(3)汇编程序级优化。汇编级的优化包括两部分：采用线性汇编语言进行优化和直接用汇编语言进行优化。由于系统编译器的局限性，并不能将全部的函数都很好地优化，这样就需要统计比较耗时的C语言函数，用汇编语言重新编写。这些函数包括：插值函数、帧内预测函数、整形反变换等函数。
下面以差值函数中的一段来说明汇编编写带来的性能提高。
横向1/2插值源代码：
for (j = 0; j < BLOCK_SIZE; j++) {
for (i = 0; i < BLOCK_SIZE; i++) {
for (result = 0, x = -2; x < 4; x++)
result += mref[ref_frame][ y_pos+j][ x_pos+i+x]*COEF[x+2];
block[j] = max(0, min(255, (result+16)/32));
}
}
该段代码采用一个六阶滤波器来插值1/2位置的像素值，共插出16个值（一个块）。源代码采用三重循环，内层循环是插值滤波器，如果直接用编译器把源代码编译成汇编的话，内部循环都要反复读取一些内存数据。采用汇编自己编写，则可以改进算法，大大降低函数的运行时间。
如图3所示，在插值第一个半像素位置时，要在内存中读取1～6像素的值，插值第二个半像素位置时，要读取2～7点的值，这样，就反复读取了2～5像素点的值，而且，插值一个点需要进行6次乘法、5次加法。用汇编语言编写，手工排流水线，可以降低数据的读取次数，同时减少了乘、加法指令数。首先，采用LDNW指令直接读取8个数据到寄存器中，每次插值直接使用寄存器而不再去内存中读取数据。另外，采用DOTPSU4乘累加命令代替MPL指令，将四次乘法和3次加法用一条指令来代替，减少了指令数目。
通过以上各种优化方法，最终实现了基于C6416内核的H.264 baseline解码器算法。
4 算法性能的评测及前景展望
在NVDK C6416环境下，测试了解码器算法，对QCIF测试序列，已经能够达到50～60帧/秒的解码速度，远远达到了实时性解码的目的。
在NVDK C6416板卡上实现的H.264视频解码器具有功能强、使用灵活等特点，有广泛的应用前景。该优化的算法不仅适用于NVDK板，对于所有的C64开发板都具有通用性，只要根据板卡的内存分配，重新配置内存参数文件，便可以把该算法移植到新的开发板中。该H.264视频解码器与网络平台相连接便可以应用于视频会议、可视电话、无线流媒体通信等应用领域。
参考文献
1 IEKC64X USERS MANUAL. Data Sheet.
2 Thomas Wiegand, Gary J.Sullivan, Gisle Bjontegaard and Ajay Luthra.Overview of the H.264/AVC Video Coding Standard. IEEE Transactions on Circuits and Systems for Video Technology, 2003；（7）：560～576
3 SPRU187g. TMS320 C6000 Optimizing C Compiler User's Guide. March 2000
