0 引言

    隨著手機(jī)、PAD等移動(dòng)設(shè)備進(jìn)一步普及，對(duì)3D圖形繪制的需求也越來(lái)越大。桌面GPU相較于移動(dòng)GPU，其渲染流程簡(jiǎn)單直接、數(shù)據(jù)吞吐率高，進(jìn)而帶寬需求高，功耗大。文獻(xiàn)[1]指出相比于集成電路按照摩爾定律的發(fā)展速度，電池供電技術(shù)發(fā)展得緩慢得多，移動(dòng)設(shè)備最基本的問(wèn)題是電池供電。在移動(dòng)設(shè)備中，由于圖形應(yīng)用于液晶顯示器上，因此圖形渲染時(shí)系統(tǒng)功耗大，軟件的優(yōu)化是有限的，所以對(duì)硬件的低功耗設(shè)計(jì)是研究的重點(diǎn)，進(jìn)而達(dá)到移動(dòng)設(shè)備在低帶寬功耗的條件下實(shí)現(xiàn)較高性能的渲染效果。

    紋理映射是紋理空間與像素空間相互映射的過(guò)程，在對(duì)紋理圖形進(jìn)行放大或縮小時(shí)，會(huì)出現(xiàn)單紋素對(duì)應(yīng)多像素或多紋素對(duì)應(yīng)單像素的情況，造成紋理走樣的現(xiàn)象。因此，行業(yè)內(nèi)權(quán)威共同制定了適用于嵌入式的3D圖形標(biāo)準(zhǔn)OpenGL ES^[2]，其使用各向同性濾波方式。該方式中的最近鄰點(diǎn)采樣濾波因沒(méi)有考慮到紋理映射的范圍，容易產(chǎn)生鋸齒現(xiàn)象；該方式中的雙線性濾波雖然有效地減少了鋸齒問(wèn)題，但容易造成模糊現(xiàn)象；該方式中的Mipmap濾波是經(jīng)典的映射方法；最后的三線性濾波是對(duì)Mipmap濾波的優(yōu)化，所以本文選擇了三線性濾波。因?yàn)殡p線性濾波是對(duì)鄰近d的一層紋理圖像中相鄰的四個(gè)紋素位置進(jìn)行采樣，三線性濾波是對(duì)鄰近d的兩層紋理圖像分別進(jìn)行雙線性濾波，并將兩層的雙線性濾波加權(quán)，進(jìn)而雙線性濾波是三線性濾波的簡(jiǎn)化，本文以下用雙線性進(jìn)行說(shuō)明。

    紋理訪存是影響像素處理器速率的關(guān)鍵，同樣也是移動(dòng)GPU整體性能的瓶頸。加上片上紋理高速緩沖存儲(chǔ)器，建立關(guān)于紋素的片上L1緩存，有效降低了移動(dòng)GPU與外存間的數(shù)據(jù)帶寬。紋理Cache與普通Cache的不同：首先，紋理Cache為只讀，區(qū)別于普通Cache的寫(xiě)數(shù)據(jù)和寫(xiě)回功能；其次，紋理Cache的吞吐率同移動(dòng)GPU整體性能結(jié)合緊密，本文結(jié)合雙線性濾波需要四紋素的特點(diǎn)，使用4端口Cache。紋理Cache是流水線形式，本文使用FIFO控制器控制FIFO緩沖區(qū)預(yù)存塊的讀寫(xiě)，減少了移動(dòng)GPU流水線的停頓。

1 基于Tile-based的移動(dòng)圖形處理架構(gòu)

    Imagnination公司PowerVR系列產(chǎn)品的移動(dòng)GPU采用文獻(xiàn)[3]提出的TBR（Tile Based Rendering）渲染模式，在幾何運(yùn)算后將屏幕像素點(diǎn)劃分為多個(gè)Tile，并在像素處理器中逐Tile進(jìn)行渲染。相比于適用于桌面圖形處理器的立即渲染模式（Immediate Mode Rendering，IMR），TBR渲染模式在執(zhí)行光柵化和圖元操作時(shí)可以將每個(gè)Tile上所有的深度及顏色等信息都存在片上，顯著降低了存儲(chǔ)帶寬。文獻(xiàn)[4]指出移動(dòng)GPU主要的功耗來(lái)源于訪問(wèn)片外存儲(chǔ)，所以TBR模式適用于移動(dòng)圖形處理器。圖1為本文移動(dòng)圖形處理器的體系結(jié)構(gòu)。

