我們在為 Arm Cortex-M 處理器系列設計矢量擴展 (MVE) —— Arm Helium 技術時，希望它能廣泛地適用于各種數(shù)字信號處理 (DSP) 的應用。具備高效的數(shù)據(jù)計算能力只成功了一半，同樣重要的是具備在內(nèi)存中訪問和存儲這些數(shù)據(jù)的能力。

正如之前的文章內(nèi)容所述，Helium 是一種四節(jié)拍矢量架構。將數(shù)據(jù)加載到矢量中的最直接的方法是連續(xù)加載操作（見圖一）。在每個節(jié)拍中，都從標量寄存器中指定的基址開始依次訪問內(nèi)存。無論目標數(shù)據(jù)類型如何（8、16 或 32 位），都可以通過充分利用總線寬度的訪問來高效地執(zhí)行這一操作，因為數(shù)據(jù)元素在內(nèi)存和矢量中都是相鄰的，存儲操作也是如此。

圖一：連續(xù)加載操作

內(nèi)存是一種稀缺資源，通常情況下，要盡可能緊湊地打包數(shù)據(jù)，使用可容納數(shù)據(jù)的最小數(shù)據(jù)類型。不過，在處理數(shù)據(jù)時，可能需要更多的空間，以避免在計算的中間階段出現(xiàn)溢出。這可以作為一個獨立的拓寬指令來執(zhí)行，但正如本系列第一篇文章所述，它存在時間跨越問題（對于 8 到 32 位的擴展，將數(shù)據(jù)擴展到最后一節(jié)拍需要第一節(jié)拍的數(shù)據(jù)，而第一節(jié)拍的數(shù)據(jù)已不可用）。

因此，擴展指令不能與其他指令重疊，否則會對性能產(chǎn)生不利影響。相反，Helium 引入了改變大小的內(nèi)存操作。數(shù)據(jù)可以作為單個 8、16 或 32 位訪問，針對每個節(jié)拍高效加載，并用零或符號擴展，以匹配所需的數(shù)據(jù)類型。在圖二的示例中，我們希望執(zhí)行將每個矢量通道的 8 位加載擴展到 16 位。兩個 8 位數(shù)據(jù)樣本作為一個 16 位加載操作加載，每個樣本在寫入矢量通道之前擴展到 16 位。同樣，對于存儲來說，數(shù)據(jù)可以截斷到所需的大小，實現(xiàn)高效存儲。

圖二：加載擴展

Helium 加載和存儲指令具有與 M 系列架構的其他部分相同的豐富的尋址模式集，支持預遞增或后遞增以及指針回寫等功能。這樣，在大多數(shù)情況下就不需要單獨進行指針操作了。

DSP 應用通常在數(shù)據(jù)結構而非單個元素上運行。例如，立體聲音頻數(shù)據(jù)通常以左右數(shù)值交織流的形式存儲。同樣，圖像數(shù)據(jù)通常以紅、綠、藍、Alpha 交錯值的形式存儲。這是上一篇文章的主題內(nèi)容，其中介紹了可以有效實現(xiàn)這一目標的結構化加載/存儲指令。

有時，存儲在內(nèi)存中的數(shù)據(jù)無法以便捷的方式構建以實現(xiàn)連續(xù)訪問。在某些架構中，這實際上會阻礙代碼的矢量化。Helium 通過“離散?聚合”操作解決了這一問題。這些操作將偏移矢量指向內(nèi)存，這樣就可以用一條指令訪問多個非連續(xù)地址（見圖三）。它們還能擴展或截斷所訪問的數(shù)據(jù)。

圖三：匯總負載

“離散-聚合”操作是一種功能強大的指令，可為應用提供很大的靈活性。例如，它們幾乎是實現(xiàn) FFT（快速傅里葉變換）不可或缺的工具；在這種算法中，第一個或最后一個蝴蝶階段的內(nèi)存訪問需要使用反位尋址執(zhí)行。專用反位指令 (VBRSR) 生成反位尋址模式，供這些離散-聚合指令使用。為了提高性能，這些指令重疊執(zhí)行，加載數(shù)據(jù)的效率遠遠超過同等序列的標量指令。而且，它們也更容易使用。雖然連續(xù)矢量訪問能為規(guī)律模式提供更好的性能，但由于離散-聚合指令無法對數(shù)據(jù)布局做出假設，因此有多少個不同的元素，匯總加載指令就必須執(zhí)行多少次單獨的訪問。對于 8 位數(shù)據(jù)，訪問次數(shù)可能多達 16 次，這就成了不斷加載的負載。

DSP 應用通常使用一種稱為循環(huán)尋址的內(nèi)存布局。可以按順序訪問元素，但最多只能訪問配置的緩沖區(qū)大小，之后的訪問會繞回到第一個元素（見圖四）。例如，從元素 N?1 開始的四元素讀取操作將會訪問元素 N?1, 0, 1, 2。

圖四：循環(huán)緩沖區(qū)示例

這在 DSP 應用中用途廣泛，包括在處理數(shù)據(jù)流后只需要前 N 個數(shù)據(jù)樣本時避免指針操作。在 FIR 濾波器中，最后 N 個數(shù)據(jù)樣本需要與一組系數(shù)相乘，才能產(chǎn)生所需的濾波器響應。當一個新的數(shù)據(jù)樣本到來時，需要處理的是之前的 N?1 個樣本和新樣本，最舊的樣本不再使用。數(shù)據(jù)可以重新排列，使要處理的緩沖區(qū)總是按正確的順序包含元素，但這需要在開始處理前將每個樣本復制到不同的位置，耗費大量資源。如果使用循環(huán)緩沖區(qū)，就可以就地訪問數(shù)據(jù)，必要時還可以繞回到開頭，而且只需要寫入一次就可以用最新的樣本替換最舊的樣本。

