PD法测量激光波前的GPU快速计算方法研究

发布时间：2020-07-21 11:44

【摘要】：激光波前是评价激光性能优劣的重要指标,同时与激光的传输、聚焦等特性密切相关,如何准确快速的测量激光波前是激光技术中一个非常重要的研究方向。在测量激光波前的众多方法中,相位差异法(Phase Diversity,PD法)具有系统结构简单、易于实现、成本低、对事后的图像处理不需要参考目标等优点,但是缺点是计算量大,运算耗时。本研究将GPU加速运用到PD法测量激光波前的计算过程中,利用GPU并行计算的优势对PD法测量激光波前进行加速。本文首先对PD法测量激光波前的原理进行分析,将PD法测量激光波前过程中构建的目标函数、梯度函数、L-BFGS最优化算法等环节进行并行化改造,使PD算法能够在GPU上并行处理;分析PD法测量激光波前的整个耗时情况,找出该过程中最为耗时的傅里叶变换、求和、矩阵相乘等环节,对这些环节具有针对性的GPU加速计算;结合光学原理对PD算法中点扩散函数的冗余计算进行剔除,提高算法的计算效率。最后进行PD法测量激光波前的GPU加速实验,构建硬件系统和软件系统,分别用CPU和CPU+GPU的方式计算不同光斑图像尺寸下的激光波前,并与BeamWave 500波前测量仪测得的数据进行比较,在保证测量结果有效的前提下比较加速效果。实验结果表明:GPU加速的PD法测量激光波前在测量效果方面与参考值接近,满足测量结果的有效性要求;对256×256像素大小的图像利用GPU加速的方式计算激光波前,测量时间保持在6秒之内,与CPU测量的速度进行比较,加速比达到53.7,加速效果明显,可以极大提高算法的运行效率。PD法测量激光波前的GPU快速计算方法研究对激光波前的快速准确测量具有重要意义。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN24
【图文】：

位置简图

图 1.1 GPU 在计算机中的位置简图从上世纪 80 年代末至 90 年代初，计算机制作工艺和主频逐步提高，其照摩尔定律发展，但是近三十年间功耗问题制约了主频的进一步提高，律不再适用于处理器性能的发展。 SGI 的 GE 发展到 NVIDIA 公司的 GeForce 系列产品，GPU 从诞生到制芯片带宽从3um 减小到90nm，时至 2007 年 GeForce8800 已经可以集成，集成度极高的芯片工艺使得电路的逻辑能力跃升数千倍[34]！在 GPU更新发展中，更高效的性能得以提升，更科学的编程架构在逐步完善。如图 1.2 所示。显卡进行通用计算的历史由来已久，随着 GPU 通用计算的不断发展，法利用 GPU 加速实现以摆脱 CPU 有限计算资源的束缚，2006 年左右，N向大众发布统一设备计算架构（Coupute Unified Device Architectu），其编程软硬件架构之完善、开发环境（类似于 C 语言）之便捷等优用计算步入快速发展时期。GPU 已经应用于生物信息学、计算化学、算流体动力学、计算结构力学、数据挖掘、国防情报、电子设计自动化医疗成像、天气、大气、海洋建模与空间科学、分析学及数据库等领域

并行化,算法,目标函数,并行加速

5图 1.2 GPU 发展历程图主要研究内容1）PD 算法目标函数的并行化改造，为了使 PD 算法可以利用 GPU 进行加GPU 并行计算的要求，就必须将 PD 算法进行并行化改造，改造后的算法才CUDA 的计算架构。其中，对 PD 算法中控制迭代运行的 L-BFGS 优化算法改造是重点，并针对其中最耗时、运行次数最多的目标函数进行并行化改PD 算法最耗时的运算环节应用于 GPU 上，并实现并行加速计算。2）将并行化改造后的 PD 算法在 CPU+GPU 异构平台下进行任务划分，把

示意图,章节,论文,并行化

.2DirectX11.1CUDAOpenGL4.3DirectX 11.1CUDA1.02.03.04.02014MaxwellGPU Boost 2.0GeForce GTX980/ 970PCI-E3.0OpenGL4.4DirectX 12CUDA图 1.2 GPU 发展历程图1.3 主要研究内容（1）PD 算法目标函数的并行化改造，为了使 PD 算法可以利用 GPU 进行加速，满足 GPU 并行计算的要求，就必须将 PD 算法进行并行化改造，改造后的算法才可以满足 CUDA 的计算架构。其中，对 PD 算法中控制迭代运行的 L-BFGS 优化算法进行并行化改造是重点，并针对其中最耗时、运行次数最多的目标函数进行并行化改造，使得 PD 算法最耗时的运算环节应用于 GPU 上，并实现并行加速计算。（2）将并行化改造后的 PD 算法在 CPU+GPU 异构平台下进行任务划分

【参考文献】