基于GPU的相关干涉仪算法实现

第１６卷第１期　２０１５年２月　信息工程大学学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　Ｖｏ１．１６　Ｎｏ．１　Ｆｅｂ．２０１５　

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－（）６７３．２０１５．０１．００８　

基于ＧＰＵ的相关干涉仪算法实现　

王云龙．吴瑛　

（信息工程大学，河南郑州４５０００１）　

摘要：在短波中进行相关干涉仪测向，往往需要对众多信号逐一地进行相关和二维谱峰搜索运　

算，这在一般的通用计算平台很难保证算法的实时性。在对频域相关干涉仪测向算法进行研　究的基础上，利用ＣＵＤＡ在ＧＰＵ运算平台上将算法分为ＦＦＴ运算、数据校正、相关运算和谱峰　

搜索４个模块，并采用ＣＵＤＡ库函数、优化矩阵乘法、规约算法和流技术实现其并行化处理，有　效降低了算法耗时。在ＧＴＸ６８０平台上测试，结果表明与采用ＩＰＰ多核技术的ＣＰＵ相比，具有　

较高的加速比。　

关键词：宽带测向；相关干涉仪；ＣＵＤＡ；ＧＰＵ　中图分类号：ＴＮ９１４　文献标识码：Ａ　文章编号：１６７１－０６７３（２０１５）０１－００４１－０５　

Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　Ｃｏｒｒｅｌａｔｉｖｅ　Ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　ＧＰＵ　

ＷＡＮＧ　Ｙｕｎ—ｌｏｎｇ．ＷＵ　Ｙｉｎｇ　（Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ　４５０００　１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ＨＦ　ｃｏｒｒｅｌａｔｉｖｅ　ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ，ｔｈｅ　ｃｏｒｒｅｌａｔｉｏｎ　ａｎｄ　ｔｗｏ・ｄｉｍｅｎｓｉｏｎａｌ　

ｓｐｅｃｔｒａｌ　ｐｅａｋ　ｓｅａｒｃｈ　ｆｏｒ　ｍａｎｙ　ｓｉｇｎａｌｓ　ｓｈｏｕｌｄ　ｂｅ　ｃａｌｃｕｌａｔｅｄ　ｏｎｅ　ｂｙ　ｏｎｅ．Ｇｅｎｅｒａｌｌｙ，ｔｈｅ　ｎｏｒｍａｌ　ｔｏｍ・　ｐｕｔｉｎｇ　ｐｌａｔｆｏｒｍ　ｉｓ　ｄｉｆｆｉｃｕｌｔ　ｔｏ　ｅｎｓＨｒｅ　ｔｈｅ　ｓｙｓｔｅｍ　ｒｅａｌ－ｔｉｍｅ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ａｎ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｄｉｖｉｄｅｄ　ｉｎｔｏ　

ｆｏｕｒ　ｐａｄｓ　ｂｙ　ＣＵＤＡ：ＦＦＴ，ｄａｔａ　ｃｏｒｒｅｃｔｉｏｎ，ｃｏｒｒｅｌａｔｉｏｎ　ｃａｌｃｕｌａｔｉｏｎ　ａｎｄ　ｐｅａｋ　ｓｅａｒｃｈ　ｏｎ　ＧＰＵ　ｐｌａｔ－　ｆｏｒｍｓ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｆｒｅｑｕｅｎｃｙ　ｄｏｍａｉｎ　ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　ａｌｇｏｒｉｔｈｍ　ｒｅｓｅａｈｅｄ．Ｗｉｔｈ　ＣＵＤＡ　ｌｉｂｒａｒｙ　ｆｕｎｃ－　

ｔｉｏｎ，ｏｐｔｉｍｉｚｉｎｇ　ｍａｔｒｉｘ　ｍｕｌｔｉｐｌｉｃａｔｉｏｎ，ｒｅｄｕｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ，ａｎｄ　ｓｔｒｅａｍｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｔｏ　ａｃｈｉｅｖｅ　ｉｔｓ　ｐａｒａｌｌｅｌ　ｐｒｏｃｅｓｓｉｎｇ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｅｆｆｅｃｔｉｖｅｌｙ　ｒｅｄｕｃｅｓ　ｔｈｅ　ｔｉｍｅ－ｃｏｎｓｕｍｅｄ．ＧＴＸ６８０　ｐｌａｔｆｏｒｍ　ｔｅｓｔ　ｒｅ—　