    整個(gè)移動(dòng)GPU采用了統(tǒng)一架構(gòu)，即幾何變換操作、頂點(diǎn)坐標(biāo)的光照計(jì)算和著色渲染都在統(tǒng)一渲染染色器（Unified Shading Processor，USP）中完成；屏幕坐標(biāo)產(chǎn)生單元（Screen-coordinate Generating Unit，SGU）完成幾何處理后頂點(diǎn)的圖元裝配、裁剪、背面剔除等操作，轉(zhuǎn)換到屏幕空間；后續(xù)模塊為覆蓋率計(jì)算、中間數(shù)據(jù)緩存建立等；最終通過(guò)深度測(cè)試輸出給幀緩存。TBR渲染模式中，Tile的大小有8×8、16×16、32×32等多種劃分方式，文獻(xiàn)[5]指出當(dāng)Tile大小為8×8時(shí)，紋理Cache的性能可以達(dá)到最優(yōu)，但從移動(dòng)GPU整體性能方面考慮，一般應(yīng)采用Antoeh^[6]建議的32×32大小的Tile。

2 紋理濾波

    紋理映射是將二維圖像投影到屏幕的三角形上，在移動(dòng)GPU中，這一過(guò)程是逆向處理的，即對(duì)每個(gè)在屏幕上的像素點(diǎn)，計(jì)算其對(duì)應(yīng)于二維圖像中的紋理坐標(biāo)。但屏幕空間對(duì)應(yīng)到紋理空間時(shí)，不一定恰好對(duì)應(yīng)到一個(gè)紋素，而是對(duì)應(yīng)到紋理空間中某個(gè)區(qū)域，這時(shí)就需要對(duì)該區(qū)域中的紋素進(jìn)行加權(quán)計(jì)算，這就是濾波。

    Lance Willams提出了一種目前幾乎所有圖形硬件都會(huì)支持的濾波方法，即Mipmap濾波技術(shù)。圖2（a）所示為Miapmap金字塔，其核心內(nèi)容如圖2（b）所示，將不同分辨率的紋理存儲(chǔ)在外存中。在映射時(shí)，根據(jù)紋素與像素的縮放率d，選擇適合的層級(jí)，對(duì)于較小的多邊形映射，可以有效降低紋理走樣的出現(xiàn)。

    在Mipmap濾波的基礎(chǔ)上，進(jìn)一步提出了三線性濾波，顯著降低了走樣現(xiàn)象的產(chǎn)生。首先，計(jì)算縮放率d；其次，在d的上下兩個(gè)不同分辨率紋素層級(jí)中分別讀取4個(gè)紋理坐標(biāo)并進(jìn)行雙線性濾波；最終，對(duì)兩個(gè)結(jié)果進(jìn)行加權(quán)。

3 紋理Cache的設(shè)計(jì)

3.1 紋理Cache電路

    紋理Cache的硬件電路結(jié)構(gòu)如圖3所示，主要包括：LUT查找電路、地址判斷電路、標(biāo)記位比較電路、LRU替換電路、FIFO控制電路和輸出電路。

3.2 查找電路

    查找電路負(fù)責(zé)計(jì)算雙線性濾波所需要的四個(gè)紋素在外存中的地址。通過(guò)查找表(Look Up Table，LUT)給出紋理圖像所在Mipmap金字塔中的層級(jí)，將其輸出給地址判斷電路、標(biāo)記位比較電路、LRU替換電路和輸出電路。

    在三線性濾波中，由紋素和像素的縮放率d可以得到兩個(gè)不同且相鄰Mipmap層的紋理圖像，即每個(gè)紋理圖像的基地址addr0是由紋理ID和Mipmap層共同決定的。本文中USP支持最大分辨率紋理圖像為1 024×1 024，對(duì)應(yīng)層級(jí)數(shù)為0，依據(jù)金字塔中每級(jí)的紋理圖像分辨率需要滿足2ⁿ×2ⁿ的大小，則層級(jí)數(shù)為1對(duì)應(yīng)的紋理圖像分辨率為512×512，以此類推。

3.3 地址判斷模塊

    地址判斷模塊根據(jù)基地址信息，計(jì)算出雙線性濾波中另外三個(gè)紋素所在外存中基于基地址的偏移地址，并把整合后的四個(gè)紋素地址連續(xù)地輸出給標(biāo)記位比較電路和輸出電路。

    本文最大支持1 024×1 024分辨率的紋理圖像，每個(gè)紋素按照RGBA8888格式存儲(chǔ)，即32 bit。在紋理圖像中的偏移地址按照oa形式產(chǎn)生：

