基于GPU的实时超分辨率算法实现

高分辨率显示设备的发展意味着需要高分辨率的图象与之匹配。本文通过GPU,实现了一种实时超分辨率,使分辨率较低的视频资料在高分辨率显示设备上有较好的显示效果。     

海量地形实时动态存储与绘制的GPU实现算法

为了降低实时更新和存储海量地形的形变数据对动态绘制速度的影响,提出一种基于整数小波变换与限制性四叉树相结合的GPU并行动态存储与绘制算法.首先设计面向CUDA并行且无损的基于块的整数小波变换算法和SPIHT压缩算法,提高地形压缩比以减小数据传输量,同时解决了海量地形动态数据存储的编解码的实时性问题,实现了局部动态地形数据的实时存储;然后将小波系数、限制性四叉树层次结构以及模板技术相结合,提出一种自适应三角化和绘制的并行处理算法.实验结果表明,对于海量地形数据,文中算法可以在实现后端及时保存局部形变数据的同时,前端可以保持较高的绘制帧率.     

基于GPU的大规模海浪实时绘制

海浪建模与绘制是近二十年来计算机图形学领域的一个经典问题,同时,随着硬件的发展,尤其是图形处理器(GPU)以大大超过摩尔定律的速度高速发展和其高速计算能力、并行性、其可编程功能,使得基于GPU的通用计算成为一个新研究热点.利用GPU的高速计算能力和可编程功能,解决海浪模拟中的复杂计算问题,提出一种基于图形硬件的大规模海浪实时绘制方法.首先,对图形处理器进行了概述.然后,基于Gerstner-Rankine模型生成海洋高度场,采用屏幕细分自适应算法对数字地球上的可视海洋表面进行采样,利用图形处理单元的可编程特性进行顶点和颜色计算,模拟实时球面海浪效果.实验结果表明,基于GPU的方法可以在普通PC图形硬件上实现大规模海浪的交互漫游.     

GPU中的流体场景实时模拟算法

为了实时模拟真实的大规模流体场景,提出一种基于平滑粒子流体力学(SPH)进行流体场景模拟的算法.首先提出了新的精细程度函数作为非均匀采样的依据,以减少实际模拟时所需的粒子数,提高模拟的速度;然后引入一种三维空间网格划分算法和改进的并行基数排序算法,以加快模拟过程中对邻域粒子和边界的查找及其相互作用的计算;最后使用最新的NVIDIA(CUDA(架构,将SPH的全部模拟计算分配到GPU流处理器中,充分利用GPU的高并行性和可编程性,使得对SPH方法的流体计算和模拟达到实时.实验结果表明,采用文中算法能对流体场景的计算模拟达到实时,并实现比较真实的模拟效果.与已有的SPH流体CPU模拟方法相比,其加速比达到2个数量级以上,同时相比已有GPUSPH方法,能模拟出更为丰富的细节效果.     

基于GPU实现的大量刚体运动实时仿真

针对存在大量刚体运动的虚拟场景,提出一种基于在GPU上实现的实时仿真算法,利用GPU的并行计算能力,实时处理刚体交互,更新刚体状态.使用深度剥离技术,离散化刚体,并使其由一组具有相同大小的粒子表示.每一帧刚体间的运动交互则由粒子间的运动交互来实现.碰撞粒子对间的交互则用离散元法.通过统一网格方式,分割仿真域空间,以提高碰撞检测速率.实验证明,提出的新算法大幅度的提升了仿真大量刚体的速率.     