ｓｕｉｔｓ　ｓｈｏｗ　ｔｈａｔ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ｍｕｌｔｉ—ｃｏｒｅ　ＣＰＵ　ｔｅｃｈｎｏｌｏｇｙ　ｗｉｔｈ　ＩＰＰ，ｔｈｅ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ａ　ｈｉｇｈｅｒ　ｓｐｅｅｄｕｐ　ｒａｔｉｏ．　

Ｋｅｙ　ｗｏｒｄｓ：ｗｉｄｅｂａｎｄ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ；ｃｏｒｒｅｌａｔｉｖｅ　ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ；ＣＵＤＡ；ＧＰＵ　

０　引言　

干涉仪测向具有算法简单、精度高以及对天线阵列形状要求不高等优点，是实施无源测向的主要手段　之一，在无线电频谱管理、频谱检测和电子对抗等民用和军用领域中均有广泛应用　引。传统干涉仪算法　

是对天线输出序列与样本库进行相关运算来估计通道之间的相差，进而估计出信号的方位角和仰角，但只　

适用于单个窄带信号的情况　。在短波频段中，一段频谱中往往包含有大量信号，这时传统的干涉仪算　法就会失效。为了能够对多个信号进行测向，需要使用频域相关干涉仪算法，该算法首先将接收数据进行　

收稿日期：２０１４－０３－０４；修回日期：２０１４－０４．１２　基金项目：国家自然科学基金资助项目（６１２０７３８１）　作者简介：王云龙（１９９０一），男，硕士生，主要研究方向为阵列信号处理。

　４２　信息工程大学学报　

ＦＦＴ处理，然后选取信号对应的频点与阵列导向矢量相关求最大值即可得到信号的来向，ＦＦＴ处理相当于　对信号进行信道化处理。在对大量信号逐一进行干涉仪测向时，需要不断地进行相关运算和二维谱峰搜　索运算，一般的通用计算平台很难保证实时性的要求。针对这一点，本文从测向系统实现的角度，给出了　

一种基于ＧＰＵ平台算法的实现方案。　

从设计架构上看，ＣＰＵ擅长处理操作系统和应用程序这类需要复杂调度指令、分支、逻辑判断以及执　

行等任务。程序的逻辑复杂度限制了执行的指令并行度，即使用多核技术，也难以在ＣＰＵ上完成上百个　并行任务　。ＧＰＵ比ＣＰＵ具有更强的运算能力，只需要一个合适的平台就能处理通用计算。统一计算架　

构（ｃｏｍｐｕｔｅ　ｕｎｉｆｉｅｄ　ｄｅｖｉｃｅ　ａｒｃｈｉｔｅｃｔｕｒｅ，ＣＵＤＡ）是由ＮＶＩＤＡ公司于２００７年推出旨在将ＧＰＵ当作通用计算　平台，利用ＣＵＤＡ完成程序中并行程度高的部分，和ＣＰＵ协同工作能够有效提高程序的效率。ＣＵＤＡ的　

编程语言是ｃ语言的扩展，较之以前使用复杂图形学ＡＰＩ的ＧＰＧＰＵ更容易为人们学习和接受，而且ＣＵ．　ＤＡ采用了统一处理架构，降低了编程难度Ｌ６］。由于这些特性，ＣＵＤＡ推出后发展迅速，被广泛应用于生物　