    圖4表示使用MATLAB將一幅紋理圖像恢復(fù)成RGBA格式并存儲(chǔ)在外存中，比如大小為64×64，方格代表紋素在紋理圖像中的位置，數(shù)字代表紋素在內(nèi)存中的位置，對(duì)該層級(jí)分辨率紋理圖像進(jìn)行雙線性濾波時(shí)，需要讀取2×2個(gè)紋素，如圖4中圈所示。假設(shè)Address表示外存中的地址，則另外3個(gè)紋素在外存中的地址分別為：

    根據(jù)紋素在紋理圖像中的映射方式，提前進(jìn)行四紋素地址判斷有兩點(diǎn)優(yōu)勢(shì)：

    (1)例如圖4中1、2、8、9四個(gè)紋素地址分別為Address(0~3)，其中1號(hào)紋素地址為給定的基地址，8號(hào)紋素地址通過(guò)偏移量可直接計(jì)算，2號(hào)和9號(hào)紋素的地址只是前兩個(gè)紋素地址各自加“1”，進(jìn)而在進(jìn)行標(biāo)記位存儲(chǔ)時(shí)，只需存儲(chǔ)1號(hào)和8號(hào)的信息，減少了資源的浪費(fèi)；

    (2)根據(jù)標(biāo)記位比較電路的設(shè)計(jì)，減少了檢測(cè)時(shí)間的消耗。

3.4 標(biāo)記位比較電路和LRU替換電路

    標(biāo)記位比較模塊負(fù)責(zé)判斷四個(gè)紋素在紋理Cache中是否命中。為了滿足提高數(shù)據(jù)吞吐率，使用4端口紋理Cache，把256行的紋理Cache分成4個(gè)64行的單端口Cache（0~3）。在紋理貼圖中，分辨率小于32×32的紋理圖像相對(duì)使用較少，為了提高常用紋理圖像中紋素的命中率，可以把分辨率較小的紋理圖像的紋素單獨(dú)存儲(chǔ)在Cache3中，把分辨率較大的紋理圖像的紋素通過(guò)Address中的7、8位對(duì)四個(gè)Cache進(jìn)行選擇，從而在不命中的情況下，不會(huì)替換其余Cache中的塊。

    文獻(xiàn)[7]指出紋理Cache大小為8 KB時(shí)，可以達(dá)到很高的命中率，因此采用8 KB的存儲(chǔ)容量。在地址映射關(guān)系中，直接映射速度快，但對(duì)存儲(chǔ)空間的利用率低；全相聯(lián)映射與直接映射相反，進(jìn)而在地址映射上，選擇折中的組相聯(lián)映射方式。本文采用4路組相聯(lián)，即將每個(gè)64行的Cache分為16組，其中每組分為4路，每行存儲(chǔ)8個(gè)紋素，大小為32 B。

    如果對(duì)一個(gè)Cache某組中的4路進(jìn)行tag位檢測(cè)，會(huì)花費(fèi)1~4拍，影響吞吐率。將每組中的第一路組成tag_ram0，以此類推，第四路組成tag_ram3。如圖5所示，則：

    (1)當(dāng)讀取分辨率較小的紋理圖像時(shí)，只在Cache3中進(jìn)行tag位檢索，需要2拍完成；

    (2)當(dāng)讀取分辨率較大的紋理圖像時(shí)，通過(guò)地址選擇Cache，在Address[7:8]都為0的情況下，tag檢測(cè)需2拍；

    (3)在Address[7:8]不都為0的情況下，tag檢測(cè)只需1拍。

    LRU替換電路主要負(fù)責(zé)在讀不命中情況下，判斷Cache組中需要被替換的路。采用最近最少使用算法（Least Recently Used，LRU）。

3.5 FIFO控制電路

    為滿足USP高處理速度，紋理Cache的讀取速度不僅體現(xiàn)在命中率、多端口上，更多地時(shí)間消耗在與外存間的數(shù)據(jù)交互中。因此，如果能夠提前將未命中且待讀取的數(shù)據(jù)提前放在片內(nèi)，將會(huì)顯著提高吞吐率。

    紋理Cache中對(duì)標(biāo)記位檢索可以有較高的處理速度，因此如圖6所示，在紋理Cache上建立一個(gè)標(biāo)記位FIFO和一個(gè)數(shù)據(jù)buffer或FIFO，由于四紋素的地址已經(jīng)提前計(jì)算出，返回?cái)?shù)據(jù)和請(qǐng)求數(shù)據(jù)發(fā)出的先后順序是一致的，所以本文可以使用Data_fifo來(lái)代替buffer，分別用于存儲(chǔ)未命中地址和待讀取數(shù)據(jù)的提前存儲(chǔ)。

