H.265优化问题

1 为啥优化？

对计算量的需求增加了4倍以上，过高的计算和存储对H.265

TMS320c66是一款多核高性能的处理器8个内核和一个网络协处理.

优化处理：

对每一帧采取片级编码且用7个核实现并行处理，不采用CU或者帧级编码。其原因是：

（1）片是介于CU与帧之间的。因为CU（编码单元）会参考同一片中的其他CU。因此采用CU级编码会极大地增加核间通讯压力。

（2）各片之间没数据关联性，各片完全独立，待编码单元无需参考其他片即可完成编码。

（3）帧级编码对DDR和Cache有极高的要求，但DSP平台硬件资源有限，帧级编码无法实现。

进行结构化处理。

方法：

通过Intel VtuneAmplifer  工具统计热点函数及其所占用时间，可以得出编码过程耗时最多的是运动估计（Motion Estimation ME）

和模块决策（Mode decision MD).

帧内帧间预测都是运动估计，运动估计分整像素运动和分像素运动。

整像素运动估计（IME）：将图像的的每一帧分成许多不重叠的宏块，先假设宏块内所有像素的位移量都相同，

然后对每个宏块到参考帧中某一给定的搜索范围内，根据一定的匹配准则，找出与当前最相似的块，即匹配块；匹配块与当前块的相对位移即运动矢量。

分像素运动估计（FME）：由于自然物体运动的连续性，相邻两帧之间的块的运动矢量不一定是以整像素为基本单位的。IME完成粗精度的帧间匹配搜索，FME完成二分之一或四分之一像素精度的匹配。

模块决策就是寻找最佳匹配的过程。

IME与MD算法中，大部分操作都是SAD（运算都是矩阵运算）和SSD运算，考虑到SAD运算的特性，使用DSP平台的SIMD加速指令来实现优化。

SAD操作需要进行大量重复性的数学运算，指令级流水线可充分利用DSP提供的并行处理能力，实现处理速度的成倍提高。具体将块大小分类，根据矩阵行数据数量来进行分类组织。4xN，8xN，12xN，16xN，32xN，48xN，64xN.相同的行大小带来的好处是，每次行循环的循环次数和偏移量是固定的。这可以将判断控制行大小内层循环去掉，使得流水线在整个块的SAD和SSD计算过程中不会被打断，同时偏移量数量的减少减少了寄存器的使用数量。

采用数据重组目的是为了使数据运算通过SIMD指令并行运算，流水线的建立是为了使得SIMD指令充分并行执行。

采用Avgu4指令来替代C语言中的乘法后右移的取平均值方式。其可以实现1个指令周期取4对数据的平均值，大大减少了运算的时间。

由于块的运算，其行数都是4的倍数即行数能均分成2份，因此使用两个指针使得两行数据能够并行运算，减少判断是否到行尾的判断次数，使得流水线更加紧凑、效率高。

总结：结构优化，关键算法优化、IME优化，FME优化。

可优化的空间：如将MxN矩阵数据组织成Aligned类型以提高load指令的效率，更大范围内的数据共享可以减少load指令执行的次数，将指令级汇编应用到变换、量化等其他编码算法加速。