医学、石油勘探、天文计算、图像和信号处理等领域。　

ＣＵＤＡ语法上只是对ＡＮＳＩ　Ｃ进行了最小的必要扩展，以实现其关键特性——共享存储器、栅栏同步　

和线程按照两个层次进行组织。这些关键特性使得ＣＵＤＡ拥有了两个层次的并行：线程级实现的细粒度　数据并行和任务级实现的粗粒度并行　。　

本文通过对相关干涉仪算法进行分析，将程序分为ＦＦＴ处理、校正、相关和谱峰搜索４个模块，利用　

ｃｕｄａ库函数、优化矩阵乘法、规约算法和流技术等实现并行化处理。仿真结果显示，在ＧＰＵ平台上处理时　间明显短于使用多核处理技术的ＣＰＵ。　

１　频域相关干涉仪测向原理　

假设一个按任意几何位置排列的天线阵列有　个阵元，同时有Ｄ个具有相同中心频率０．／　，波长为Ａ　

的空间窄带平面波（Ｍ＞Ｄ）分别以来向角＠。，０　，…，９。入射到该阵列，其中，０　＝（０ｉ，　），ｉ：１，２，…，　

Ｄ，０　和　分别是第ｉ个入射信号的方位角和仰角，其中，０≤０　＜３６０。，０≤　＜９０。。则第ｋ个阵元的　

输出：　Ｄ　（ｔ）＝∑ｇ“ｓｉ（ｔ—ｆ　）＋ｎ　（ｔ），ｋ＝１，２，…，Ｍ　（１）　

（ｔ）为入射到阵列的第ｉ个源信号，ｇ　为第ｋ个阵元对第ｉ个信号的复增益，ｎ　（ｔ）表示第　个阵元上的加　

性噪声，　为来自于　的源信号投射到第ｋ个阵元时相对于选定参考点时延。在均匀圆阵的情况下：　

Ｊｒ　ｃ。ｓ（　一Ｏｉ）　。　咖　，矗：１，２，…，Ｍ　（２）　

其中，ｒ为圆半径，（２）式表明对于确定的俯仰角和方位角，信号的时延仅与阵列位置和半径有关。相关干　

涉仪测向原理主要是利用人射波与预先存储的样本库进行相关比对，相关度最大的样本视为信号的来　向　。相关干涉仪同时利用了信号的幅度和相位信息，比相位干涉仪具有更好的性能。　已经接收的阵列输出矢量可表示为Ｘ（ｔ）＝［　（ｔ），　（ｔ），…，　（ｔ）ｒ，对其进行傅立叶变换，得到阵　

列信号输出的频域形式：　（　：［　。（厂），　（　，…，　（　ｒ，其中，　（　可表示为　

Ｄ　（　＝∑ｇ　Ｓ（ｆ）ｅ　“＋』ｖ　（，），ｋ：１，２，…，Ｍ　（３）　

由于噪声与信号的相关系数为０，且对于固定频率的信号，．ｓ（．厂）可视为常数，则样本矢量为　

ｇＩｌｅ一　。　“　

ｇ２ｌ　ｅ一　㈣　

ｇ　ｌ　ｅ一　。　’　ｇｌｌｅ一　。　

ｇ２ｌｅ—　。　

ｇ＾，ｌ　ｅ一　。　ｇｌ１ｅ一　。　。　

ｇ２ｌ　ｅ一　。　。　

ｇ　ｌ　ｅ一　。　。　，即阵列的导向矢量Ａ（　）。　

为了进行相关运算，要在频域建立样本库。对０。～６０。范围的仰角按照先细后粗的标准划分２２个区　

间，０。～３６０。范围的方位角间隔１。划分３６０个区间，这样按照（３）式可以建立一个二维的样本库：

　第１期　王云龙等：基于ＧＰＵ的相关干涉仪算法实现　４３　

Ｙ＝　Ｙｌ，１　

Ｙ２。Ｉ　

Ｙ３６０　２２．１　Ｙｌ，２　

ｙ２．２　

Ｙ３６０。２２．２　Ｙｌ。Ｍ　

Ｙ２．Ｍ　

Ｙ３６Ｏ。２２．Ｍ　（４）　

其中，ｙ　（ｉ＝１，２，…，３６０　２２；　＝１，２，…，　）表示每一个仰角和方位角对应的一组导向矢量。　为了估计信号的来向，将二维样本库Ｙ与所测得的阵列频域输出矢量　（　进行相关计算：　

ｐ　Ｉ　ｖｘ　｝　（５）　

计算相关度的最大值所对应的计算样本即信号来向。　

２宽带干涉仪的ＧＰＵ实现　

根据以上分析，天线接收信号后首先需要进行ＦＦＴ处理将数据转换到频域，经过校正模块减少不同　天线和接收机存在的固有误差，然后接收数据与样本库进行相关运算，最后通过对相关结果进行谱峰搜索　

求最大值估计出信号来向。　

故整个算法可分为ＦＦＴ处理、校正、相关和谱峰搜索４个模块，如图１所示。　２．１程序设计　根据模块划分，算法的程序设计流程如图２所示。厂＿—　厂—＿＿、厂＿—　厂—一、　在程序开始部分进行ＣＵＤＡ的初始化，分配好数据空　