    在標(biāo)記位FIFO有未命中地址寫(xiě)入時(shí)，F(xiàn)IFO控制器直接向外存發(fā)送讀請(qǐng)求地址，并寫(xiě)入到Data_fifo中。因?yàn)槊新屎虳ata_fifo深度為反相關(guān)關(guān)系，所以Data_fifo深度不大，當(dāng)其寫(xiě)滿時(shí)，把到達(dá)FIFO頭部的數(shù)據(jù)開(kāi)始寫(xiě)入Cache_ram對(duì)應(yīng)行中，并讀出。

    紋理Cache流水線暫停的條件是：tag_fifo被寫(xiě)滿，發(fā)送stop信號(hào)給USP，在全部處理完后，再發(fā)送begin信號(hào)，啟動(dòng)流水線。其中tag_fifo與Data_fifo深度一樣。

3.6 地址判斷電路

    輸出電路負(fù)責(zé)與外存和USP間的數(shù)據(jù)交互及紋理Cache中RAM的更新。其存儲(chǔ)方式與3.4節(jié)中討論相同。

    在讀全部命中時(shí)，直接讀取數(shù)據(jù)給USP；在有不命中時(shí)，即使有命中的紋素也暫停等待Data_fifo深度被寫(xiě)滿，然后接收FIFO數(shù)據(jù)更新RAM，并讀出數(shù)據(jù)。

4 實(shí)驗(yàn)結(jié)果

4.1 測(cè)試平臺(tái)的搭建

    本文的測(cè)試平臺(tái)使用SV進(jìn)行搭建，如圖7所示，該平臺(tái)主要包括：generator（激勵(lì)模塊）、driver（驅(qū)動(dòng)模塊）、dut（RTL級(jí)代碼）、reference_model（參考模塊）、monitor（監(jiān)視模塊）、scoreboard（比較模板模塊）。

    驗(yàn)證平臺(tái)描述：激勵(lì)模塊主要用來(lái)模擬產(chǎn)生USP發(fā)送的讀請(qǐng)求地址，給出地址大小區(qū)間，并在該區(qū)間內(nèi)隨機(jī)循環(huán)產(chǎn)生地址輸出到驅(qū)動(dòng)模塊；驅(qū)動(dòng)模塊將輸入的地址分別輸出到dut和參考模塊，其中dut是紋理Cache的RTL級(jí)代碼部分，參考模塊通過(guò)平臺(tái)與C參考模型接口，把地址送入模型中計(jì)算，并通過(guò)接口輸出到平臺(tái)；監(jiān)視模塊監(jiān)視整個(gè)測(cè)試過(guò)程中的信號(hào)；比較模板模塊把從參考模塊輸入的數(shù)據(jù)和監(jiān)視模塊輸入的數(shù)據(jù)進(jìn)行比較，相同則表示“success”，并把次數(shù)自增加“1”，不同則表示“fail”，并使次數(shù)不變。

4.2 性能分析

    首先編寫(xiě)幾種典型的測(cè)試機(jī)理，通過(guò)EDA工具對(duì)RTL級(jí)設(shè)計(jì)進(jìn)行功能仿真，在測(cè)試激勵(lì)仿真正確后，將代碼加入測(cè)試平臺(tái)中，進(jìn)行平臺(tái)測(cè)試。最終與USP IP及Xilinx定制存儲(chǔ)器IP互聯(lián)，使用Xilinx的ZYNQ-7系列xz7z045ffg900開(kāi)發(fā)板進(jìn)行硬件測(cè)試。圖8所示為硬件平臺(tái)中USP IP與本文設(shè)計(jì)的紋理Cache IP的互聯(lián)，并將恢復(fù)出的紋理圖像通過(guò)驅(qū)動(dòng)HDMI顯示出來(lái)。圖9是測(cè)試場(chǎng)景渲染圖。

    通過(guò)Xilinx的Vivado對(duì)設(shè)計(jì)進(jìn)行綜合，綜合資源結(jié)果如表1所示。

    本文從接收到讀地址到發(fā)送紋素給USP的拍數(shù)如表2所示。

    在讀命中時(shí)，如果紋素存儲(chǔ)在同一單端口Cache中，需3拍讀出4個(gè)紋素；如果紋素兩兩存儲(chǔ)在不同Cache中，只需2拍讀出。在讀不命中時(shí)，當(dāng)緩沖區(qū)已經(jīng)寫(xiě)入未命中數(shù)據(jù)，則只需6或7拍即可，因?yàn)橛蠧ache號(hào)的問(wèn)題；當(dāng)緩沖區(qū)為空，則只能讀取外存紋素先寫(xiě)滿FIFO，需35或36拍完成。

