使用SSE / simd指令转换24到16位音频

时间:2015-05-02 21:40:36

标签: audio simd sse2 quantization sse3

我想知道是否有任何快速方法可以对音频样本数组进行24位到16位量化(使用内在函数或asm)。

源格式是24 le签署。

更新: 管理以完成转换,如下所述:

static void __cdecl Convert24bitToStereo16_SSE2(uint8_t* src, uint8_t* dst, int len)
{
    __m128i shuffleMask = _mm_setr_epi8(-1,0,1,2,-1,3,4,5,-1,6,7,8,-1,9,10,11);             

    __asm 
  {    
        mov        eax, [src]   // src          
        mov        edi, [dst]   // dst
        mov        ecx, [len]   // len

        movdqu     xmm0,xmmword ptr [shuffleMask]           

      convertloop:
        movdqu     xmm1, [eax]              // read 4 samples           
        lea        eax,  [eax + 12]         // inc pointer                      
        pshufb     xmm1,xmm0                // shuffle using mask
        psrldq     xmm1, 2                  // shift right

        movdqu     xmm2, [eax]              // read next 4 samples          
        lea        eax,  [eax + 12]         // inc pointer                      
        pshufb     xmm2, xmm0               // shuffle
        psrldq     xmm2, 2                  // shift right
        packusdw   xmm1, xmm2               // pack upper and lower samples

        movdqu     [edi], xmm1              // write 8 samples
        lea        edi, [edi + 16]
        sub        ecx, 24
        jg         convertloop
  }
}

现在是抖动 - 如何避免量化效应?

欢迎任何提示。 THX

1 个答案:

答案 0 :(得分:2)

你的最终代码看起来很奇怪。为什么要进行随机播放,然后对整个寄存器进行逐字节移位?相反,设置你洗牌控制面具,把东西放在正确的位置开始。

此外,packusdw无法将全范围32位转换为全范围16位。它使任何大于2 ^ 16-1的32位元素饱和(到0xffff)。所以你必须自己右移数据,从24位全范围到16位全范围。 (在音频中,通过将8个零位添加为最不重要的位来完成从16位到24位的转换,而不是最重要的位。)

无论如何,这意味着我们想要背靠背地输入每24位输入的高16b。我们可以通过洗牌来做到这一点。

//__m128i shuffleMask = _mm_setr_epi8(-1,0,1,2,-1,3,4,5,-1,6,7,8,-1,9,10,11);
// setr takes its args in reverse order, so right-shift by 2 bytes -> move the first 2 args
//__m128i shiftedMask = _mm_setr_epi8(1,2,-1,3,4,5,-1,6,7,8,-1,9,10,11,-1,-1);

// could get 10B, but packing that into the output would be slower
__m128i mask_lo = _mm_setr_epi8( 1,2,  4,5,   7,8,   10,11,
                                -1,-1, -1,-1, -1,-1, -1,-1);
//    __m128i mask_hi = _mm_setr_epi8(-1,-1, -1,-1, -1,-1, -1,-1,
//                                     1,2,  4,5,   7,8,   10,11);
//  generate this from mask_lo instead of using more storage space  

  ... pointer setup
  movdqu     xmm3, xmmword ptr [mask_lo]
  pshufd     xmm4, xmm3, 0x4E  // swap high/low halves

  convertloop:
    movdqu     xmm0, [eax]              // read 4 samples
    pshufb     xmm0, xmm3               // low 8B = 24->16 of first 12B, high8 = 0
    movdqu     xmm1, [eax + 12]         // read next 4 samples
    pshufb     xmm1, xmm4               // high 8B = 2nd chunk of audio, low8 = 0
    por        xmm1, xmm0               // merge the two halves

    movdqu     [edi], xmm1              // write 8 samples
    add        eax, 24
    lea        edi, [edi + 16]
    sub        ecx, 24
    jg         convertloop

另外,请注意读取数组的末尾。每个movdqu读取16B,但您只使用前12个。

我可以使用相同的掩码两次,并使用PUNPCKLQDQ将高8B放入保持低8B的reg的上半部分。但是,punpck指令与pshufb竞争相同的端口。 (Nehalem / Sandybridge / IvyBridge上的端口1,5,仅限Haswell端口5)。por可以在任何端口0,1,5上运行,即使在Haswell上也是如此,因此它不会创建端口5瓶颈问题。

循环开销过高,即使在Haswell上也没有展开使port5饱和,但它已经接近了。 (9个融合域uops,其中2个需要port5。没有循环携带的依赖,并且足够的uop是每个周期4uops的加载/存储应该是可能的。)展开2或3应该做特技。 Nehalem / Sandybridge / Ivybridge在执行端口上不会出现瓶颈,因为它们可以在两个端口上进行洗牌。 Core2对于PSHUFB需要4 uop,并且每2个周期只能维持1次,但它仍然是执行此数据移动的最快方式。 Penryn(aka wolfdale)也应该很快,但我还没看过细节。然而,解码器吞吐量将成为Nehalem之前的一个问题。

因此,如果所有内容都在L1缓存中,我们可以每2个周期生成16B的16b音频。 (或更少,有一些展开,在Haswell之前。)

AMD CPU(例如Steamroller)在与pshufb相同的端口上也有punpck,而布尔值可以在其他2个向量端口上运行,因此情况相同。随机播放的延迟时间高于英特尔,但吞吐量仍为每周期1个。

如果要进行适当的舍入而不是截断,请在截断前向样本中添加2 ^ 7之类的内容。 (可能需要进行一些符号调整。)如果你想要抖动,你需要一些更复杂的东西,并且应该谷歌,或者寻找一个库实现。 Audacity是开源的,所以你可以看看他们是如何做到的。