基于GPU的大规模场景实时阴影绘制

阴影绘制中,阴影图算法因不依赖于场景,绘制效率高已成为了大规模实时阴影绘制的主流算法。针对平行分割阴影图算法存在首个分割区域过小,而方差阴影图存在"光渗"问题,细致分析了在大规模场景中,实时阴影绘制的各种改进算法,提出了一种基于平行分割阴影图算法和方差阴影图算法结合的混合算法。实验结果表明,新的混合算法既提高了阴影绘制效率,又明显改善了阴影的质量。     

基于GPU实时的大范围海水模拟

为了模拟出具有实时性和真实感的大范围海水场景,提出了一种绘制的方法,该方法使用了存在于投影空间的海面网格模型。同时,为了使海浪模拟的真实感更强,也未采用以往基于Perlin噪音的产生海浪高度图的方法,而是采用了更复杂的基于统计模型与快速傅立叶变换(FFT)的波浪生成方法。其次通过立方体纹理实现了海水对天空盒的反射效果,并运用Phone光照模型实现了海浪的反射。此外充分地利用了GPU硬件的特性和ping pong绘制技巧。实验证明该方法能快速模拟出实时、逼真的海水的场景。     

并行群体仿真研究进展

通过对比分析基于多核CPU、GPU和分布式系统等三种并行群体仿真体系结构,提出了混合结构的并行群体仿真框架;对并行环境下的按空间区域分割和按agent分割等多种任务分割关键算法进行了归纳总结;对并行群体仿真的性能评估方法进行了分析。最终给出了群体仿真中并行加速算法的研究方向。     

非线性环节实时仿真算法的改进方法

该文深入研究非线性环节的实时仿真问题，对平均值方法的误差来源进行讨论，并对原方法进行改进，实验证明改进的方法误差较小，有一定的推广价值。     

基于GPU的并行高性能AC算法

随着网络的发展,网络流量的增长速度与网络安全系统的过滤能力之间的矛盾日益突出。作为网络安全系统的核心模块———模式匹配模块的处理能力受到严峻的挑战。传统串行模式匹配算法已经很难满足当前网络的需求。本文改进了传统的AC算法,利用高性能专用并行处理芯片———GPU来提高AC算法的处理速度,提出了一种G-AC算法。实验表明,在不同数据集上,其性能分别是传统AC算法的10倍以上。     

GPU平台上ADL算法的实现

自适应方向提升小波变换(ADL)利用图像纹理特征进行变换编码,从而获得更高的编码质量,但同时也增加了计算复杂度.为了提高图像编码速率,在统一计算设备架构(CUDA)的图形处理器(GPU)上,提出一种并行实现ADL中的插值和方向变换计算的新方案,对插值部分同时采用粗粒度和细粒度的并行,即把图像数据分成若干个块进行粗粒度的并行,而对块中的每个像素点采用细粒度的并行.对变换部分中的9个变换方向采用粗粒度的并行.实验表明,在GPU上并行实现ADL变换是CPU实现的4倍左右,CPU-GPU整体架构下的ADL变换编码的速度是CPU平台下的3倍左右.     

基于GPU的分子动力学模拟并行化及实现

分子动力学模拟作为获得液体、固体性质的重要计算手段,广泛应用于化学、物理、生物、医药、材料等众多领域。模拟体系的复杂性和精确性的需求,使得计算量巨大,耗费时间长。并行计算是加速大规模分子动力学模拟的霍要途径。GPU以几百GFlops甚至上I}Flops的运算能力,为分子动力学模拟等的计算密集型应用提供了新的加速方案。提出了一种基于GPU的分子动力学模拟并行算法—oApT-AD,并在OpenCL和CUDA框架下加以实现。,r}能测试显示,在Tesla C1060显卡上,该算法在OpcnCL框架下的实现相对于CPU的串行实现,最高达到120倍加遥比。通过对比发现,该算法在CUDA上的性能与()pcnCI、基本相当。同时,该算法还可以扩展到两块及以上的GPU上,具有良好的可扩展性。     

基于GPU的K-近邻算法实现

K-近邻计算在数据集规模较大时计算复杂度较高,因此,利用图形处理器( GPU )强大的并行计算能力对K-近邻算法进行加速。在分析现有K-近邻算法的基础上,针对该算法时间开销过大的问题,结合GPU的体系结构特征实现基于GPU的K-近邻算法。利用全局存储器的合并访问特性,提高GPU全局存储器访问数据的效率,通过事先过滤数据的方法来减少参与排序的数据量,进而减少排序阶段的线程串行化时间。在 KDD, Poker, Covertype 3个数据集上进行实验,结果表明,该实现方法在距离计算阶段每秒执行的浮点运算次数为266.37×109次,而排序阶段为26.47×109次,优于已有方法。     

