基于GPU的硬件加速方法及其在积分方程数值解中的应用
发布时间：2020-10-09 03:23
由于实际工程需求,电大尺寸目标电磁散射特性分析一直是研究热点。当目标电尺寸太大时,个人计算机的有限计算资源成为瓶颈。为了解决此问题,可以应用并行计算技术如集群系统。近年来,一种新的大规模并行处理器——图形处理单元(GPU)开始被应用到计算电磁学领域。 本文利用GPU实现了并行矩量法(MoM),加速率超过了100倍,远远高于传统并行系统能达到的加速率。此外,本文设计了矩阵分割算法,将阻抗矩阵分为多个小块分别计算,利用大容量系统内存作为显存的替代,使得程序不再受到显存容量的限制,从而具有了计算实际工程问题的能力。 为了进一步提高程序处理电大尺寸目标电磁散射问题的能力,本文将基于GPU的并行矩量法与一种新型的相位提取基函数(Phase-Extracted Basis)相结合,利用很少的未知量就可以对电大尺寸目标精确建模。从而实现在单机上快速高效求解全尺寸军用目标电磁散射特性。 由于矩量法的内存需求和计算复杂度都是O ( N 2),当未知量数目较大时,矩量法消耗的资源往往超过单机的限制。本文详细分析了并行多层快速多极子方法(MLFMA)的关键流程,成功实现了基于GPU的并行多层快速多极子方法。所有数值结果均与精确计算方法结果吻合良好,充分说明本文中算法的高效性及准确性。 本文的研究工作将最前沿的计算机科学成果引入到计算电磁学领域,实现了电大尺寸复杂工程目标电磁散射问题的单机快速求解,为工程应用提供了一种高效分析手段。同时,本文的工作证明了基于GPU的硬件加速方法非常适合计算电磁学算法,有助于推动GPU在计算电磁学领域得到更多应用。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TP334.7;O441.4
【部分图文】：
察程序计算复杂目标的正确性，我们计算了一个美国航空证各种数值程序可靠与否的基准目标：NASA 杏仁核[26]36英寸的标准目标在 XOY 面内 3G 平面波激励，水平目标几何结构及剖分如图 4-12 所示，未知量为 8064，共S 值。其 RCS 结果如图 4-13 所示。所有的结果都非常吻图 4-12 NASA 杏仁核几何结构及剖分
第一章 引言用于算术逻辑单元（arithmetic logic unit，ALU）；与此相对，传统的 CPU 需要处理大量的控制任务，比如逻辑结构，分支结构等等，大量的晶体管用于复杂的控制单元及缓存，而用于 ALU 的晶体管就非常少，如图 1-2 所示。可以说，GPU 是一块专业的计算芯片，对于算术密集型算法，用 GPU 加速可以取得非常好的效果另一方面，GPU 的显存带宽也远大于系统内存带宽。如 ATI HD 2900 XT 的显存带宽超过了 100GByte/s，而 CPU 的内存带宽只有 2GByte/s。这使得 GPU 在处理大量数据时比 CPU 更有优势。
3图 1-2 GPU 芯片与 CPU 芯片架构示意图除了 GPU 强大的计算能力，GPU 还有一个最大的优势：价格非常便宜。一个人计算机的价格大约是 500 美元左右，这样一个包含 10 个节点的集群系统就要 5000 美元，更不用说动辄数十万美元的超级计算机了。而这个集群系统的理最大加速率也不过 10 倍。与此相对，一块顶级 GPU 的价格大约在 500 美元左右
本文编号：2833158
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TP334.7;O441.4
【部分图文】：
察程序计算复杂目标的正确性，我们计算了一个美国航空证各种数值程序可靠与否的基准目标：NASA 杏仁核[26]36英寸的标准目标在 XOY 面内 3G 平面波激励，水平目标几何结构及剖分如图 4-12 所示，未知量为 8064，共S 值。其 RCS 结果如图 4-13 所示。所有的结果都非常吻图 4-12 NASA 杏仁核几何结构及剖分
第一章 引言用于算术逻辑单元（arithmetic logic unit，ALU）；与此相对，传统的 CPU 需要处理大量的控制任务，比如逻辑结构，分支结构等等，大量的晶体管用于复杂的控制单元及缓存，而用于 ALU 的晶体管就非常少，如图 1-2 所示。可以说，GPU 是一块专业的计算芯片，对于算术密集型算法，用 GPU 加速可以取得非常好的效果另一方面，GPU 的显存带宽也远大于系统内存带宽。如 ATI HD 2900 XT 的显存带宽超过了 100GByte/s，而 CPU 的内存带宽只有 2GByte/s。这使得 GPU 在处理大量数据时比 CPU 更有优势。
3图 1-2 GPU 芯片与 CPU 芯片架构示意图除了 GPU 强大的计算能力，GPU 还有一个最大的优势：价格非常便宜。一个人计算机的价格大约是 500 美元左右，这样一个包含 10 个节点的集群系统就要 5000 美元，更不用说动辄数十万美元的超级计算机了。而这个集群系统的理最大加速率也不过 10 倍。与此相对，一块顶级 GPU 的价格大约在 500 美元左右
【引证文献】
相关博士学位论文 前1条
1 雒涛;基于内容的视频图像非线性缩放技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年
相关硕士学位论文 前5条
1 张珩;基于GPU的图像粒子拟合及分类算法研究及应用[D];北京化工大学;2011年
2 徐俊英;基于GPU的电磁散射问题积分方程方法并行数值求解[D];电子科技大学;2010年
3 高强;基于GPU的硬件加速方法在粒子模拟中的应用[D];电子科技大学;2010年
4 孙冰;基于GPGPU的高效AES彩色数字图像加密技术的研究与实现[D];电子科技大学;2010年
5 柴豆豆;基于GPU加速的矩量法对电磁散射问题的研究[D];安徽大学;2012年
本文编号：2833158
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2833158.html
