壓縮感知重構(gòu)算法的GPU加速與實(shí)現(xiàn).pdf

1、壓縮感知理論打破了傳統(tǒng)奈奎斯特采樣定理對(duì)采樣率的限制，它在信號(hào)具有稀疏性的前提條件下，以較低的采樣率實(shí)現(xiàn)對(duì)信號(hào)的壓縮采樣。壓縮感知提出后，在無(wú)線(xiàn)通訊、陣列信號(hào)處理、模式識(shí)別和生物傳感等領(lǐng)域得到廣泛關(guān)注。壓縮感知重構(gòu)方法通常具有較高的計(jì)算復(fù)雜度，在信號(hào)尺度較大時(shí)，壓縮感知重建需要的時(shí)間會(huì)急劇增長(zhǎng)，導(dǎo)致大尺度信號(hào)壓縮感知重構(gòu)的實(shí)時(shí)性難以滿(mǎn)足需要。壓縮感知重構(gòu)算法的加速實(shí)現(xiàn)已成為該領(lǐng)域關(guān)注的重要問(wèn)題。
　　隨著基于CUDA架構(gòu)的圖形處理

2、單元(GPU)的推行，最初用于圖像加速、處理圖形轉(zhuǎn)換和渲染等工作的GPU在高性能計(jì)算方面得到大量應(yīng)用?？紤]到圖形處理器高效的并行執(zhí)行能力，以及在大尺度并行數(shù)據(jù)處理上具有的良好加速潛力，本文探討了基于GPU的壓縮感知重構(gòu)算法的加速方法與實(shí)現(xiàn)技術(shù)。論文重點(diǎn)對(duì)三種壓縮感知重構(gòu)算法（OMP算法、BP算法和A*OMP算法）進(jìn)行了分析與比較，以及在對(duì)算法模塊的并行性進(jìn)行可行性分析的基礎(chǔ)上，探討了在 GPU平臺(tái)上對(duì)OMP和A*OMP兩種重構(gòu)算法耗時(shí)長(zhǎng)

3、模塊的并行加速設(shè)計(jì)與實(shí)現(xiàn)，以有效提高大尺度信號(hào)壓縮感知重構(gòu)的實(shí)時(shí)性。本文的主要研究工作及創(chuàng)新如下：
　?。?）研究了基于圖形處理器的OMP算法的加速方法及實(shí)現(xiàn)。為降低中央處理器與GPU之間傳輸?shù)难舆t，研究了將OMP算法的迭代過(guò)程轉(zhuǎn)移到GPU上并行處理的方法。在GPU端，根據(jù)全局內(nèi)存的存取特點(diǎn)改進(jìn)CUDA程序，以便使存儲(chǔ)器的存取滿(mǎn)足合并訪(fǎng)問(wèn)條件，從而降低訪(fǎng)問(wèn)延遲。利用流多處理器(SM)的豐富資源，合理分配SM中共享內(nèi)存，改進(jìn)線(xiàn)程訪(fǎng)問(wèn)