TDPO及其并行算法在电磁散射中的应用

为分析电大尺寸金属目标瞬态电磁特性,首先由逆傅里叶变换导出时域物理光学表达式,并对内存估计作了详细讨论。在此基础上,实现了基于网络并行平台MPI的TDPO并行算法,以解决利用TDPO计算超电大尺寸目标时计算时间长和由于内存限制单个微机不能计算的问题。测试了PC集群系统中并行TDPO算法的并行加速比。数值结果表明,N个性能相同的微机并行计算所需时间约为单机的1/N,大大提高了计算效率。     

压缩感知重构算法的并行化及GPU加速

针对压缩感知重构算法计算实时性太差的问题,提出压缩采样追踪匹配(compressive sampling matching pursuit,CoSaMP)算法的并行化加速算法。 基于多线程技术实现重构算法的粗粒度并行化,分析CoSaMP算法的计算热点,将其中耗时较多的矩阵操作移植在图形处理器(graphics processing unit, GPU)上,实现算法的细粒度并行化。在测试图像上进行试验,结果表明:并行化加速算法取得50倍的加速效果,有效地降低重构算法的计算时间开销。     

并行区域分解法分析千波长目标散射特性

为了在资源有限的条件下快速准确地分析电大尺寸目标的电磁散射特性,给出了一种并行非重叠非共形的基于积分方程的区域分解方法．在子区域内部以及子区域间耦合的计算采用并行多层快速多极子算法进行加速．针对多层快速多极子的八叉树结构,用改进的平面波自适应划分策略提高了并行效率．子区域间的耦合使用场迭代的方式计算,避免了存储互阻抗矩阵,进一步降低了内存需求．数值仿真实例表明,该方法可以高效地解决上千波长目标的散射问题．     

MoM-PO混合方法在电磁散射问题中的应用

在分析电大尺寸物体的电磁散射特性过程中,高频近似方法和数值方法各有其优势和局限性,因此结合两者的优点来解决电大尺寸物体的电磁散射特性将是一条切实可行的途径。文章结合矩量法(MoM)和物理光学法(PO),提出了MoM-PO混合方法来求解电大尺寸物体的电磁散射问题,极大地提高了计算精度,改善了计算速度,为快速有效地解决电大尺寸物体的电磁散射问题提供了良好的途径。MoM-PO混合方法的数值计算结果与传统的MoM计算结果相一致。     

MoM—PO混合方法在电磁散射问题中的应用

在分析电大尺寸物体的电磁散射特性过程中，高频近似方法和数值方法各有其优势和局限性，因此结合两者的优点来解决电大尺寸物体的电磁散射特性将是一条切实可行的途径。文章结合矩量法(MoM)和物理光学法(PO)，提出了MoM—PO混合方法来求解电大尺寸物体的电磁散射问题，极大地提高了计算精度，改善了计算速度，为快速有效地解决电大尺寸物体的电磁散射问题提供了良好的途径。MoM—PO混合方法的数值计算结果与传统的MoM计算结果相一致。     

双负媒质的GPU-FDTD并行计算研究

本文研究了基于计算统一设备架构(CUDA)的图形处理器(GPU)对双负媒质(DNG)电磁散射规律的并行计算的实施。由于Z变换理论的时域有限差分法可以计算双负媒质中电磁波的散射和传播,同时在空间上具有天然的并行性,因此非常适用于在GPU上实现并行计算。本文引入Drude模型,给出了左手媒质中FDTD迭代公式,研究了基于GPU的并行FDTD方法,最后通过数值仿真实验以及结果证明该方法的正确性和高效性。     

国产CPU平台中并行高阶矩量法研究

将并行高阶矩量法在纯国产CPU平台中对电磁辐射与散射问题进行了仿真计算,并以散射问题为例,对算法的并行效率进行了测试.基于高阶多项式基函数的矩量法在保证计算精度的同时,可以大幅度降低传统RWG基函数矩量法产生的未知量.基于分块矩阵的高效并行策略进一步提高了矩量法的计算规模,并加速了仿真计算的过程.数值结果表明,采用的并行高阶矩量法程序,为在纯国产超级计算平台中解决复杂电磁仿真问题提供了一条有效的途径.     

