SAR成像的GPU并行计算技术研究

发布时间：2017-07-04 22:01

  本文关键词：SAR成像的GPU并行计算技术研究

  更多相关文章： SAR成像 CUDA 多GPU 多节点 RD CS和ωK算法

【摘要】：合成孔径雷达(SAR)在军事和民用领域具有很大的实用价值,但是SAR系统产生的数据量大,成像算法计算复杂,实际应用对成像速度要求较高,而传统的CPU集群处理方法效率较低,成本较高。GPU通用计算凭借其强劲的浮点计算性能和高速带宽成为SAR系统高速成像处理的有效手段。目前基于GPU的SAR成像处理的研究还不够深入,主要集中在单个GPU上的一些特定算法实现。本文主要开展了GPU集群上大规模SAR数据成像技术的系统架构设计与实现的相关研究,具体工作包括以下几个方面：第一,在深入分析频域SAR成像算法并行特征的基础上,结合GPU高性能计算平台的特点,设计了基于CPU+GPU异构集群的主从模式的SAR成像处理框架。框架包括主控模块和计算模块,主控模块负责主节点控制逻辑和任务分配,计算模块负责计算节点控制逻辑和GPU处理逻辑。在该框架下,本文详细设计了单节点多GPU实现方案和多节点多GPU实现方案。同时深入分析了条带模式下的SAR原始回波数据特点,在保证负载均衡的前提下设计了多节点多GPU环境下的SAR任务并行粒度选择方案,包括节点间并行粒度选择方案和节点内并行粒度选择方案。第二,在节点内进行GPU成像计算时,利用CUDA共享存储器和寄存器对成像算法的主要kernel函数进行了优化；针对数据分块带来的多次CPU和GPU之间数据拷贝问题,利用CUDA流和异步并行技术设计了拷贝时间隐藏方法。针对多节点之间SAR任务传输带来的通信延迟问题,设计了多线程流水处理方法,隐藏了节点间SAR数据传输时间。第三,研究条带模式下的频域成像算法,选择了典型的频域算法RD、CS和ωK对方案进行了验证,并分析三种算法在效果上的差异。实验结果表明,单节点多GPU方案相较于单GPU成像计算具有明显的加速效果和较高的并行效率,多节点多GPU方案具有良好的扩展性,并且方案满足实时性。本文工作面向实际应用,研究GPU环境下的高速成像方法,对SAR成像算法研究和SAR成像应用具有较大的现实意义。
【关键词】：SAR成像 CUDA 多GPU 多节点 RD CS和ωK算法
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52
【目录】：

• 摘要4-5
• ABSTRACT5-12
• 注释表12-13
• 缩略词13-14
• 第一章 绪论14-21
• 1.1 研究背景及意义14-15
• 1.2 国内外研究现状15-19
• 1.2.1 SAR成像算法在单GPU上的研究现状16-17
• 1.2.2 SAR成像算法在单节点多GPU上的研究现状17-18
• 1.2.3 SAR成像算法在多节点上的研究现状18-19
• 1.3 主要研究内容19
• 1.4 论文组织结构19-21
• 第二章 SAR成像算法及GPU并行计算相关研究21-27
• 2.1 SAR成像算法21-23
• 2.1.1 SAR成像模型21
• 2.1.2 SAR成像算法流程21-23
• 2.2 GPU并行计算23-26
• 2.2.1 CUDA编程模型24-25
• 2.2.2 CUDA存储器模型25-26
• 2.3 本章小结26-27
• 第三章 GPU高性能平台下SAR成像总体框架设计27-36
• 3.1 GPU高性能计算平台总体设计27-30
• 3.1.1 设计原则及目标27-28
• 3.1.2 总体框架设计28-30
• 3.2 SAR成像并行粒度选择方案30-32
• 3.2.1 集群节点间并行粒度选择30-32
• 3.2.2 节点内并行粒度选择32
• 3.3 具体设计及主要工作流程32-35
• 3.3.1 主控模块设计及工作流程33-34
• 3.3.2 计算模块设计及工作流程34-35
• 3.4 本章小结35-36
• 第四章 单节点多GPU的SAR成像算法设计与优化36-51
• 4.1 相关CUDA编程技巧36-38
• 4.1.1 多GPU并行计算36
• 4.1.2 CUDA异步并行技术与流技术36-37
• 4.1.3 SAR转置处理与CUDA内存分段拷贝37-38
• 4.2 存储空间分配策略38-39
• 4.2.1 内存分配38
• 4.2.2 显存分配38-39
• 4.3 SAR成像的多GPU处理算法设计39-41
• 4.4 kernel函数的设计及优化41-44
• 4.4.1 kernel函数优化方法41-42
• 4.4.2 矩阵转置kernel42-43
• 4.4.3 FFTshift kernel43
• 4.4.4 RCMC kernel43-44
• 4.5 实验验证及结果分析44-50
• 4.5.1 实验环境44
• 4.5.2 成像效果分析44-45
• 4.5.3 并行效果分析45-46
• 4.5.4 执行时间和加速比分析46-48
• 4.5.5 并行效率分析48-49
• 4.5.6 实时性分析49-50
• 4.6 本章小结50-51
• 第五章 多节点多GPU的SAR成像算法设计与实现51-63
• 5.1 多CPU+多GPU协同计算方法51-52
• 5.1.1 硬件平台和软件架构51-52
• 5.1.2 负载均衡设计52
• 5.2 多节点多GPU的SAR成像方案52-56
• 5.2.1 多节点控制逻辑53
• 5.2.2 SAR任务分配方案53
• 5.2.3 SAR数据调度方法53-55
• 5.2.4 批量SAR任务优化设计55-56
• 5.3 实验验证及结果分析56-62
• 5.3.1 实验环境56
• 5.3.2 多节点执行时间测试56-58
• 5.3.3 网络通信影响测试58-60
• 5.3.4 可扩展性测试60-62
• 5.3.5 并行架构综合分析62
• 5.4 本章小结62-63
• 第六章 总结与展望63-65
• 6.1 研究工作总结63-64
• 6.2 下一步工作展望64-65
• 参考文献65-69
• 致谢69-70
• 在学期间的研究成果及发表的学术论文70

【相似文献】

中国期刊全文数据库 前10条

1 马伯宁;王晨昊;汤晓安;匡纲要;;基于GPU的二维离散小波变换快速计算[J];国防科技大学学报;2011年03期

2 ZW;;3D游戏利器 主流嵌入式处理器GPU逐个看[J];电脑迷;2011年19期

3 王志国;王贵锦;施陈博;苗权;林行刚;;积分图像的快速GPU计算[J];计算机应用研究;2011年10期

4 卢永菁;王东;;基于GPU的高速网络入侵检测系统设计[J];计算机工程与应用;2011年33期

5 储t熆，

本文编号：519432