论文部分内容阅读
无损音频压缩格式具有完全恢复原始音频数据,保证音质无损的特点。APE具有比其他无损压缩格式更高的压缩率,采用一种完全对称的算法,其解码算法有着与编码算法同样的复杂度。尤其是在高的压缩等级下,APE解码算法对嵌入式处理器的性能有着较高的要求。本论文通过分析APE解码算法的应用特性,研究基于嵌入式处理器RISC32的无损音频解码软硬件协同优化方法。论文首先论述了APE编解码算法的流程,由中/侧编码、预测编码和熵编码三部分组成。其中重点介绍了无损压缩算法中的两大核心技术预测编码和熵编码,并对预测编码和熵编码在APE编码算法中的具体实现做了进一步的论述。APE编码算法中的预测编码技术采用的是线性自适应神经网络预测编码算法,熵编码技术采用的是区间编码和RICE编码相结合的算法。通过分析APE解码算法的应用特性,我们对熵解码算法和神经网络预测解码算法进行优化。对于熵解码算法,我们对关键函数range-get-symbol-3980进行优化,包括对查找表进行简化同时减少发生频率前四高的符号的数组加载操作；对于神经网络预测解码算法,我们根据RISC32处理器执行连续乘法指令的特点对scalarproduct函数进行汇编语言优化以加速乘法操作。实验结果表明,与原算法相比,不同压缩等级下APE解码算法的性能平均加速比为8.31%,总功耗平均增加5.2%。通过分析APE解码算法的操作特性,我们对RISC32处理器的乘累加模块和除法模块进行优化。针对APE解码算法75%乘法操作数为16位的特点,我们对乘累加模块进行优化使得它可以实现32×32位和32×16/16×16位两种模式的乘法和乘累加运算,使得乘法性能提升42.80%；针对除法除数的数据特性,对除法模块进行优化使得它可以通过移位来节省不必要的周期,除法性能提升26.50%。我们对比分析了两种cache写策略,结果表明与写直达法相比,写回法下处理器解码APE程序的性能加速比只有0.32%,但是可以降低61.81%的总线利用率,从而降低功耗开销。实验结果表明,不同压缩等级下,处理器解码APE算法的性能平均加速比为9.88%,面积增加40940等效门,总功耗平均减少9.56%。