间并将ＣＰＵ数据传人ＧＰＵ开始测向，测向部分后续　分４个模块进行分析，测向完毕后释放空间准备下一　

次测向或者结束。　

ＦＦＴ模块为了完成十路阵列数据的ＦＦＴ处理，　使用ＣＵＦＦＴ库中的一维配置函数ｃｕｆｆｔＰｌａｎｌｄ（）设置　

数据的类型以及ＦＦＴ点数等，再用复数ＦＦＴ变换函数　

ｃｕｆｆｔＥｘｅｃＣ２Ｃ（）完成复数数据的ＦＦＴ变换。由于ＦＦＴ　计算后将产生部分冗余的数据，还要将频域数据进行　截断处理。　

数据校正　校正数据一般由天线阵中心发出测　试信号，再对各天线、接收机处理后的结果分析得到。　数据校正部分将利用已获取的校正数据与频域数据　

进行复数点乘运算。　］＿１鼹Ｈ鍪饕篓Ｈ望　蒺Ｈ霎鬟簇Ｈ　赫　

图１算法模块划分　

图２算法流程图　相关运算　实际中为了便于处理，将１ＭＨｚ频段　

划分为８个频点处理，得到８组导向矢量。如果已经粗略获知信号所在频段，相关运算就负责更细致的查　询来找到信号的来向。经过校正的数据将分别和８组导向矢量进行相关运算，由于涉及矩阵庞大，考虑使　

用ｃｕｂｌａｓＸｇｅｍｍ（）函数实现，为了进一步压缩程序耗时，还需使用ＣＵＤＡ流来掩盖数据传输时间。　使用ＣＵＤＡ流时，程序执行示意图如图３所示。图中显示了使用两个ＣＵＤＡ流时，程序的执行情况。　

ＧＰＵ在ＣＵＤＡ编程模型里处于协作器的地位，ＣＰＵ作为主机控制协调两者相互工作。在ＣＰＵ将数据传　输到ＧＰＵ的过程中，ＧＰＵ实际上是空闲的，因此，可以通过让ＧＰＵ在这一段时间执行核函数来提高程序　

的效率，核函数执行完需要回传数据的时候也如此。在图３中，数据Ａ的复制、数据Ｂ的复制与核函数的　执行就能在两个流上同时执行。这样，数据传输的时间就能被掩盖，从而节约执行时间。　在ＣＵＤＡ中，使用流时要求主机分配的内存是页锁定内存，也称为固定内存（ｐｉｎｎｅｄ　ｍｅｍｏｒｙ）或者不　

合集下载

基于GPU的高性能计算机视觉算法实现

近年来，随着计算机视觉技术的不断发展，GPU（Graphics Processing Unit）作为一种高效的计算工具，被越来越多地应用于计算机视觉领域中。基于GPU的高性能计算机视觉算法实现在实时运算、高精度计算等方面呈现出无与伦比的优势。

一、GPU的优越性

GPU作为一种专门用于图形处理的硬件设备，其并行计算的能力得到了大幅提升，不仅可以完成单一指令、多数据（SIMD）的操作，同样可以进行多任务的并行计算。GPU的核心是很多个内核，每个内核可执行计算任务，而GPU有成千上万个内核，因此可以在极短时间内完成大量的计算操作。这使得GPU计算能力较于CPU得到了极大提升。

二、基于GPU的高性能计算机视觉算法

1. 特征提取

图像特征提取是计算机视觉算法的一个重要部分。基于GPU的高性能计算机视觉算法在特征提取方面呈现出了巨大的优势。以SIFT（Scale-Invariant Feature

Transform）算法为例，该方法使用拉普拉斯变换获得高斯金字塔中的DoG（Difference of Gaussian）图像，接着根据梯度方向和大小计算出局部特征向量。由于该算法中存在极多的矩阵运算和循环判断，在 CPU 上处理可能需要数十秒，而通过 GPU 辅助运算，时间不超过一秒。

2. 物体识别

物体识别是计算机视觉技术中的一个核心问题，也是人工智能的一个重要应用。基于GPU的高性能计算机视觉算法在物体识别领域拥有了无限潜力。以卷积神经网络（CNN）为例，该算法模型大量依赖矩阵运算和逻辑判断，通过GPU并行计算的能力，可以在非常短的时间内进行多层卷积和全连接的操作。相比于传统的计算模式，提高了物体识别的准确性和速度。

3. 形状匹配

形状匹配是计算机视觉领域中的一个重要问题，它是一种基于形状来描述物体特征并进行匹配的算法。以形状匹配中的组合数最大化算法为例，该算法通过枚举物体在不同角度、大小、位置的状态，然后进行匹配比较，从而得到最优的匹配结果。然而，该算法所需的计算量极大，在传统的计算模式中，耗时需要几十秒甚至数分钟。而通过GPU并行计算的能力，可以在数秒内完成计算。