基于模型约简和GPU加速的软组织实时仿真

为了得到虚拟外科手术中人体软组织的实时变形仿真,采用了基于模态分析的模型约简方法,同时结合了GPU加速技术,实现了人体软组织的实时仿真计算,为虚拟手术提供了良好的人机交互.模型约简以有限元理论为基础,将软组织模型的动力学方程投射到约筒子空间,减少系统自由度.在实时仿真过程中,首先需在子空间中对低维动力学模型进行数值计算,然后利用GPU通用计算技术来加速重建原始空间中的形变向量.以心脏大变形实时仿真为例,验证方法的性能,实验结果表明心脏的变形仿真可以在很高的刷新率下运行.提出的模型约简和GPU加速方法,为人体软组织的变形实现了实时仿真,为虚拟手术提供了理论基础和技术支撑.     

基于 GPU的实时景深模拟 *

在研究透镜成像模型与针孔成像模型的基础上 ,在计算机三维场景成像中实时地模拟出景深效果。算法利用了 MRT( multiple render targets)技术及 GPU的可编程性 ,在渲染时将场景存为纹理 ,并输出了像素的深度值和模糊因子 ,利用模糊因子计算每像素模糊圈大小并对图像进行滤波 ,最终在模糊圈内对清晰图像和模糊图像进行融合 ,模拟出景深效果。以一个场景的景深模拟为例 ,展示了不同聚焦时的景深效果。     

基于GPU的实时雾效模拟

在复杂的三维仿真系统中模拟雾效对系统的实时性和真实性都提出了较高的要求。在分析传统雾效模拟方法的基础上,提出了一种基于GPU的实时雾效模拟方法。基本思想是建立一个表示雾随高度渐变的指数函数,然后根据提出的算法公式在GPU上实时计算出雾浓度,最后将所计算出的雾效因子与片元颜色进行混合计算。实验证明,该方法能够实时生成真实感较强的雾效。     

基于GPU编程的地形可视化

由于地形模型固有的复杂性,致使计算机硬件水平一直难以满足大规模地形模型的实时显示需求。为了在现有的硬件水平上实现地形模型的快速绘制,在对传统的ROAM算法进行改进的基础上,提出一种基于GPU编程的地形可视化算法,实现了视点依赖的大规模地形的快速可视化。该算法首先基于改进的ROAM(real-time optimallyadaptive meshes)算法生成视点依赖的优化连续LOD模型;然后用GPU编程计算顶点的变换、法向量、纹理坐标、纹理采样和面元光照;最后完成地形的着色。实验结果表明,利用GPU编程不仅能有效提高算法速度,而且能实现较大规模地形的实时漫游。     

基于GPU的LARED-P算法加速

GPU拥有几百GFlops甚至上TFlops的浮点计算能力,将GPU应用于粒子模拟,可有效提高大规模粒子模拟的速度,降低计算成本。本文利用GPU加速三维激光等离子体模拟算法LARED-P,提出了基于CPU+GPU的任务划分、GPU上任务分解、大规模计算核心的分解方法,结合使用了寄存器、纹理内存对算法进行加速。在双精度条件下,移植后的算法在工作频率为1.44GHz的NVIDIA Tesla S1070的单个GPU上获得了相当于主频2.4GHz的Intel(R)Core(TM)2 Quad CPU Q6600单核的6倍加速比。     

基于GPU与CPU协作的实时波束形成实现方法*

波束形成的实时性一直是声纳和雷达等领域信号处理过程中的重点和难点。本文采用基于CUDA(Compute Unified Device Architecture,统一计算设备架构)的GPU(Graphic Processing Unit,图形处理器)与CPU协作处理方法,实现了宽带波束形成的实时处理。本方法的处理速度相较于matlab和CPU平台可以提高一至两个数量级,相较于同等处理速度的多DSP平台则体现了开发周期短、费用低、工作量小和可靠性高等众多优势。