    通過(guò)MATLAB將20幅紋理圖像恢復(fù)成RGBA格式存儲(chǔ)，用generator模塊產(chǎn)生地址測(cè)試，驗(yàn)證結(jié)果為平均命中率可以達(dá)到92.5%左右。吞吐率相比單端口Cache提升了將近4倍，相比于文獻(xiàn)[8]中的平均像素生產(chǎn)率0.1 pixel/clock，提高了8倍左右。表3是實(shí)驗(yàn)數(shù)據(jù)，表4是命中率比較。

    本文設(shè)計(jì)的紋理Cache應(yīng)用預(yù)存塊，減少了流水線停頓；使用4端口結(jié)構(gòu)，消除了Cache同步問(wèn)題，顯著提高吞吐率；結(jié)合Mipmap算法特點(diǎn)，提前計(jì)算出四紋素的外存地址，根據(jù)紋理圖像的層級(jí)大小，選擇Cache進(jìn)行紋素的存放。本文相比于文獻(xiàn)[9]平均命中率有所提高；相比于文獻(xiàn)[10]對(duì)于最大分辨率1 024×1 024的紋理圖像命中率有所提升。

5 結(jié)論

    為了滿足統(tǒng)一架構(gòu)染色器對(duì)吞吐率的要求，結(jié)合雙線性濾波算法的特點(diǎn)，本文設(shè)計(jì)實(shí)現(xiàn)了一種紋理Cache的電路結(jié)構(gòu)，并通過(guò)測(cè)試平臺(tái)及Xilinx的FPGA開(kāi)發(fā)板進(jìn)行硬件測(cè)試。通過(guò)層級(jí)選擇紋素在Cache中的存儲(chǔ)方式，提高對(duì)相同紋理圖像不同分辨率讀取的命中率；FIFO緩沖區(qū)和4端口結(jié)構(gòu)的設(shè)計(jì)，提高了Cache的吞吐率及降低流水線停頓。根據(jù)測(cè)試結(jié)果表明，本文提出的紋理Cache性能良好。

參考文獻(xiàn)

[1] 焦繼業(yè)，李濤，杜慧敏，等.移動(dòng)圖形處理器的現(xiàn)狀、技術(shù)及其發(fā)展[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2015(6)：1005-1016.

[2] CHOUDHARY V，KUMAR P，BHATTACHARYA T K，et al.Alternative geospatial data handling and augmented reality[C].IGN e.V. a BOW，2008.

[3] ANTOCHI I，JUURLINK B，VASSILIADIS S，et al.Memory bandwidth requirements of tile-based rendering[M].Computer Systems：Architectures，Modeling，and Simulation.Springer Berlin Heidelberg，2004：323-332.

[4] JAKO B.Hardware accelerated hybrid rendering on PowerVR GPUs[C].IEEE，Jubilee International Conference on Intelligent Engineering Systems.IEEE，2016：257-262.

[5] JUURLINK B，ANTOCHI I，DAN C，et al.GRAAL：a framework for low-power 3d graphics accelerators[J].IEEE Computer Graphics & Applications，2008，28(4)：63-73.

[6] 許強(qiáng)，陳杰，劉建，等.一種適用于嵌入式圖形處理器的多端口紋理Cache的設(shè)計(jì)[J].微電子學(xué)與計(jì)算機(jī)，2013(11)：27-30.

[7] LIOU J Y，CHEN C H.Re-visit blocking texture cache design for modern GPU[C].SoC Design Conference.IEEE，2015.

[8] 程龍，郭立，史鴻聲.一種紋理映射算法的FPGA實(shí)現(xiàn)[J].小型微型計(jì)算機(jī)系統(tǒng)，2009，30(9)：1855-1859.

[9] 許強(qiáng)，陳杰，劉建，等.一種適用于嵌入式圖形處理器的多端口紋理Cache的設(shè)計(jì)[J].微電子學(xué)與計(jì)算機(jī)，2013(11)：27-30.

[10] MISAKI Y，INO F，HAGIHARA K.Cache-aware，in-place rotation method for texture-based volume rendering[J].IEICE Transactions on Information & Systems，2017，100(3)：452-461.

作者信息:

韓孟橋1，蔣  林2，楊博文1，山  蕊1，耿玉榮3

（1.西安郵電大學(xué) 電子工程學(xué)院，陜西 西安710121；

2.西安科技大學(xué) 集成電路設(shè)計(jì)實(shí)驗(yàn)室，陜西 西安710054；

3.西安郵電大學(xué) 計(jì)算機(jī)學(xué)院，陜西 西安710121）