基于嵌入式GPU的相关滤波跟踪算法改进及实现

徐卓;康隽睿;袁博;韩冬艳;党清新

【期刊名称】《弹箭与制导学报》

【年(卷),期】2022(42)4

【摘要】为解决目标跟踪任务中所面临的长时遮挡、尺度变化、视场抖动、强实时性需求等关键难点问题,基于相关滤波框架提出了一种多尺度下特征自适应更新的目标跟踪算法,使用多尺度特征对目标进行搜索,自适应更新模板特征实现对遮挡、视场抖动等场景下的目标稳定跟踪。同时在嵌入式GPU上进行算法加速,在保证跟踪精度的同时大幅提升跟踪速度,实现在嵌入式设备上的实时跟踪。最后在OTB数据集及自采视频上进行了测试,结果表明改进后的算法在目标遮挡、尺度变化、视场抖动等场景下均有良好的鲁棒性,同时在嵌入式设备上达到50帧/s的跟踪速度,满足了目标跟踪任务在嵌入式设备中实现时高复杂度、强实时的需求。

【总页数】7页(P97-103)

【作者】徐卓;康隽睿;袁博;韩冬艳;党清新

【作者单位】西安现代控制技术研究所;西安科技大学管理学院

【正文语种】中文

【中图分类】TP391

【相关文献】 1.基于TMS320C6678核相关滤波器跟踪算法实现及改进2.基于改进核相关滤波的长时目标跟踪算法3.基于核相关滤波的改进目标跟踪算法4.基于核相关滤波的改进目标跟踪算法5.GPU并行实现多特征融合粒子滤波目标跟踪算法

因版权原因，仅展示原文概要，查看原文内容请购买

基于GPU加速的多投影融合新算法的实现

计算机技术应用・ｔｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｔｅｃｈｎｏｌｏｇｙ　基于云计算模式的高校机房实验室建设的应用研究　

【关键词】云计算高校机房实验室建设应用　研究　迈人２１世纪以来，随着计算机技术的迅　猛发展和消费者对于计算机个性化需求的日益　提高，我们对于计算机的使用环境也提出了新　的要求。作为培养高级应用型人才的高校而言，　高校机房实验室建设的好坏往往是衡量学校办　学质量高低的一个重要指标。　文／夏春琴　目前，传统的高校实验室建设中的基础　设施建设和实验室管理都存在一些问题，而这　些问题又从一定程度上制约着实验室建设进程　及影响实际教学效果。归纳起来，高校实验室　建设中存在的问题主要有以下几个方面：　第～，实验室建设成本居高不下。高等　教育专业发展迅速，使得在校生的大学课程设　置对计算机的配置要求越来越高，这就带来一　方面原有的机器无法满足需求造成资源闲置，　同时购入新设备又需要投入大量资金。　第二，在高校机房的使用过程中，为充　分保证各个院系都能满足教学要求，造成机房　使用频率过高，维护管理的工作量增大，对机　房维护管理人员知识技能要求也更高。　第三，高校实验室在软硬件的投入建设　方面存在失衡，往往造成有机器缺软件或有软　件机器性能无法满足局面。这在一定程度上制　约了实验室整体的建设进程。　第四、高校实验室频繁的重复使用，出　于对机器保护的需要，实验室机房往往会安装　保护卡或网络还原卡等。教师在教学过程及学　生上课的作业数据常常会在计算机维护过程出　现遗失，或者尚未保存的情况。　１云计算技术在机房实验室建设方面的　优势　１．１云计算的定义　云计算（ｃｌｏｕｄ　ｃｏｍｐｕｔｉｎｇ）是基于互联　网的相关技术的增加、使用及交互模式，通过　这种方式，共享的软硬件资源和信息可以按需　提供给计算机和其他设备。云计算的基本原理　是通过使计算分布在大量的分布式计算机上，　而非本地计算机或远程服务器中，从而将大量　用网络连接的计算资源统一管理和调度，构成　一个计算资源池向用户按需服务。提供资源的　网络被形象的称之为“云”。　１．２云计算的特征及优势　与传统的ＩＴ模式相比，基于云计算ＩＴ模　式实现了三个层次的转变。首先，云计算在互　联网服务过程中由被动变为主动。云计算通常　以各种监控　日志、告警、报告服务工具为基　＜＜上接２０５页　色，如下图　

