sum[i]=in1[i]+in2[i];
}
由其相关图2（b）可见，由于使用了关键字const，消除了指令之间的相关路径，从而使编译器能够判别内存操作之间的相关性，找到更好的指令执行方案。
3）使用内联函数（intrinsics）
内联函数是C64X编译器提供的专门函数，它们与嵌入式的汇编指令是一一对应的，其目的是快速优化C源程序。
在源程序中调用内联函数，与调用一般的函数相同，只不过内联函数名称前有下划线作特殊标识。
当汇编指令功能不易采用C语言表达时，可采用内联函数表示。
例如在定点运算中经常要求出源操作数的冗余符号位数，这一功能如果用C完成的话，需要如下的代码：
unsignedintnorm（intsrc1）
{
unsignedintsign,result=0;
sign=src1&0x80000000;
while
（1）
{
if（sign）
{
if（（src1=src1<<1）&sign）
result+=1;
else
returnresult;
}
else
{
if（（src1=src1<<1）|sign）
returnresult;
else
result+=1;
}
}
}
该源程序代码冗长，有较多的逻辑操作和判断跳转，运行效率低下。
若用内联函数，则是result=_norm（src1），减少了代码长度，提高了运行效率。
因此对于需要大量C代码才能表示的复杂功能，应该尽量用C64X的内联函数来表示。
4）short型数据的int处理
C64XDSP具有双16bit扩充功能，芯片能在一个周期内完成双16bit的乘法、加减法、比较、移位等操作。
在设计时，当对连续的short型数据流操作时，应该转化成对int型数据流的操作，这样一次可以把两个16位的数据读入一个32位的寄存器，然后用内部函数来对它们处理（如_sub2等），充分运用双16bit扩充功能，一次可以进行两个16bit数据的运算，速度将提升一倍。
5）尽量少进行函数调用
函数调用的时候，要将PC和一些寄存器压栈保存，函数返回时，则将这些寄存器出栈返回，增加了一些不必要的操作。
所以一些小的函数，最好是用适当的内联函数代替直接写入主函数里，一些调用不多的函数，也可以直接写入主函数内，这样可减少不必要的操作，提高速度。
但是这样往往会增加程序的长度，因此是一种利用空间换取时间的办法。
6）尽量使用逻辑运算代替乘除运算
在DSP里，乘除运算指令的执行时间要远远超过逻辑移位指令，尤其是除法指令，在设计的时候，可以根据实际情况，进行一些调整，尽量用逻辑移位运算来代替乘除运算，这样可以加快指令的运行时间。
7）软件流水线技术的使用
软件流水线技术用来对一个循环结构的指令进行调度安排，使之成为多重迭代循环并行执行。
在编译代码时，可以选择编译器的-o2或-o3选项，则编译器将根据程序尽可能地安排软件流水线。
在DSP算法中存在大量的循环操作，因此充分地运用软件流水线方式，能极大地提高程序的运行速度。
但使用软件流水线还有下面几点限制：
●循环结构不能包含代码调用，但可以包含内联函数。
●循环计数器应该是递减的。
●循环结构不能包含break，if语句不能嵌套，条件代码应当尽量的简单。
●循环结构中不要包含改变循环计数器的代码。
●循环体代码不能过长，因为寄存器（32个）的数量有限，应该分解为多个循环。
在软件流水线的运用上，应该尽量使复杂的循环分解成简单的小循环，以避免寄存器的数量不够；对于过于简单的循环，应该适当的展开，以增加代码数量，增加流水线中的迭代指令。
8）采用指令乱序技术
程序中，有些指令的执行顺序没有严格的要求，可以作出一些位置上的调整，因此可以适当的调整这些指令的位置，穿插于其他的指令之中，从而减小指令的相关性，增加运行时的并行性。
尤其在循环里，当循环体较小的时候，可以把多个循环的代码写在一个循环体里，合并成一个循环，从而减小循环内指令的相关性，增加指令运行的并行性。
但是要注意不要使循环过于复杂，以至不能进行软件流水线的优化。
由于C语言编译出来的程序，不是最有效率的汇编语言，而没有办法达到实时播放。
所以为了要使程序执行的速度能够加快，必须要做最佳化，使其能够达到实时播放的速度。
然而C6x的编译器也提供了最佳化的指令，如在编译时加上-o3的参数，它可以用软件来分析我们的程序是否有可以改进的地方，如此一来，在产生组语的汇编语言档案之前，编译器会对我们写的C语言程序不断的进行编译，也会对程序中的循环部份重新编排，产生另一较有效率的核心循环，以最有效率的方式重新编排程序，来加快程序速度
方法一 把浮点运算改成定点运算
因为C6xDSP板并不支持浮点运算，但我们的原始程序代码是浮点运算的格式，所以必须改成定点运算，而其修改后的执行速度也会加快很多。
我们采用Q-format规格来表示浮点运算。
以下将介绍其相关原理。
定点DSP使用固定的小数点来表示小数部份的数字，这也造成了使用上的限制，而为了要分类不同范围的小数点，我们必须使用Q-format的格式。
不同的Q-format表示不同的小数点位置，也就是整数的范围。
表2呈现Q15数字的格式，要注意在小数点后的每一位，表示下一位为前一位的二分之一，而MSB（most-significant-bit）则被指定成有号数（Signbit）。
由表2可以知道，当有号数被设成0而其余位设成1时，可得到最大的正数（7FFFH）；而当有号数被设成1而其余位设成0时，可得到最大的负数（8000H）。
所以Q15格式的范围从-1到0.9999694（@1），因此我们可以藉由把小数点向右移位，来增加整数部份的范围，如表3所示，Q14格式的范围增为-2.0到1.9999694（@2），然而范围的增加却牺牲了精确度。
方法二 建立表格（table）
