高清视频编码在可重构处理器中的映射实现（二）.docx

PAGE 1 PAGE 1 高清视频编码在可重构处理器中的映射实现（二） 相关资料： 高清视频编码在可重构处理器中的映射实现（一）    3.3 环内算法  环内算法主要包括残差、DCT、量化、哈达玛变换、反DCT、反量化、反残差等。本文主要介绍DCT和量化在可重构处理器中的映射，反DCT和反量化映射过程与两者类似，在此不再赘述。  3.3.1 DCT算法映射  整数变换编码主要是将运动补偿后的残差数据从时域变换到频域。H.264标准中采纳的是基于4×4块的整数DCT变换。二维DCT的计算公式如下：   二维DCT 进行了两次相同的矩阵运算，将待处理的像素子块进行转置后和矩阵Cf相乘，运算的结果再与Cf进行运算，即完成DCT 的运算。算法中矩阵运算的映射如图5所示。矩阵C 的每一行与X 的运算用4路运算并行实现，同时，矩阵C 的运算也是用4路并行运算实现的。    图5 DCT算法在ReMAP中的映射  Fig.5 DCT algorithm mapping on ReMAP   以一个宏块为单位，如图5所示，先将16个子块连续送入计算阵列，完成一维DCT运算，再将一维结果送入阵列，完成二维DCT 运算。每周期可完成一个子块的一维DCT运算。完成一个宏块色度和亮度的二维DCT变换一共需要52个周期，阵列资源利用率是66.7%.与TMS320C64x相比，其性能有24.61 倍加速。相比MorphoSys,Remarc等可重构处理器由于实现了更密集的计算资源，且在映射DCT时达到了较好的计算资源利用率，因此，在DCT 算法映射时，其性能也有92%~392%的提升，如表2所示。   表2 DCT算法映射性能对比  Table 2 Performance analysis for DCT algorithm    3.3.2 量化算法映射  量化指在不降低视觉效果的前提下削减图像编码长度，削减图像恢复中不必要或影响很小的信息。  详细量化过程的运算为：     其中，W （i,j）为残差经过整数变换后的结果，floor（）为取整函数（舍弃小数部分）。》为右移运算，右移完成整数除以2;sign（）为符号函数，表示该数是正还是负；f 为偏移量，它的作用是改善恢复图像的视觉效果，例如，对帧内猜测图像块f 取2qbits/3,对帧间猜测图像块f 取2qbits/6.  本文映射了Z（i,j）的运算。qbits和MF 由RISC计算获得，f 值通过可重构处理器的第9行MAC单元计算获得，并暂存为计算参数。  如图6所示，第7行计算单元完成取的操作，第9行运算单元完成乘加移位操作，即|Z（i,j）|=（|W （i,j）|×MF+f）》qbits;将结果返回第8行运算单元，运行符号同化计算，即sign（Z（i,j））=sign（W （i,j））。由于可重构处理器中只有第9行运算单元可进行乘法和乘累加运算，所以量化算法仅能执行8路并行，每个周期完成8个数据运算。    图6 量化算法在可重构处理器中的映射  Fig.6 QuantifICation mapping on reconfigurable processor   量化算法共用到3行运算单元，其映射性能受限于乘法器数目。实际映射时，初始化量化运算参数需要4个周期，8路并行进行量化计算，由于第9行MAC单元采纳3级流水线设计，可支持连续2个乘累加运算。完成8×8子块的量化运算需要13个周期，加上数据写回时间一共是18个时钟周期。  表3给出8×8量化算法的性能比较，可重构处理器实现量化算法时已达到接近于ASIC的处理性能，较MorphoSys有16%的性能提升。   表3 量化算法映射性能对比  Table 3 Performance analysis for quantification algorithm    3.4 其他算法映射H.264中残差、哈达玛变换、16×16的垂直、水平、DC和平面猜测等算法实现一个宏块处理的性能如表4所示，映射过程较简洁，在此不再赘述。特殊地，H.264编码算法中的去块滤波和熵编码由于并行计算度不高，且多为掌握跳转类程序，这两个算法需在RISC中处理。   表4 H.264各子算法的映射性能列表  Table 4 Performance analysis