一些 DSP 通過專用訪問指令和專用寄存器來實現(xiàn)循環(huán)緩沖區(qū)的起始地址和結束地址。指針每次遞增時，硬件都會將其與結束地址進行比較，并相應地回繞。這意味著同時支持的循環(huán)緩沖區(qū)數(shù)量受到可用硬件的限制。這也意味著每次中斷都需要保留大量額外狀態(tài)，而這會影響延遲。為此，所需的硬件支持不容忽視；在典型的實施中，需要更復雜的地址生成單元。為了避免這種情況，一些 DSP 要求循環(huán)緩沖區(qū)的大小等于 2 的冪次方，緩沖區(qū)的地址調整為該大小的倍數(shù)。可以通過將指針與位掩碼進行 AND 運算實現(xiàn)，從而簡化硬件要求。但是，這樣會限制這些緩沖區(qū)的放置和使用，特別是幾乎無法直接從高級語言使用緩沖區(qū)。由于 M 系列的宗旨是讓一切都能通過 C 語言輕松使用，因此我們需要想出一種更好的方法。

我們的解決方案是將循環(huán)緩沖區(qū)分成兩個不同的操作，其方式與上文討論的反位尋址類似。我們將用于生成回繞偏移的指令與離散?聚合指令相結合來訪問這些偏移地址的數(shù)據(jù)。這就為緩沖區(qū)大小和位置提供了靈活性，而且關鍵路徑上也不需要有專用硬件。循環(huán)緩沖區(qū)生成指令 (VIWDUP) 可創(chuàng)建一個矢量，其中包含一連串遞增的偏移量，當?shù)竭_終點位置時會回繞到開頭（見圖五）。該指令用從 R0 值開始的序列填充矢量寄存器 Q0，并在達到 R1 值時回繞。然后，它將更新后的起始偏移量 2 寫回 R0。這條指令的一個巧妙設計是，每次寫入 Q0 的偏移量矢量都是由標量值重新生成的。

通常下一條指令就是使用偏移量的離散?聚合指令，因此 Q0 可以直接重復用于其他目的。立即值指定偏移量的增量，這對于處理不同的元素大小非常有用。例如，如果加載的是 32 位數(shù)值，將使用四個字節(jié)的增量。可以指定任意增量或減量，因此該指令可用于其他需要通用數(shù)字模式的情況。通過這種方式，Helium 可以提供任意數(shù)量的循環(huán)緩沖區(qū)，在內(nèi)存中具有靈活的大小、方向和對齊方式，而且這個過程只需要使用現(xiàn)有的硬件就可以提供序列生成指令。

圖五：序列生成指令的操作示例

那么性能表現(xiàn)如何呢？雖然需要額外的偏移生成指令 (VIWDUP)，但我們發(fā)現(xiàn)在許多情況下，可能會因為與內(nèi)存訪問本身重疊而隱藏了開銷。在所有情況下，這一開銷都小于在沒有硬件支持的情況下管理回繞的計算工作量。我們之前也說過，出于性能考慮，最好使用連續(xù)訪問。循環(huán)緩沖區(qū)的特別之處在于，大部分訪問都是連續(xù)的，只有偶爾發(fā)生回繞時才會出現(xiàn)不連續(xù)。一種方法是離散-聚合指令比較偏移值，然后合并連續(xù)的訪問。遺憾的是，這樣做將需要大量額外的硬件，并給設計的關鍵部分增加許多額外的復雜性。在負載連續(xù)的情況下，離散?聚合操作會降低性能，這違背了我們追求將每個 gate 的性能發(fā)揮到極致的原則。

當我們試圖找到解決這個問題的方法時，我們注意到偏移生成指令 (VIWDUP) 已經(jīng)掌握回繞點的位置。如果能將這一信息傳遞給離散-聚合指令，它就能將訪問提升為連續(xù)訪問，而無需使用昂貴又耗時的偏移比較器。那么我們能不能指定一個額外的標量寄存器來傳輸這些信息呢？遺憾的是，這將增加所需的讀取端口數(shù)量，而且標量依賴關系從 VIWDUP 改為離散?聚合指令將會導致指令無法重疊。Helium 實現(xiàn)是否可以將這些信息存儲在隱藏的微架構元數(shù)據(jù)中，并在矢量發(fā)生修改時清除元數(shù)據(jù)？一般不建議這樣做，因為元數(shù)據(jù)需要在中斷時保留，而這會影響延遲。

但我們發(fā)現(xiàn)，在這種情況下，我們不需要保留元數(shù)據(jù)。在出現(xiàn)異常的極少數(shù)情況時，備選措施是正常執(zhí)行離散-聚合，而不是優(yōu)化連續(xù)訪問。通過使用易失性隱藏元數(shù)據(jù)來指示連續(xù)訪問，可以優(yōu)化普通非回繞情況下的性能，同時避免出現(xiàn)額外的架構狀態(tài)和中斷延遲。

在受限的環(huán)境中工作極具挑戰(zhàn)性，Helium 要求我們不斷尋找創(chuàng)新的解決方案，充分發(fā)揮硬件性能。我們努力聯(lián)合設計架構和微架構，尋找一系列內(nèi)存訪問指令，既能滿足 DSP 應用的需要，又能最大限度地減少實現(xiàn)這些指令所需的硬件數(shù)量。特別是在循環(huán)緩沖區(qū)方面，我們延續(xù)了 M 系列的傳統(tǒng)，確保每個 gate 都物盡其用，從而以較低的面積實現(xiàn)性能表現(xiàn)，同時為終端用戶提供良好的體驗感。

審核編輯：劉清