原来程序的设计是除了要读AAC的档案外，在译码时，还要再另外读取一些C语言程序代码的内容再做计算，如读取一些数值做sin、cos、exp的运算，但是为了加快程序的执行速度，故将这这些运算的结果建成表格，内建在程序中，可以不必再做额外的计算动做，以加速程序。
方法三 减短程序的长度
1.去除Debug的功能
原本程序在Debug的阶段时，就加了许多用来侦测错误的部份，程序Debug完后，已经没有错误发生，所以就可以把这些部份给去除，以减少程序的长度，也可以减少程序执行时的时脉数，加快程序的速度。
2.去除计算时脉（clock）功能
原本程序可以计算执行程序所需的时脉数，我们也可以把这些部份给去除，如果有需要计算时脉时,我们可以用C6x的工具软件来作，功能更强大。
方法四 减少I/O过程
原本在做译码的动作时，是先读取AAC档案的一部份做译码，译码完成后再读取下一部份，再做译码。
但是由于C6x的板子跟PC做档案读取时相当的缓慢，读取的动作占了大部份的时间，所以就将程序改成先将AAC档案全部读到C6x的内存中，再做译码。
或是将AAC建成表格（约1MB），以避免DSP板上的内存不足。
方法五 减少子程序的呼叫
在呼叫子程序时，必须先将缓存器的内容放到堆栈（stack）中，而从子程序返回时，也要将这些缓存器原本的内容从堆栈中取出来。
但是有些子程序的长度很短，而且被呼叫的次数又很多，往往几个时脉就可以完成却浪费时间在存取堆栈的内容上，所以干脆将这些很短的子程序直接写在主程序当中，以减少时脉数。
方法六 写汇编语言
虽然由C语言所编译出来的汇编语言可以正确无误的执行，但是这个汇编语言却不是最有效率的写法，所以为了增加程序的效率，于是在某些地方，例如一些被呼叫很多次且程序代码不长的函式（function），必须改以自己动手写汇编语言来取代。
方法七 利用平行处理的观念
C6x是一颗功能强大的处理器，它CPU的内部提供了八个可以执行不同指令的单元，也就是说最多可以同时处理八个指令。
所以如果我们可以用它来作平行处理，我们就可以大大的缩短程序执行的时间，最有效率的来利用它来作解碼的动作。
最后还要知道：
第三级优化（-O3），效率不高（经验），还有一些诸如用一条读32位的指令读两个相邻的16位数据等，具体情况可以看看C优化手册。
但这些效率都不高（虽然ti的宣传说能达到80%，我自己做的时候发现绝对没有这个效率！
65%还差不多），如果要提高效率只能用汇编来做了。
还有要看看你的c程序是怎么编的，如果里面有很多中断的话，6000可以说没什么优势。
还有，profiler的数据也是不准确的，比实际的要大，大多少不好说。
还有dsp在初始化的时候特别慢，这些时间就不要和pc机相比了，如果要比就比核心的部分。
关于profile：
C6x的Debug工具提供了一个profile界面。
在图9中，包括了几个重要的窗口，左上角的窗口是显示出我们写的C语言，可以让我们知道现在做到了哪一步。
右上角的窗口显示的是C6x所编译出来的汇编语言，同样的我们也可以知道现在做到了哪一步。
左下角的窗口是命令列，是让我们下指令以及显示讯息的窗口。
而中间的profile窗口就是在profile模式下最重要的窗口，它显示出的项目如下表：
表5：
profile的各项参数[8]
字段 意义
Count 被呼叫的次数
Inclusive 包含子程序的总执行clock数
Incl-Max 包含子程序的执行一次最大clock数
Exclusive 不包含子程序的总执行clock数
Excl-Max 不包含子程序的执行一次最大clock数
利用这个profile模式我们可以用来分析程序中每个函数被呼叫的次数、执行的时脉数等等。
用这个分析的结果，我们就可以知道哪个函数所花费的时脉最多，是可以再改进的，而针对它来作最佳化。
汇编代码级的优化
在经过C代码的优化之后，还不能满足性能上的要求，则可以通过profile
clock工具找出效率很低的部分，使用线性汇编重新改写。
再通过汇编优化器编译，汇编优化器从输入的线性汇编代码中，完成以下功能：
●寻找可以平行执行的CPU指令。
●在软件流水线期间，处理流水线标号。
●分配寄存器的用法。
●分配功能单元。
TI提供的汇编优化器可以得到很高的效率，一般可以满足性能上的要求。
优化中的问题
在优化过程中，总是要对程序进行一定的改动，这样经常会出现一些问题。
1）优化结果的验证
优化过的程序往往不知道是否运行正确，这就需要加以验证。
一般采用的办法就是通过测试序列来验证。
测试序列指的是对于不同的算法所取的一组特殊的数据，这些数据可以准确的反映算法的特性。
测试序列中每组数据包括输入数据和输出数据，通过对输入数据的运算，把结果与输出数据进行比较，判断程序的正确性。
一些常见的算法，一般都提供了测试序列。
还有一些，没有测试序列。
这时就需要根据算法的特点，自己构造测试序列，进行验证。
构造的时候，注意序列最好有几组，数据最好有一定的长度，这样验证的更准确。
2）内存泄漏的问题
C64X系列DSP的内部存储空间有1MB，其中程序和数据还有CPU的二级缓存将共享这片空间，因此当程序的运行不正常时，很有可能就是内存泄漏造成的。
因此，在程序设计中，应尽量不用指针，同时注意进行边界检测。
程序设计的一些方法
程序设计时，一切以满足实际的要求为目标。
在实际的设计中，除了优化能够提高性能以外，还可以采取其他的办法，利用DSP的特性，提高程序的运行性能，满足实际的设计要求。
1）把程序和经常要用的数据放入片内RAM
片内RAM与CPU
工作在同一时钟频率，比片外RAM性能高得多。
因此把程序放在片内可以大大提高运行的速度。
同时对于一些经常要用到的数据，放入片内，也会节省处理时间。
2）通过DMA技术搬移数据
对于C64X芯片，其片内RAM有1MB，但是对于一些大型的图像处理算法而言，仍可能是不够的，因此经常通过DMA技术，把需要用到的数据搬入片内，把不需要的搬到片外，可以大大的提高程序的运行速度。
3）CACHE的使用