RKDG有限元GPU算法及其重排加速技术

为提升并行化求解Navier Stokes方程的效率,构建了高阶有限元单元及单元边界映射线程结构和对应的各类GPU核函数,成功地把RKDG方法移植到GPU架构,发展出RKDG有限元GPU并行算法。算法数据访存能兼容GPU快慢不一的存储器,尤其在结构网格上,算法涉及的数据依赖区结构有序,能较好满足GPU对齐合并访问的要求。但在非结构网格上,非结构化的数据依赖区,影响到访存效率。基于此提出一种适合高阶有限元算法框架的单元分层重排加速技术,致力于网格的层化结构,提升GPU访存效率。具体基于初始网格拓扑,创建单元或单元边界对应的分层结构,逐层重排,汇总形成适合GPU对齐合并访问的数据存储结构。文中结合排序实例,给出了这一重排加速技术的具体实施过程。算例表明,发展的算法逼近的阶数符合预期,计算结果能与现有文献或实验结果接近,且最大GPU加速比可达67.47。此外,非结构网格算例证实,算法可处理较为复杂的几何边界,且所提重排技术可进一步赢得重排加速。     

基于GPU的快速变指数PM模型及BGA射线图像去噪

针对传统的基于中央处理器的变指数PM模型图像去噪算法运算量大的问题,提出了一种基于图形处理器(Graphic Processing Unit,GPU)加速的变指数PM去噪方法.该方法充分利用GPU中共享存储器和常数存储器在速度上的优势,引入GPU硬件加速工具和使用统一计算设备架构(Compute Unified Device Architecture,CUDA)对变指数PM模型进行了并行加速.并且采用球栅阵列结构的印刷电路板(Ball Grid Array,BGA)射线图像对新方法进行了测试.实验结果表明:所提的快速变指数PM去噪方法能够在有效地去除噪声的同时很好地保持图像的边缘信息;而且,图像越大,加速比越大,加速的优势越明显.可见,所提的快速去噪算法在BGA射线检测方面有很好地应用前景.     

基于图形处理器的高速中值滤波算法

针对中央处理器(CPU)平台中值滤波算法在实际应用中运算速率低且实时信号处理性能较差的问题,提出了一种基于图形处理器(GPU)的并行高速中值滤波算法。该算法采用统一计算设备架构(CUDA)并行架构对大规模数据处理进行了优化,从而有效提高了中值滤波算法的计算效率,实现了中值滤波的实时数据处理。通过构建GPU可任意伸缩的动态数组、优化多维索引的线性化方法解决了GPU动态显存空间分配问题。仿真试验结果表明:基于TITAN X GPU的5×5中值滤波,对4096像素×4096像素的图像处理计算速度比CPU平台提高了438倍。在同等计算规模条件下GPU高速中值滤波算法可大大提高计算性能。     

基于GPU的并行遗传算法在时频差估计中的应用

互模糊函数可以估计时频差参数,但在弱信号条件下,需要大量采样点才能获得较好的估计结果,面临巨大的计算压力,现有算法大都基于遍历思想进行时频二维搜索,实时性较差。针对此问题,提出基于GPU加速的并行遗传算法进行时频差快速估计,该算法针对互模糊函数的特点,结合GPU设计高速并行的遗传进化架构,通过对适应度函数的并行化计算,选择、交叉、变异的并行化操作,提升算法的执行效率。实验表明,文章设计的GPU加速算法能够带来较大的速度提升,可以快速得到时频差估计结果.     

双负媒质的 GPU - FDTD 并行计算研究

本文研究了基于计算统一设备架构（CUDA）的图形处理器（GPU）对双负媒质（DNG）电磁散射规律的并行计算的实施。由于Z变换理论的时域有限差分法可以计算双负媒质中电磁波的散射和传播,同时在空间上具有天然的并行性,因此非常适用于在GPU上实现并行计算。本文引入Drude模型,给出了左手媒质中FDTD迭代公式,研究了基于GPU的并行FDTD方法,最后通过数值仿真实验以及结果证明该方法的正确性和高效性。     

多介质导体复合目标的快速电磁散射分析

研究了多个介质-导体组合结构目标的快速电磁散射分析方法。基于矩量法的混合场表面积分方程(JMCFIE)不仅能有效地对具有多区域连接结构的组合目标进行精确电磁建模,而且能够得到一个良好条件数的阻抗矩阵。采用多层快速多极子方法(MLFMA)降低内存需求和计算复杂度,并将多层快速多极子并行化,准确分析了复杂电大尺寸组合目标的电磁散射特性。     

卫星轨道递推的GPU集成式并行加速方法

为克服传统卫星轨道模型预报方法的速度瓶颈,为实现卫星在轨自主规划变轨奠定基础,利用图形处理器(GPU)并行计算方法对多卫星轨道解算进行加速,构建了轨道预报并行计算模块,成功实现了卫星轨道预报的大幅加速.为提高低计算量时解算速度,提出了集成式GPU加速方法,将简化常规摄动模型(SGP4)解算模型整体代入核函数,计算机内存仅需与GPU进行一次调用及数据交互,大大缩短调用核函数时间,较模块化GPU加速方法在中低规模计算量时速度有明显提高.本研究于两种设备上基于统一计算设备架构(CUDA)实现了集成式加速方法并进行了加速试验,在小型嵌入式开发板NIVIDA TX2设备上可实现在5 s内进行500颗星一天时间86 400步的轨道预报,笔记本设备上GPU加速比也可达到中央处理器(CPU)的4.6倍,且加速后精度损失极低.实验结果表明:集成式加速方法适用于中低规模星数(总步数小于400万步)的并行解算任务,模块化加速方法适用于大规模星数(总步数大于400万步)的并行解算任务.     

