十一、copy程序的优化  
    1、源代码：  
    Word16 i;  
        for (i = 0; i < L; i++)   
    {  
        y = x;  
    }  
     2、改编代码：  
（1）要求数组长度能被 2 整除  
    Word32  i;  
    Word32      temp;  
        int *p1 = (int *)&x[0];   
        int *q1 = (int *)&y[0];   
        for (i = 0; i < L/2; i++)   
    {  
        temp = *p1++;  
        *q1++ = temp;  
    }  
（2）要求数组长度能被 4 整除  
    Word32  i;  
    Word32      temp1, temp2;  
    Word32  *pin1, *pin2, *pout1, *pout2;  
        pin1 = (Word32 *)&x[0];   
        pin2 = (Word32 *)&x[2];   
    pout1= (Word32 *)&y[0];  
    pout2= (Word32 *)&y[2];  
        for (i = 0; i < L/4; i++)   
    {  
        temp1 = *pin1;  
        temp2 = *pin2;  
        pin1+=2;  
        pin2+=2;  
        *pout1= temp1;  
        *pout2= temp2;  
        pout1+=2;  
        pout2+=2;  
    }  
3、优化方法说明：  
把一次循  拷贝一个 word16 的数改为一次循环拷贝 2 个 word16 或4 个 word16 的数。  
4、技巧：  
充分利用 c6xx 一次读取32 位数的特性，并利用一个指令周期能读取两个数据的特点。   
十二、set_zero 程序的优化  
    1、源代码：  
    Word16 i;  
        for (i = 0; i < L; i++)   
    {  
       x = 0;  
   }  
2、改编代码：  
（1）数组长度能被 2 整除  
    Word32 i;  
        int *x1 = (int *)&x[0];   
        for (i = 0; i < L/2; i++)   
    {  
        *x1++ = 0;  
    }  
（2）数组长度能被 4 整除  
    Word32 i;  
        int *x1 = (int *)&x[0];   
        int *x2 = (int *)&x[2];   
        for (i = 0; i < L/4; i++)   
    {  
        *x1 = 0;  
        *x2 = 0;  
        x1++;  
        x2++;  
        x1++;  
        x2++;  
    }  
3、优化方法说明：  
把一次循环为一个 word16 的数赋值改为一次为 2个或 4 个 word16 的数赋值。  
4、技巧：  
充分利用C6XX一次读取32位数的特点， 并利用一个指令周期能读取两个数据的特点。   
十三、32bit数与 16bit 数相乘  
1、源代码：  
L_tmp0 = Mac_32_16(L_32, hi1, lo1, lo2);   
2、改编代码：  
L_tmp0=_sadd(_sadd(_smpyhl(hl32, lo2),   
    (_mpyus(hl32, lo2)>>16)<<1), L_32);  
3、优化方法说明：  
    hl32 是32bit 的数， hi1 和 lo1 是 16bit的数， 且  hl32 = hi1<<16 + lo1 << 1  ， 即 hi1 和 lo1分别是 hl32的高 16 位数和低 16 位数。 函数 Mac_32_16(L_32, hi1, lo1, lo2)实现  
  L_32 = L_32 + (hi1*lo2)<<1 + ((lo1*lo2)>>15)<<1  
     源代码是把一个 32 位的数拆成两个 16 位的数与一个 16 位的数相乘，优化后的代码不拆开 32 位的数，直接用 32 位的数与16 位的数相乘。运用这种方法必须保证 hl32 的最低一位数必须为 0，否则应用指令_clr(hl32, 0, 0)把最低位清零。  
4、技巧：  
     源代码中的低 16 位数 lo1 是hl32 的低16 位右移一位得到的（留出一位符号位） 。在与lo2 相乘时又右移了 15 位，所以在改编代码中右移 16 位，并且是以无符号数与 lo2 相乘。  
十四、32bit数与 32bit 数相乘  
1、源代码：  
                      L_tmp = Mac_32 (L_32, hi1, lo1, hi2, lo2);   
2、改编代码：  
L_tmp = _sadd(_sadd(_smpyh(hl1_32, hl2_32),   