基于相位误差估计的干涉仪测向算法

基于相位误差估计的干涉仪测向算法是一种用于测量信号源方向的方法。干涉仪是一种通过比较两个或多个信号源之间的相位差来测量信号源方向的设备。

该算法的基本原理是测量干涉仪接收到的信号源的相位差，并根据相位差估计信号源的方向。具体的步骤如下：

1. 首先，设置干涉仪的接收器，并根据实际情况选择合适的接收器间距。接收器越远，测量的精度越高。

2. 接收器接收到信号源发出的信号，并通过天线将信号转化为电信号。

3. 将接收到的信号传递给相位测量单元，该单元通过比较接收到的信号源的相位差来测量信号源的方向。

4. 根据相位差估计信号源的方向。相位差可通过极化域相位差或时间域相位差等方式测量。

5. 根据相位差估计的信号源方向，可以计算出信号源的位置。

需要注意的是，该算法对信号源有一定的要求，信号源需要具有一定的相干性，才能够通过相位差来测量信号源的方向。

基于相位误差估计的干涉仪测向算法可以在天文学、通信等领域中应用，用于测量天体的方向、测量通信信号的入射方向等。在实际应用中，还可以结合其他算法和技术进行多源测向、抗干扰等处理，提高测量的精度和可靠性。

基于GPU快速光线跟踪算法的设计与实现

杨俊华;符红光;郭惠

【期刊名称】《计算机应用》

【年(卷),期】2007(027)008

【摘要】设计和实现了GPU上基于流的光线跟踪算法,采用一种基于线索二叉树的KD-Tree结构组织场景,避免了传统KD-Tree结构在遍历场景时在堆栈上的开销.算法在组织复杂场景上,优于利用传统KD-Tree和均匀剖分结构加速场景遍历的方法,在普通PC上实现了光线跟踪的快速渲染.

【总页数】3页(P2033-2035)

【作者】杨俊华;符红光;郭惠

【作者单位】中国科学院,成都计算机应用研究所,成都,610041;中国科学院,成都计算机应用研究所,成都,610041;电子科技大学,计算机科学与工程学院,成都,610054

【正文语种】中文

【中图分类】TP391.41

【相关文献】

1.基于GPU交互式光线跟踪算法的设计与实现 [J], 陆建勇;曹雪虹;焦良葆

2.基于混合数据结构的实时GPU光线跟踪算法 [J], 谢智歌;熊岳山;陈长波;王彦臻

3.基于旋转曲面场景的快速光线跟踪算法 [J], 王华;朱丽华;顾耀林

4.一种基于光线相关性的快速光线跟踪算法 [J], 古春生;蔡勇

5.基于GPU的光线跟踪算法的分析 [J], 王碧薇因版权原因，仅展示原文概要，查看原文内容请购买

基于GPU加速的机器学习算法实现研究

近年来，机器学习领域备受关注，其在实际应用中的效果越来越明显。然而，随着数据规模的不断扩大和模型复杂度的增加，单纯依靠CPU进行计算已经难以满足需求。为此，GPU加速机器学习算法成为一种很重要的途径，其能够提高计算速度，加快模型训练和优化。

一、GPU加速的基本概念

为了充分发挥高性能GPU的计算能力，科学家们将一些常见的机器学习算法进行了优化。通过采用CUDA、OpenCL和OpenACC等并行计算框架，GPU加速机器学习可以使模型的训练时间大幅缩短，同时还能进一步优化模型的性能、精确度和瓶颈。

CUDA是由NVIDIA开发的GPU加速并行计算平台和编程模型。它支持C/C++语言编写CUDA C程序，包括GPU核心和主机CPU。CUDA程序将运行在GPU上，而主机CPU则用于初始化和管理GPU操作。

OpenCL是由Khronos组织开发的一个开放标准，允许执行跨平台的并行计算任务。与CUDA不同的是，OpenCL支持多个硬件平台，包括CPU、GPU和FPGA等，这使得它更为灵活和可移植。 OpenACC是一种可移植的并行编程标准，它将指令插入到原始代码中，使程序能够自动在GPU和CPU之间切换。在OpenACC的支持下，机器学习算法可以利用GPU的强大计算能力进行加速，同时在保证代码可读性和引用性上更具灵活性。

二、GPU加速的算法实现

基于GPU加速的机器学习算法实现主要分为以下几个步骤：

1. 数据准备阶段

数据准备是机器学习过程中的重要环节。在处理超大规模数据集时，GPU加速算法需要对数据进行预处理。这包括数据清洗、转换、归一化等操作，以及对数据进行分幅处理，以便GPU能够快速地对其进行并行计算。

