探究在FPGA上實現(xiàn)H.264/AVC 視頻編碼的標準

　盡管H.264/AVC承諾將此已有視頻編碼標準具有更高的編碼效率，它仍為系統(tǒng)架構(gòu)師、DSP 工程師和硬件設(shè)計人員帶來了巨大的工程設(shè)計挑戰(zhàn)。H.264/AVC 標準引入了自 1990 年推出 H.261 之后視頻編碼標準演進過程中出現(xiàn)的大部分重大改變和算法間斷 （algorithmic discontinuities）。
　　實現(xiàn) H.264/AVC 編碼標準所需的算法計算復雜度、數(shù)據(jù)局部性，以及算法和數(shù)據(jù)并行性，常常會直接影響系統(tǒng)級別的整體架構(gòu)決策。這種影響又會決定在廣播、視頻編輯、電話會議以及消費電子領(lǐng)域開發(fā)H.264/AVC解決方案所需的最終開發(fā)成本。
　　復雜度分析
　　為了實現(xiàn)實時 H.264/AVC 標準清晰度 （SD） 或高清晰度 （HD） 分辯率編碼解決方案，系統(tǒng)架構(gòu)師常常需要使用多個 FPGA 和可編程 DSP。為了說明所需計算的巨大復雜度，先探討一下 H.264/AVC 編碼器的典型運行時的周期要求。H.264/AVC 編碼器基于由聯(lián)合視頻工作組（JVT）提供的軟件模型，該工作組由來自 ITU-T 的視頻編碼專家組 （VCEG） 和 ISO/IEC 的運動圖像專家組 （MPEG） 的專家組成。
　　采用Intel的VTune軟件，在 Intel Pentium III 1.0 GHz 通用 CPU、512 MB 內(nèi)存的平臺上運行，按照主要配置編碼解決方案實現(xiàn) H.264/AVC SD，需要約 1，600 BOPS（每秒十億次運算）。
　　表 1 顯示了基于 Pentium III 通用處理器架構(gòu)的 H.264/AVC 編碼器的復雜度的典型情況。請注意，在表 1 中，運動估計、宏塊/塊處理（包括模式?jīng)Q策），以及運動補償模塊是基本候選硬件加速單元。
　　然而，單憑計算復雜度并不能決定一個功能模塊是否應(yīng)映射為硬件或是使其保持為軟件。為了評估在由 FPGA、可編程 DSP或通用主處理器混合組成的平臺上實現(xiàn) H.264/AVC 編碼標準時，軟件和硬件分割的可行性，需要分析將會影響整體設(shè)計決策的大量架構(gòu)問題。
　　數(shù)據(jù)局部性
　　在同步設(shè)計中，按照特定的順序和粒度訪問內(nèi)存，同時根據(jù)延遲、總線競爭、對準、DMA 傳輸率以及所用內(nèi)存的類型（如 ZBT 內(nèi)存、SDRAM和 SRAM 等）使時鐘周期數(shù)降至最小的能力至關(guān)重要。數(shù)據(jù)局部性問題主要是由數(shù)據(jù)單元和算術(shù)單元（或處理引擎）之間的物理接口體現(xiàn)的。
　　數(shù)據(jù)并行性。
　　大多數(shù)信號處理算法都是對高度并行的數(shù)據(jù)進行操作（如 FIR 濾波）。單指令多數(shù)據(jù) （SIMD） 和向量處理器對可被并行化或做成向量格式（或長數(shù)據(jù)寬度）的數(shù)據(jù)具有較高的處理效率。
　　FPGA可通過提供大量塊 RAM 支持大量極高總計帶寬要求來實現(xiàn)這一點。在新的 Xilinx Virtex-4 SX器件中，塊 RAM 的數(shù)量與 Xtreme DSP的邏輯片數(shù)緊密匹配（例如，SX25具有128個塊RAM，128個DSP邏輯片；SX35具有192個塊 RAM，192個DSP 邏輯片；SX55具有320個塊 RAM，512個DSP邏輯片）。
　　信號處理算法并行機制。
　　在典型的可編程 DSP 或通用處理器中，信號處理算法并行機制通常是指指令級并行 （ILP）。超長指令字 （VLIW） 處理器是此類采用ILP的機器中的一個例子，它將多條指令（ADD、MULT 及 BRA）組合起來，在一個周期內(nèi)執(zhí)行。處理器中高度流水線化的執(zhí)行單元也是實現(xiàn)并行機制的典型硬件示例?，F(xiàn)在已經(jīng)有可編程DSP采用這種架構(gòu)（如TI的TMS320C64x）。
　　但是，并非所有算法都能使用這種并行機制。遞歸算法，如 IIR 濾波、MPEG 1/2/4 中的變長編碼 （VLC）、上下文自適應(yīng)變長編碼 （CAVLC），以及 H.264/AVC 中的上下文自適應(yīng)二進制算術(shù)編碼 （CABAC），當映射到這些可編程 DSP 時，均無法達到最優(yōu)且效率不高。這是因為數(shù)據(jù)遞歸阻礙了 ILP 的有效利用。作為取代方案，可在FPGA 結(jié)構(gòu)中有效地構(gòu)建專用硬件引擎。
　　計算復雜度。
　　可編程 DSP 受計算復雜度的限制，可通過處理器的時鐘速率來度量。在FPGA中實現(xiàn)的信號處理算法通常為計算密集型算法。其中的例子有運動估計中的絕對差值和 （SAD） 引擎以及視頻縮放。
　　通過將這些模塊映射到 FPGA 中，主處理器或可編程DSP就可有額外的周期來處理其他算法。此外，F(xiàn)PGA 結(jié)構(gòu)還可以具有多時鐘域，從而允許選擇性硬件模塊根據(jù)各自的計算要求使用獨立的時鐘速度。