传统的通用处理器是以字为单位进行处理的，1般是32位或64位，而图像信息通常以大量的低精度或短数据类型的形式出现，为了不浪费数据通路宽度，充分高效的利用处理器上的多个计算单元，提高处理器性能和处理多媒体信息的效率，子字并行的处理方式应运而生。子字并行[1]是1种特殊的数据并行，在子字并行中，1个字就是1个数据集。

　　子字是包含在字中的更低精度的数据单元。我们将若干个子字封装到1个字中，然后对整个字进行处理。子字并行允许在1个计算单元(字单元)内对2个、4个或8个操作(子字)同时进行。图1(a)所示的是1个普通的`32位操作与相应的子字并行处理进行比较，图1(b)为展示的是在子字单元上如何进行子字并行处理。

　　显然，与全字长的处理相比，子字并行操作可以带来更大的并行度。子字并行是处理多媒体类型数据应用的最自然的方式，它能够充分利用多媒体算法数据精度小、内部循环多的特点。对于处理器设计来说，子字并行大大提高了处理器的并行度，节省了数据通路和寄存器资源;多媒体指令的扩展又提供了更高的处理速度;同时，对于嵌入式多媒体处理器来说，为支持子字并行而组织数据通路，也可以获得更低的并行开销和更少的控制重复。有了子字并行的处理器方式，单1的1条LOAD/STORE指令就可以在存储器和寄存器之间同时移动若干个被封装的子字，因而，存储能力也得到了提高。因此，不论是通用微处理器还是多媒体微处理器或DSP，子字并行都是提高处理器性能、加速多媒体处理的有效方式。

3 相关研究

　　子字并行的处理器方式虽然很有效，但图像处理程序主要还是以串行程序方式编写(如：C)，结果却需要以并行的方式执行，因而对编译器提出了很高的要求，需要编译器来决定如何将子字数据按照正确的顺序封装入源寄存器，进行相应子字对之间的运算，运算结束后，按照需求，将结果以正确的顺序从目标寄存器中提取出来。因此，和子字并行在体系结构研究上取得的成功相比，通用编译器技术却不能自动的从应用程序中提取这种并行性，进而无法充分利用这类特殊的指令集，编译技术在自动高效的识别、产生和处理子字并行指令方面，尚未取得令人满意的结果。

　　以MMX[2~4]为代表，借鉴SIMD阵列处理技术如向量处理来产生优化代码，采用向量处理编译技术，能够获得1。5到6。5的加速比，这样的结果已经相当不错。因为对于多媒体应用这类的计算密集型应用，内层循环是代码中最关键的部分，也是体现最多并行的部分，所以向量处理的目的在于识别内层循环，采用循环变换来得到向量操作，而这些操作就可以用子字并行指令实现。向量处理包括：循环分析，循环正规化，依赖性分析，标量扩展，循环分布，向量化和循环分段。

　　MIT的Larsen和Amarasinghe提出superword[5]的概念，认为子字并行不仅仅是1种数据并行，还是1种指令级并行的方式，因此，对于1个基本块中按相同顺序执行的相同的操作，都可以进行并行处理。这种方法与传统的向量编译方法的不同在于它的向量化是对1个基本块内部指令的向量化。该方法基于SUIF[5]实现，并应用于Motorola的AltiVec扩展。这种方法解决了基本块内部的并行处理问题，但是只适用于基本块结构简单的情况，对于带条件转移的基本块如何处理，并没有进行深入研究，而且这种方法由于过于复杂，不具备很好的移植性，也难于实现，所以，只能作为1种启发式方法进行研究。

　　与现有研究的不同在于，本文沿袭向量编译的原理，根据图像处理程序的特点，着重对关键部分———内层循环进行挖掘，提出了按位的数据流分析方法，为进1步编译优化技术的使用奠定基础。

4 按位数据流分析

　　数据流分析能够帮助我们确定内层循环，我们首先用循环正规化技术(loop normalization)来保证循环的迭代空间的规则性和依赖性验证的简单。本文主要考察针对for循环的匹配，在开始进行子字并行规范之前，我们假设该循环中所有上下界都明确定义。

　　对于C编译器而言，我们假设其规约变量下界为0、变化步长为1、且所有循环迭代都可以运行，则旧的规约变量将为新规约变量的仿射函数代替，下标表达式和下界也因此做相应修改。下例所示为1个小的循环代码段，其规约变量下界为2、步长为1。