2. 模型训练阶段

机器学习的核心在于模型训练。GPU加速算法通常采用SGD（随机梯度下降）进行模型训练，它采用单样本误差进行计算，逐渐优化模型参数，从而最小化损失函数。在运用GPU加速的情况下，SGD计算可以分解为多个小批次操作，每个批次都可以由GPU中的线程并行计算。

基于GPU的数字信号处理算法实现与优化

近年来，GPU的高速计算能力得到了更广泛的应用。在数字信号处理领域，使用GPU进行算法优化已成为一种趋势。本文将介绍基于GPU的数字信号处理算法实现与优化的相关内容。

一、GPU概述

GPU是指图形处理器，其主要任务是生成图形和图像处理。由于GPU的高并行架构，使其具备高速计算和并行处理的能力。因此，在处理大量数据时，GPU已经成为一种重要的计算资源。随着科技的不断发展，GPU的功能已经不再局限于电子游戏和图形处理领域，而成为一种通用的高性能计算平台。

二、数字信号处理

数字信号处理是指将信号的样本值等数字信息以数值方式进行采样、量化和编码处理的过程。数字信号处理技术已成为现代通信、音视频处理、雷达信号处理、医学影像、天文探测、生物信息处理等多个领域的核心技术。其中，数字信号处理算法的实现和优化至关重要。

三、GPU在数字信号处理中的应用

在数字信号处理领域，GPU主要有两方面的应用。一方面，可以将通用计算任务转移到GPU上，以缩短计算时间、提高系统效率。另一方面，也可以充分利用GPU的高并行架构进行并行计算处理，以加速算法实现。

以矩阵乘法为例，传统算法通常采用分块矩阵相乘的方法，这种算法瓶颈主要在于数据传输和CPU计算速度的限制。然而，使用GPU进行算法优化可大幅提高计算效率。例如，使用CUDA平台进行矩阵乘法计算，可以将计算速度提高至CPU的几十倍。