     ((_mpyhslu(hl1_32, hl2_32)>>16)<<1)+((_mpyhslu(hl2_32, hl1_32)>>16)<<1)), L_32);  
3、优化方法说明：  
     两个 32位的数相乘，不必分成四个 16 位的数相乘，直接用 32 位相乘。其中：  
        hl1_32 = hi1<<16 + lo1<<1,       hl2_32 = hi2 <<16 + lo2 <<1  。  
源代码实现：  L_32 = L_32 + (hi1*hi2)<<1 + ( (hi1*lo2)>>15 + (lo1*hi2)>>15) <<1   
4、技巧：  
低 16 位与高16 位相乘时，低 16 位使用的是无符号数。  

十五、16 位除法的优化  
1、源代码：  
Word16 div_s (Word16 var1, Word16 var2) //实现  var1/var2  
{  
    Word16 var_out = 0;  
    Word16 iteration;  
    Word32 L_num = (Word32)var1;  
    Word32 L_denom = (Word32)var2;  
            for (iteration = 0; iteration < 15; iteration++)  
            {  
                var_out <<= 1;  
                L_num <<= 1;  
                if (L_num >= L_denom)  
                {  
                    L_num = L_sub (L_num, L_denom);  
                    var_out = add (var_out, 1);  
                }  
            }  
    return (var_out);  
}  

2、改编代码：  
Word16 div_s1 (Word16 var1, Word16 var2)   
{  
    Word32 var1int;  
    Word32 var2int;  
        var1int = var1 << 16;   
        var2int = var2 << 15;   
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    var1int = _subc(var1int,var2int);  
    return (var1int & 0xffff);  
}  
3、优化方法说明：  
实现 16 位的除法，要求被除数 var1和除数 var2都是整数，且 var1<=var2。利用 C6XX特有的指令 subc，实现除法的循环移位相减操作。  
4、技巧：  
把被除数和除数都转换成 32 位数来操作，返回时取低 16 位数。
十六、C6X优化 inline 举例:  
1、原程序：  
        for (i = LO_CHAN; i <= HI_CHAN; i++)   
    {  
        norm_shift = norm_l(st->ch_noise);  
        Ltmp = L_shl(st->ch_noise, norm_shift);  
        norm_shift1 = norm_l(st->ch_enrg);  
        Ltmp3 = L_shl1(st->ch_enrg, norm_shift1 - 1);  
        Ltmp2 = L_divide(Ltmp3, Ltmp);  
                Ltmp2 = L_shr(Ltmp2, 27 - 1 + norm_shift1 - norm_shift);   
                    // * scaled as 27,4 *  
        if (Ltmp2 == 0)  
           Ltmp2 = 1;  
        Ltmp1 = fnLog10(Ltmp2);  
        Ltmp3 = L_add(Ltmp1, LOG_OFFSET - 80807124);   
                    // * --ound(log10(2^4)*2^26 *  
        Ltmp2 = L_mult(TEN_S5_10, extract_h(Ltmp3));  
        if (Ltmp2 < 0)  
            Ltmp2 = 0;  
        // * 0.1875 scaled as 10,21 *  
        Ltmp1 = L_add(Ltmp2, CONST_0_1875_S10_21);  
                // * tmp / 0.375    2.667 scaled as 5,10, Ltmp is scaled 15,16 *   
        Ltmp = L_mult(extract_h(Ltmp1), CONST_2_667_S5_10);  
        ch_snr = extract_h(Ltmp);  
    }  

2、优化后程序：  