基于CUDA的高光谱图像虚拟维度并行计算

虚拟维度表示高光谱图像中典型地物的个数。虚拟维度的确定是高光谱图像众多应用的首要步骤。针对虚拟维度计算方法时间复杂度高的问题,根据其计算具有高度并行性的特点,该文在图形处理单元(GPU)上使用统一计算设备架构(CUDA)和它的拓展线性代数工具箱CULA及Thrust实现虚拟维度的计算,在算法并行实现的每步都做了进一步优化以获取更大的加速性能。通过在GPU设备上CUDA并行计算和CPU上非并行计算求虚拟维度的实验比较,验证了CUDA并行计算可以明显加快算法的实现。     

一种基于GPU加速的细粒度并行粒子群算法

提出了一种基于GPU加速的细粒度并行粒子群算法,将并行PSO求解过程转化为GPU纹理渲染过程,使PSO算法在GPU中加速执行,在取得了较好的优化效果的同时,增大了细粒度并行的粒子规模,提高了算法的运算速度,并为普通用户的并行PSO工作提供了一种可行的方法.     

基于CUDA架构下的直方图均衡并行算法

为了提高图像对比度, 解决传统的直方图均衡算法处理速度慢的问题, 提出了基于统一计算设备架构(CUDA)的直方图均衡图像实时处理加速方案。利用图形处理器(GPU)强大的计算能力和CUDA 优化的存储器结构, 以加速直方图均衡中的图像灰度级投票、 分布概率累加并映射以及图像新的灰度值填充等功能进行运算。在CUDA 条件下, 对直方图均衡算法进行串-并行分析, 分别从粗粒度与细粒度角度进行并行设计, 通过实验测定进行了设计参数寻优, 获得了线程块设计参数的最优尺寸。结果表明, 基于CUDA的图像直方图均衡并行算法的性能相比基于CPU 的串行算法和基于开放多处理(OpenMP)并行算法分别获得了61. 58 和32. 00 倍的加速比, 能够为大规模实时性图像处理系统设计提供参考。     

基于异构多处理平台视频编码并行化复杂度与率失真研究

针对高效视频编码(HEVC)实时编码高清视频和超高清视频而带来视频编码速度慢、计算复杂度高的问题,提出了基于异构多核CPU+GPU处理平台上的并行实时编码算法以及在GPU中基于率失真优化快速搜索算法,以提高视频编码的速度和降低计算复杂度。经实验验证,所提算法简单且有效,在不牺牲率失真性能的前提下,使编码速度得到明显提升,并进一步接近了实时编码的要求。     

海面与其上方二维目标的复合电磁散射

提出了一种求解一维海面与其上方二维目标复合电磁散射场的混合方法,在矩量法的基础上利用迭代加速度算法求解单纯海面的表面Kirchhoff电流及电磁散射场,再应用矩量法(MOM)求解二维目标的表面电流及散射场．根据得到的表面电流及散射场,结合互易性定理求解了二维柱体同海面之间的二次耦合散射场．该混合方法仅在目标上应用MOM,所产生的矩阵维数远远小于用经典MOM计算该复合散射问题所产生的矩阵,减少了计算量．数值结果同经典MOM方法结果比较,验证了其准确性,并且计算时间仅为MOM法的12％左右．     

基于体弹跳射线法的等离子体目标散射建模技术研究

针对非均匀等离子体包裹目标的电磁散射问题,提出了一种基于体射弹射线法的建模技术,重点研究电磁波在介质体中的传播特性及散射分析方法。针对在介质体中透射与反射射线数据量激增的问题,提出了基于迭代追踪加速技术以此提高体介质散射中透射反射射线的追踪效率。仿真实例表明,与传统弹跳射线法相比,体弹跳射线法能更快速准确地计算出等离子体目标的散射特性。采用所提出的技术研究了等离子体鞘套对阿波罗号返回舱雷达散射截面积的影响,验证了等离子体对目标雷达散射截面积有一定缩减作用。