2010年一季度，LSI發布了新一代多核媒體處理器或基帶處理器：StarPro2704和StarPro2716(簡稱SP27xx)。LSI上一代多核媒體處理器StarPro2603和StarPro2612(簡稱SP26xx)已經在2G無線基帶及語音媒體網關上成功應用。SP27xx相比SP26xx，在媒體和基帶算法處理能力上有至少2倍的增強，同時在降低功耗方面加入了很多先進技術。針對運營商級和中小企業級的3G/4G無線基站、更高密度的語音媒體網關以及高清視頻服務器等方面的應用，SP27xx均能提供業界領先的高性能低功耗的解決方案。本文首先介紹SP27xx的新特性，然后著重分析SP27xx在高清視頻領域的應用。
SP27xx體系結構
SP2716是通過MCM多芯片封裝工藝將4個SP2704的裸片封裝成一個芯片，其處理能力是SP2704的4倍。相對于4個SP2704，SP2716大大放寬了對單板尺寸的限制，這使得用戶能夠更方便地擴展高端音視頻業務。下文重點介紹SP2704的體系結構。
SP2704繼承了SP2603的體系構架，由2個基本模塊組成：媒體處理模塊(MPB)和包處理模塊(PPB)。媒體處理模塊主要由4個SC3400e的DSP子系統組成，而包處理模塊的核心是ARM11雙核處理器系統。在這種單芯片DSP+ARM的多核處理器結構中，數據面和控制面分別由DSP和ARM來處理，使得DSP可以最大程度地利用其運算優勢，同時不需要額外使用片外處理器來處理應用程協議，是最高效的音視頻媒體網關結構。
SP2704擁有超大的片內內存，對于高密度語音網關和非高清視頻應用，一般不需要使用片外存儲區，這就最大程度地降低了成本和單板總功耗，減少了軟硬件設計復雜度，也放寬了單板尺寸的限制。此外，SP27xx采用了業界領先的40nm芯片工藝，還引入了許多先進的低功耗技術。以語音網關應用為例，SP27xx的每通道功耗遠遠低于業界其他同類芯片。
1)DSP子系統(DSS)
SP2704有4個頻率為750MHz的StarCore SC3400eDSP子系統(DSS)。相對上一代芯片SP2603，如果不考慮DSP內核能力的增強，SP2704的DSP處理能力可達SP2603的兩倍。每個DSS還包含內存保護單元(MPU)，256KB本地零等待RAM，32KB一級指令高速緩存，32KB一級數據高速緩存，512KB L2高速緩存，兩個專用的2通道DMA控制器。
2)包處理模塊(PPB)
包處理模塊(PPB)是基于雙核ARM11 MP的子系統，工作頻率僅為DSS工作頻率的一半。PPB主要負責整個芯片加載和管理(包括ARM和DSP)，以及輸入輸出數據包的管理。PPB還包括：ROM用于存放ARM Boot代碼，以及SPI/SSP、UART、NAND flash控制器接口，可為客戶提供多種Boot方式。
3)豐富的片內內存和2個超高帶寬總線
SP2704中有2個超高帶寬總線矩陣：DSP總線矩陣和PPB總線矩陣，可用作數據處理功能模塊的系統互連，以1/2DSP子系統時鐘速率運行，帶寬分別是128位和64位。SP2704擁有豐富的片內內存，除了DSP和ARM子系統內部的零等待RAM，還有一個6M的片內系統共享內存。共享內存分成12個存儲塊，不同的內核可以同時訪問不同的存儲塊，真正達到了數據訪問的高吞吐量、高可用性以及低時延。
4) 豐富的接口資源
SP2704擁有豐富的接口資源，可以滿足各種音視頻網關服務器應用：兩個10/100/1000/2500Mbps以太網MAC，可配置為FE(SS-SMII)或GE(SGMII)；TDM處理模塊通過6個串行端口進行TDM流量的多路復用和解多路復用；10Gbps x4 sRIO接口(4個3.125Gbps Lane)或者配置為兩個獨立的x1SRIO接口；PCIe接口，可接到host或SP2704設備之間互聯；32位DDR3接口工作頻率高達1066MHz。
圖1 SP2704媒體處理器體系結構。
SC3400e---基于SC3400的增強
SC3400e與SC3400后向兼容，SC3400e繼承了SC3400的變長指令集(VLES)結構和12級流水深度。SC3400e的能力增強表現在以下幾個方面：
1)實數和復數乘加能力的增強
SC3400e與SC3400的數據算術邏輯單元(DALU)都包含了4個乘加單元(MAC)。SC3400的MAC包含1個16位*16位的乘法器和1個40位的加法器；而SC3400e的MAC包含4個16位*16位的乘法器和2個40位的加法器，其加法器支持2個40位復數操作數的加/減法。實數乘加運算能力提高1倍，而復數乘加運算能力則是原來的4倍。
SC3400e的實數和復數MAC運算能力可概括為：每周期可完成8個16位實數乘加運算，性能是SC3400的2倍；每周期可完成4個16位(16位實部,16位虛部)的復數乘加運算，性能是SC3400的4倍；每周期可完成8個8位(8位實部,8位虛部)的復數乘加運算，性能是SC3400的8倍；每周期可完成4個32位*16位的實數乘加運算，性能是SC3400的2倍；每周期可完成4個(16位*16位+16位*16位+40位)的實數點積運算。如果設置了飽和模式，A=sat{sat{A+BxC}+DxE}，則性能是SC3400的2倍。
