混合w-facets成像并行算法研究

发布时间：2021-06-26 18:24

　　大视场成像是低频射电干涉阵列数据处理的核心技术,也是实现未来平方公里阵射电望远镜（square kilometre array, SKA）宏伟科学目标的基础手段。为了改善uv-faceting和w-projection这两种大视场成像算法,研究了它们之间的混合算法（称为w-facets）;此外,为了加速该混合算法,提出基于多核CPU和GPU的并行算法。验证性实验表明,与uv-faceting算法相比,该混合算法每束光能降低4 mJy噪声水平,图像的动态范围最高提升2.34 dB;并且,在图像质量最好时,与目前在澳大利亚默奇森宽视场阵列（Murchison widefield array, MWA）项目数据处理中广泛使用的w-stacking算法的结果基本一致。性能测试结果表明,基于多核CPU的并行算法在一定线程数范围内,具有良好的可拓展性,当分面数与线程数相等时,加速效果最佳;基于GPU的并行算法加速比高达201.8倍,是多核CPU的并行方法最佳结果的8.9倍左右。这些研究成果能够为即将开展的大视场成像相关科学任务,提供有力的技术支撑和参考价值。 

【文章来源】：天文学进展. 2020,38(04)北大核心CSCD

【文章页数】：15 页

【部分图文】：

基于GPU的混合w-facets成像并行算法流程

如图2和图3所示，分别为基于GPU的混合算法的成像结果和使用w-stacking算法的成像结果。为了便于比较，我们截取出距离原始图像较远位置的射电源，并得到如图2b)中和图3b)中的两个图像。图2b)图像的峰值为每束光309.5 m Jy,RM S值为每束光23.7 m Jy。图3b)图像的峰值为每束光311.9 m Jy,RM S值为每束光21.8 m Jy。结合表2与整个图像的对比，表明本文的GPU混合算法能够对距离较远的射电源成图，且成图结果与w-stacking获得的结果基本一致。基于多核CPU的混合算法结果与GPU混合算法结果相同，这里不作展示。图3 w-stacking成像结果

w-stacking成像结果

【参考文献】：
期刊论文
[1]uv-faceting成像并行算法研究[J]. 劳保强,安涛,于昂,郭绍光.  天文学报. 2019(02)



本文编号：3251846