本）和８ＫＢ数据输出，共１６ＫＢ的数据流。通过比较１０２４点cFFT基准与１６ＫＢ乘积与处理器的Ｉ／Ｏ带宽，来决定是受限于处理器的计算能力还是Ｉ／Ｏ带宽。对于ＴigerSHARC,其准的倒数表示每秒钟能执行３０ ７６９次１０２４点cFFT，由于TIgerSHARC在后台能搬移所需要的数据，需要有５０４MB/s的数据流(30769/s×16KB)，可以保证处理器的I/O带宽，因此TigerSHARC完全适合如此应用。对于MPC7410，１０２４点CFFT其准其实是误导。因为它不能同时搬移数据和进行数据处理，而且在处理时间里，8KB的输入数据必须搬入高速缓存(cache)，8KB的输出数据必须搬出的高速缓存(cache)。搬移数据需要增加16.4μs的处理时间，执行１０２４点ＣＦＦＴ共需要３８.4μs
的时间。考虑到数据的租用移，１０２４点ＣＦＦＴ基准的倒数为１／３８.4μs。然而对于MPC7455的情况不同，基准的倒数显示处理器内核每秒处理７６ ９２３次１０２４点CFFT，需要1260MB/s数据流量。尽管PowerPC进行处理的同时能搬移数据，但它的峰值带宽仅为1064MB/s，因此在这一应用中带宽受到了限制。假设它能连续保持峰值Ｉ／Ｏ带宽（cache管理和控制器瓶颈会明显减小Ｉ／Ｏ带宽，不在本文讨论管理），PMC7455每秒仅能执行６４９４１次１０２４点cFFT(1064MB/s除16KB/1024点cFFT)，明显比基准的倒数要小。５ 板极应用如上所述，目前可获得基于所有处理器cPCI和VME总线的COTS板。然而，当与板级应用相联系时，会大大改变以上的评估结果。因为MPC7455带宽受限，板级的结构会增加Ｉ／Ｏ的限制，进一步恶化处理器连续CFFT的性能。不考虑背板的数据流，对于PowerPC来讲，目前最好的I/O方式是两个６４位／66MHz
PMC，双528
MB/s
PMC，可达到的数据流共1056MB/s。这已经小于MPC7455的1064MB/s峰值I/O带宽。实际上ＰＭＣ达到连续、持续的吞吐率也是不可能的。假设１０５６ＭＢ/s持续的Ｉ／Ｏ带宽，PowerPC板持续1024点cFFTs为每秒64453次(1056MB/s被16KB除)——不依赖于PowerPC的数量或速度。相反，ＴigerSHARC具有通过link口可扩展的I/O，图２所示为典型的４个TigerSHARC处理器的结构框图。在此例子中，每个处理器必须共享一个簇总线带宽，每个处理器使用２个Link口作为处理器间的数据传输，每个TigerSHARC的其它２个Link被用做I/O。这样每个处理器I/O总带宽就减少至700MB/s(Link口2×250MB/s+1/4×共享簇总线800MB/s)。然而，对于每个处理器，在最大连续ＣＦＦＴ速率的情况下，TigerSHARC需要504MB/s的带宽。虽然这一速率在TigerSHARC极限范围，但把连续的I/O分裂成Link口和簇总线也是不切合实际的做法。实际上，对于连续CFFT的最大I/O数据率是500MHz，由每个TIgerSHARC的两个Link口提供。很小带宽的限制降低了连续1024点cFFT的性能，每个TigerSHARC能处理30
517次。TigerSHARC低功耗、小尺寸和功能的集成，目前可得到簇总线（８片TigerSHARC）6U
cPCI板卡。８片TigerSHARC每秒能执行２４４ １３５次连续１０２４点CFFT运算，几乎是理想PowerPC板卡的４倍。６ 结论我们讨论的各种COTS板的应用，代表了连续实时信号处理应用的实际性能。对于其它因素的分析（如中断、开发环境、DMAs、存储器的利用、Cache管理、电源等）不在本文讨论范围。如果应用系统需要大量的计算、比较少的数据搬移和所谓的后向数据处理，由于较高的时钟频率和强大的内核，PowerPC是理想的选择；反之，对于像成像、雷达、声纳和监听等应用的连续、实时信号处理，由于需要比较高的数据吞吐率，TigerSHARC应该是首选。
-------------------------------------------------------------------------------------------