2)在COF和控制代碼效率方面的改進
SC3400采用先進的動態分支預測機制，可有效減少COF(Change of Flow)的延遲。例如，某條JMP指令已經在分支目標緩沖(BTB)中，實際執行只需要1個周期，而不是6個周期。SC3400e在原有的分析預測機制的基礎上，完成了多方面的改進。
在SC3400e中，硬件循環和COF共同使用n個BTB，突破了SC3400中只支持4層嵌套的零開銷硬件循環的限制。而且，SC3400e還改進了硬件循環誤判的開銷，就算硬件循環條件不成立，開銷也只有3個周期，而在SC3400中這樣的開銷最多達6個周期；在SC3400e中，提高了短循環的執行效率，同時短循環不再占用BTB；SC3400e支持4個返回地址寄存器，相對SC3400中的一個返回地址寄存器，減少了子程序返回的平均延遲。總體看，相對SC3400，SC3400e控制代碼的效率提高了0.25倍。
圖2 高清視頻編碼及解碼的多核功能分配示意圖。
3) 查找表的性能提高
在SC3400e中，帶有線性地址修改的指令1個周期就能完成。查找表的性能提高了0.5倍。
4) SC3400e中改進的視頻加速指令
SC3400e中改進的視頻加速指令主要包括：用于半像素插值的插值指令，性能提高1倍；用于運動補償的Add-and-Sat指令，性能提高1倍；1個周期完成位插入或位抽取操作。對于位流與字節之間的pack/unpack及其他位流處理算法，性能提高1倍。
SP2704二級緩存的使用
SP2704支持二級緩存(L2 cache)：其中一級緩存(L1 cache)分成32k指令緩存和32K數據緩存，二級緩存可靈活用于片外程序和數據的緩存。對于高清視頻編解碼的應用，需要使用DDR3存儲器來存儲大量的視頻數據。這時，一般會配置二級緩存映射到DDR存儲空間。同時，如果再配置L1 cache緩存L2 cache的數據，對緩存進行合理的優化，會使片外的視頻數據讀寫效率更高。
L2 cache還可以配置成共享內存，如果L2 cache配置成共享內存，6MB共享內存的空間就擴展為8MB。對于不需要放置片外存儲器的應用，一般會把L2 cache配置成共享內存，進一步增加數據和代碼的片內存儲空間。
分層的多核編解碼器構架
對于H.263或H.264的高清視頻編碼，一個DSP核無法完成1路圖像的編碼/解碼，因而需要由多個核協作完成，這就涉及到多核之間任務分配的問題。LSI目前采用靈活的多層編解碼構架，以片(slice)為基本單位對圖像進行分割，每個核處理一個或多個片。這樣，可以在多核之間擴展，也可以通過sRIO、PCIe等高速互連總線在多器件之間擴展。
以1080P(1280*720)H.264的解碼和編碼為例，如果一個SP2704處理1路30fps 1080p H.264解碼，多個SP2704協同處理1路30fps 1080p H.264編碼，SP2704#1解碼后的YUV4:2:0的圖像數據提供給SP2704#2來進行編碼，參考幀數據將存放在DDR3存儲器中，如圖2所示。
多核分層編碼器
在協同處理1路圖像的多個核中，一個核作為主核，其他核為從核。主核除了要負責一些slice的編解碼之外，還要處理負荷平衡、場景識別及速率控制這樣的公共任務。其他從核將只是對分配的slice進行處理。
多核分割可以減少高清視頻編碼的延遲，而動態負荷平衡功能可最大程度減少延遲。SP2704內部的4個DSP核可以通過6M的共享內存和DDR3片外存儲器來共享視頻數據：當前圖像存放在6M的共享內存中，通過L1數據cache緩存片內共享內存的圖像數據，參考圖像存放在DDR3外部存儲器中，通過L2 cache來緩存DDR3中的圖像數據。從而使得視頻數據訪問的速度達到最快。
SP2716中的2個SP2704之間可以通過PCIe共享DDR3存儲器，這樣可減少2個SP2704之間的數據交互，從而簡化了軟件開發的復雜度，還將整個硬件設計所需的DDR3設備數量減少了一半。此外，多個SP2704器件之間通過sRIO接口來傳輸或共享視頻數據，這些SP2704都連接到sRIO開關上。每個器件都可以自發地寫入到其他任何一個器件的I/O空間。
多核解碼器
H.264解碼涉及串行操作和并行操作。熵解碼包含一系列串行操作，無法分配給多個內核并行處理，因而將由主核處理，其他并行操作可以分配到各個從核來處理。LSI分層解碼器的基本原理是：由主核負責熵解碼，再把熵解碼后的數據分配到各個從核來處理。其他從核讀取數據后進行后續處理，例如逆量化、逆變換等；對于P宏塊還要從DDR3中讀取參考幀數據并進行運動補償。最后進行循環濾波，并把得到的宏塊數據存入DDR3的當前幀中。