    //因循环体太大，拆成两个循环并把相应的函数内嵌以使程序能 pipeline，  
    //用 L_div_tmp[]保存因拆分而产生的中间变量。  
        for (i = LO_CHAN; i <= HI_CHAN; i++)   

    {  
        //norm_shift = norm_l(st->ch_noise);  
        norm_shift = _norm(st->ch_noise);  
        Ltmp = _sshl(st->ch_noise, norm_shift);  
        //norm_shift1 = norm_l(st->ch_enrg);  
        norm_shift1 = _norm(st->ch_enrg);  
        //Ltmp3 = L_shl1(st->ch_enrg, norm_shift1 - 1);  
        LLtmp1 = st->ch_enrg;  
        LLtmp1 = LLtmp1 << (norm_shift1 + 7);  
        Ltmp3 = (Word32)(LLtmp1 >> 8);  
        Ltmp2 = IL_divide(Ltmp3, Ltmp);  
        //Ltmp2 = L_shr(Ltmp2, 27 - 1 + norm_shift1 - norm_shift);  
                Ltmp2 = (Ltmp2 >> (27 - 1 + norm_shift1 - norm_shift));   
        if (Ltmp2 == 0)  
            Ltmp2 = 1;  
        L_div_tmp = Ltmp2;  
    }  
        for (i = LO_CHAN; i <= HI_CHAN; i++)   
    {  
        Ltmp2 = L_div_tmp;  
        Ltmp1 = IfnLog10(Ltmp2);  
        //Ltmp3 = L_add(Ltmp1, LOG_OFFSET - 80807124);   
        Ltmp3 = _sadd(Ltmp1, LOG_OFFSET - 80807124);  
        //Ltmp2 = L_mult(TEN_S5_10, extract_h(Ltmp3));  
        Ltmp2 = _smpy(TEN_S5_10, (Ltmp3 >> 16));  
        if (Ltmp2 < 0)  
            Ltmp2 = 0;  
        Ltmp1 = _sadd(Ltmp2, CONST_0_1875_S10_21);  
        //Ltmp = L_mult(extract_h(Ltmp1), CONST_2_667_S5_10);  
        Ltmp = _smpy((Ltmp1 >> 16), CONST_2_667_S5_10);  
        //ch_snr = extract_h(Ltmp);  
        ch_snr = (Ltmp >> 16);  
    }  
3、优化说明  
     观察上面这个循环，循环体本身比较大，且含有两个函数 L_divide（）和 fnLog10（） ，而 C62 内部只有 32 个寄存器，且有些寄存器是系统用的，如 B14、B15 这样循环体太大将会导致寄存器不够分配，从而导致系统编译器无法实现循环的 pipeline。  
     为了实现循环的 pipeline。我们需要把循环体进行拆分，拆分时要考虑以下几点：  
（1） 、拆分成几个循环比较合适？在各个循环能 pipeline 的前提下，拆开的循环个数越少越好。这就要求尽可能让各个循环的运算量接近。  
（2）考虑在什么地方把程序拆开比较合适？循环体里的数据流往往并不是单一的  ，
在拆开的断点处势必要用中间变量保存上次的循环运算结果，供以后的循环用。  适当的拆开循环体，使所需的中间变量越少越好。  
     （3）循环体中的函数调用必须定义成内嵌形式，含有函数调用的循环系统是无法使之pipeline 的；各个循环体中的判断分支机构不可太多，否则系统也无法使之 pipeline，为此应近可能把可以确定下来的分支确定下来，并尽可能用内嵌指令。  
     针对上面这个例子，考虑：  
     （1）为让各个循环的运算量大致相当，应把 L_divide（）和 fnLog10（）分到两个循环中去，从循环体大小上考虑，估计拆成两个循环比较合适。  
     （2）考虑在什么地方把程序拆开比较合适？在         
if (Ltmp2 == 0)  
            Ltmp2 = 1;  
后拆开，因为后面用到的数据只有 Ltmp2，故只需用一个数组保存每次循环的 Ltmp2 值即可。  
（3） 循环体中的两处函数调用L_divide （） 和fnLog10 （） 都定义了其内嵌形式，  IL_divide（）和 IfnLog10（） 。当把可以确定下来的分支作确定处理，并尽可能用内嵌指令后，该循环体中所剩的分支结构已很少，循环体可以 pipeline。优化前程  序用 2676 cycle，优化后用400 cycle。优化后两个子循环的 MII 分别为14和 6cycle。