增大CACHE，可以明显的提高性能。
但是C64X系列DSP中程序和数据还有CACHE共享片内RAM，因此增大CACHE，就减小了实际的片内可用空间，设计中需要注意。
（二）something about cache
基本概念：
Cachememorytakesadvantageoflocalitybyholdingcurrentdataorprogramaccessescloser
totheprocessor.Thesmallestblockofdatathatthecacheoperatesoniscalledaline.
Typically,thelinesizeislargerthanonedatavalueoroneinstructionwordinlength.
Ifdatafromarequestedmemorylocationappearsinalineofcache,thisiscalledahit.Theoppositeevent,amiss,occurswhentherequesteddataisnotfoundinthecache.Ifamissoccurs,thenextlevelofmemoryisaccessedtofetchthemissingdata.Thenumberofcachemissesisoftenanimportantmeasureofcacheperformance;themoremissesyouhave,theloweryourperformancewillbe.Inadditionwhendataismissed,alocationneedstobeselectedtoplacethenewlycacheddata.Thisprocessisknownasallocation,whichofteninvolvesreplacingthedataoccupyinganexistingcachelinetomakeroomforthenewdata.
Cache的line放置策略：
Cachecanbecategorizedbytheschemesusedforplacinglines.Adirect-mappedcachemapseachlineofmemorytoexactlyonelocationinthecache.Thisisincontrasttoamulti-wayset-associativecache,whichselectsa“set”oflocationstoplacetheline.Thenumberof
locationsineachsetisreferredasthenumberofways.Forinstance,ina2-wayset-associativecache,eachsetconsistsof2line-frames（ways）.Anygivencacheableaddressinthememorymapmapstoauniquesetinthecache,andalinecanbeplacedintwopossiblelocationsofthatset.Anextremeofset-associativecacheisfullyassociativecachethatallowsanymemoryaddresstobestoredatanylocationwithinthecache.Forthelattertwotypesofcache,anallocationpolicywillbeneededtochooseamonglineframesinasetwhenacachemissoccurs.
Cachemiss分类及避免：
Letusnowinvestigatethesourcesofcachemissesandhowthemissescanberemediedfromtheprogrammer’sperspective.Allcachemissescanbedividedintooneofthesethreeclasses:
•Compulsorymisses:
thesecachemissesoccurduringthefirstaccesstoaline.Thismiss
occursbecausetherewasnoprioropportunityforthedatatobeallocatedinthecache.
Thesearesometimesreferredtoas”first-referencemisses”.
•Capacitymisses:
thesecachemissesoccurwhenthecachedoesnothavesufficientroomto
holdallthedataduringtheexecutionofaprogram.
•Conflictmisses:
thesecachemissesoccurbecausemorethanonedataorprogramcode
arecompetingforthesamecacheline.
Thesesourcesofmissescanbereducedbyanumberofcodeoptimizationtechniques.Conflict
missescanbeeliminatedbychangingthelocationsofdataorprogramcodeinmemory,and
hencetheywillnotcontendforthesamecacheline.Capacitymissescanbereducedby
workingonsmalleramountsofdataorcodeatatime,whichcanbeachievedbyreorderingthe
升级会员 