基于GPU的通信基帶信號處理并行算法設(shè)計.pdf

1、SDR平臺在對通信基帶信號處理算法進(jìn)行研究和實現(xiàn)時是不可或缺的。傳統(tǒng)的SDR平臺使用DSP和FPGA的混合架構(gòu)，無法在達(dá)到高的系統(tǒng)吞吐率的同時進(jìn)行快速開發(fā)。由于GPU提供了強大的并行計算能力和簡單易用的編程平臺，所以本文主要探索在SDR平臺上使用GPU進(jìn)行通信基帶信號處理算法的設(shè)計和實現(xiàn)方法。
　　首先，本文介紹了GPU的硬件結(jié)構(gòu)和針對GPU進(jìn)行編程的CUDA平臺。通過對GPU的硬件結(jié)構(gòu)和GPU的各級存儲器的訪問延時進(jìn)行研究，得到

2、了在GPU上運行算法的最優(yōu)策略。
　　其次，本文在 GPU中實現(xiàn)了MIMO系統(tǒng)中的 MMSE檢測算法。討論了在GPU中實現(xiàn)基本矩陣運算的方法。根據(jù)GPU的硬件結(jié)構(gòu)，在GPU中使用三個級聯(lián)的kernel實現(xiàn)了聯(lián)合優(yōu)化的MMSE檢測算法。在MMSE檢測算法中，矩陣求逆是最復(fù)雜的。本文通過對GPU共享內(nèi)存的使用進(jìn)行優(yōu)化，高效地實現(xiàn)了基于Gauss Jordan算法的矩陣求逆運算。在GPU中仿真了16QAM調(diào)制的4?4 MIMO系統(tǒng)和4?

3、8 MIMO系統(tǒng)。
　　最后，本文在GPU上實現(xiàn)了三種滿足3GPP LTE標(biāo)準(zhǔn)的Turbo譯碼器，分別為傳統(tǒng)Turbo譯碼器、分段并行Turbo譯碼器和全并行Turbo譯碼器。在傳統(tǒng)Turbo譯碼器中，實現(xiàn)了多碼字并行和8狀態(tài)并行。在前向迭代和后向迭代中，通過使用共享內(nèi)存和寄存器保證了對全局內(nèi)存只進(jìn)行一次訪問。在外信息的計算中，通過使用共享內(nèi)存，讓8個線程交替對8個狀態(tài)和8個時刻進(jìn)行并行，充分利用了計算資源。在分段并行Turbo譯

4、碼器中，進(jìn)一步實現(xiàn)了單個碼字的多子碼并行，同時使用PIVI補償算法保證了誤碼性能。在全并行Turbo譯碼器中，使用了CPU外層迭代配合GPU內(nèi)層迭代的算法。在內(nèi)層迭代中使用了兩組共享內(nèi)存對?,?進(jìn)行乒乓更新，為了保證誤碼性能，對?的初始值和?的結(jié)束值使用非同步的方式進(jìn)行更新。在GPU中實現(xiàn)了基于FULL-LOG-MAP和MAX-LOG-MAP算法的上述三種Turbo譯碼器。
　　仿真結(jié)果顯示，在GPU中實現(xiàn)的MMSE檢測算法可以達(dá)