四、GPU数字信号处理算法优化方法在使用GPU进行数字信号处理算法优化时，有以下几点需要注意：

1、算法设计：GPU的高并行架构需要对算法进行一定的重构，设计出合适的算法模型，以充分利用GPU并行计算能力。

2、数据传输：由于GPU和CPU之间的数据传输速度有限，这在某些算法中可能会成为瓶颈。因此，在算法实现过程中需要注意减少数据传输，合理规划数据存储结构。

3、内存控制：GPU内存访问速度很快，但容量有限，因此需要优化内存访问方式，减少显存占用，降低GPU内存使用率，提高算法效率。

基于FPGA的相关干涉仪算法的研究与实现

Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔｓ　

基于ＦＰＧＡ的相关干涉仪算法的研究与实现　

韩广，王斌，王大磊　

ｆ信息工程大学信息工程学院，河南郑州４５０００２）　

摘要：提出一种利用ＦＰＧＡ实现相关干涉仪测向算法的方法，给出了测向系统的结构和组成框　

图，并详细介绍了ＦＰＧＡ内部模块的划分及设计流程，最后结合实际设计出一种实现方案，并讨论了　

该方案在宽带测向中较原有实现方式的优势。为了使算法更适于ＦＰＧＡ实现，提出了一种新的相位样　

本选取方法，并仿真验证了该方法与传统方法的等效性。　

关键词：测向；ＦＰＧＡ；相关干涉仪；相关系数　

中图分类号：ＴＮ９１４　文献标识码：Ａ　文章编号：０２５８—７９９８（２０１０）０７－００７６－０５　

Ｔｈｅ　ｒｅｓｅａｒｃｈ　ａｎｄ　ｒｅａｌｉｚａｔｉｏｎ　ｏｆ　ｃｏｒｒｅｌａｔｉｏｎ　

ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ＦＰＧＡ　

ＨＡＮ　Ｇｕａｎｇ，ＷＡＮＧ　Ｂｉｎ，ＷＡＮＧ　Ｄａ　Ｌｅｉ　（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ　４５０００２，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｍｅｔｈｏｄ　ｔｏ　ｒｅａｌｉｚｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂｙ　ＦＰＧＡ　ｉｓ　ｇｉｖｅｎ．Ｔｈｅ　ｓｔｒｕｃｔｕｒｅ　ａｎｄ　ｃｏｍ・　ｐｏｓｉｔｉｏｎ　ｏｆ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ　ｓｙｓｔｅｍ　ｉｓ　ｇｉｖｅｎ，ｍｅａｎｗｈｉｌｅ　ｔｈｅ　ｄｉｖｉｓｉｏｎ　ｏｆ　ＦＰＧＡ　ｍｏｄｕｌｅｓ　ａｎｄ　ｄｅｓｉｇｎ　ｆｌｏｗ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ　ｉｎ　ｄｅｔａｉｌ．Ｆｉ—　ｎａｌｌｙ，ａｃｃｏｒｄｉｎｇ　ｔｏ　ｐｒａｃｔｉｃａｌ　ａｐｐｌｉｃａｔｉｏｎ　ａ　ｄｅｓｉｇｎ　ｓｃｈｅｍｅ　ｉｓ　ｇｉｖｅｎ．Ａｎｄ　ｔｈｅ　ａｄｖａｎｔａｇｅ　ｏｆ　ｔｈｉｓ　ｄｅｓｉｇｎ　ｉｎ　ｂｒｏａｄｂａｎｄ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ　

适于FPGA实现的相关干涉仪测向算法研究

计算机工程与设计Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ　２０ｔ０，３　１（２０）４３６５　

・嵌入式系统工程・　

适于ＦＰＧＡ实现的相关干涉仪测向算法研究　

韩　广，　王　斌，　陈晋央　

（信息工程大学信息工程学院，河南郑州４５０００２）　

摘要：相关干涉仪测向算法的应用广泛，使用ＦＰＧＡ能够解决其应用ＤＳＰ很难实现宽带信号的实时测向问题。介绍一种适　于ＦＰＧＡ实现的相关干涉仪测向算法——最小问距法。与使用相位差值进行相关处理的传统相关干涉仪不同，最小间距法　

不需要求解来向信号的相位差，并且该算法摒弃了传统算法中求解相关系数的设计思路，引入求取空间点最小距离的方法　

来获取信号来向，降低了算法复杂度，减少了ＦＰＧＡ内部逻辑资源的使用。　

关键词：相关干涉仪；测向；现场可编程门阵列；相关系数；最小间距　中图法分类号：ＴＮ９１４　文献标识码：Ａ　文章编号：１０００．７０２４（２０１０）２０。４３６５．０３　

Ｒｅｓｅａｒｃｈｉｎｇ　ｏｎ　ａｌｇｏｒｉｔｈｍ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　ｃｏｒｒｅｌａｔｉｏｎ　ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　

ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ　ｗｉｔｈ　ＦＰＧＡ　

ＨＡＮ　Ｇｕａｎｇ，Ⅵ　ＮＧ　Ｂｉｎ，　ＣＨＥＮ　Ｊｉｎ—ｙａｎｇ　

（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ　４５０００２，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｃｏｒｒｅｌａｔｉｏｎ　ｉｎｔｅｒｆｅｒｏｍｅｔｅｒ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｗｉｄｅｌｙ　ｕｓｅｄ　ｉｎ　ｄｉｒｅｃｔｉｏｎ　ｆｉｎｄｉｎｇ　ｆｉｅｌｄ，ｂｕｔ　ｔｈｅｒｅ　ｉｓ　ａ　ｐｒｏｂｌｅｍ　ｔｈａｔ　ｉｔ　ｉｓ　ｄｉｆｉｃｕｌｔ　ｔｏ　ａｃｈｉｅｖｅ　

ｒｅａｌ—ｔｉｍｅ　ｍｅａｓｕｒｅｍｅｎｔｓ　ｏｆ　ｂｒｏａｄｂａｎｄ　ｓｉｇｎａｌｓ　ｗｉｔｈ　ＤＳＰ，ａｎｄ　ｕｓｉｎｇ　ＦＰＧＡ　ｃａｒ／ｓｏｌｖｅ　ｔｈｉｓ　ｐｒｏｂｌｅｍ．Ｔｈｅｒｅｆｏｒｅ，ａ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｃａｌｌｅｄ　ｍｉｎｉｍｕｍ　ｄｉｓｔａｎｃｅ　ｍｅｔｈｏｄ，ｗｈｉｃｈ　ｉｓ　ｖｅｒｙ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ＦＰＧＡ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ，ｉｓ　ｉｎｔｒｏｄｕｃｅｄ．Ｍｉｎｉｍｕｍ　ｄｉｓｔａｎｃｅ　ｉｓ　ｄｉｆｆｅｒｅｎｔ　ｆｒｏｍ　ｃｏｎ—　

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。