基于gpu的数字信号处理中相关性计算的研究

《基于gpu的数字信号处理中相关性计算的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第31卷第6期贵州大学学报(自然科学版)Vol．31No．62014年12月JournalofGuizhouUniversity(NaturalSciences)Dec．2014文章编号1000－5269(2014)06－0089－05基于GPU的数字信号处理中相关性计算的研究＊*索东，高建瓴，王恒(贵州大学电子信息学院，贵州贵阳550025)摘要:现代信号处理和通信系统对信号的处理，正变得越来越复杂并且计算也越来越密集，如何提高这些领域中信号处理的运算速度和运算精度已经成为当今一个重要的研究方向，GPU由于其特殊的结构，使其非常适合用于加速

2、数据运算仿真和图形图像分析。本文提出一种基于GPU的信号相关性并行计算的方法，通过实验验证得出基于GPU的数字信号相关性的并行处理方法明显优于基于CPU下的处理方法，实验结果最高加速比达到了14．5倍，现代GPU技术的发展给通信信号处理领域带来新的途径。关键词:GPU;CUDA;数字信号处理;相关性计算中图分类号:TP391文献标识码:A随着通信、航空航天、图像视频、军事、医疗等通常GPU相比CPU在运算速度上可以获得领域的发展，在这些领域中需要处理的信号的数据一个甚至几个数量级的加速比。由于CPU和GPU量和计算量越来越大，如何提高这些领域

3、中信号处的物理结构不同，所以GPU和CPU对浮点的运算理的运算速度和运算精度已经成为当今一个重要能力有很大的差异。其中GPU是专门针对数据密的研究方向。近年来，使用GPU(通用图形处理集型，运算密集型以及高度的并行化运算而制造器)进行科学计算已变得十分普遍，GPU最初设计的。在GPU的设计中，大部分晶体管都用于海量是用于图像密集型视频游戏产业中的图形的渲染数据的处理，只有少部分的晶体管用于数据的缓存和绘制。随着近年来GPU的不断发展，GPU已经以及计算流程的控制，并且GPU采用了超轻量级出现在了越来越多的领域中，并且由于其强大的并的线程，所以

4、不同于CPU需要较大的资源开销才［1］行计算能力，能够大幅度降低系统成本。在现可以实现线程的创建和销毁。而在GPU中，在进代信号处理和通信系统中，对信号的处理正变得越行不同线程之间的切换时，GPU的时钟开销非常来越复杂，并且计算也越来越密集，GPU由于其特小几乎没有消耗，所以GPU就可以通过连续的切殊的结构让它的功能非常适合用于数据运算仿真换线程的方式，在不同的数据集上实现较高密度的和图形图像分析，加速信号的处理速度，大大提高运算，同时也隐藏了存储器的访问延迟等问题，这重复繁琐的计算领域和复杂的通信仿真领域的工作效率［2］。样就是数据的缓存很

5、小，有效的提高了运算效率和［3］能力。1GPU和CUDACUDA(ComputeUnifiedDeviceArchitecture)即相比CPU，GPU使用更多的晶体管作为执行一种通用化的并行运算平台，由英伟达公司开发，单元，因此其拥有更强大的浮点计算能力和存储器并支持通用的并行计算架构。CUDA是一种全新带宽，CPU和GPU的结构如图1所示。在模式识别、图像处理、视频压缩、物理模拟、信号处理、电磁的软硬件架构，它为GPU实现数据的运算提供了仿真等很多领域中，人们将大量的串行运算以并行一种通用的开发环境，使GPU成为了一个支持并的方式转化成流

6、处理模式，通过可编程的GPU，进行数据计算的硬件设备，并可以对进行运算的数据行加速实现。进行分配和管理，CUDA软件体系如图2所示。*收稿日期:2014－05－27基金项目:贵州省教育厅一般项目资助(黔教科(2010006))作者简介:索东(1989－)，男，在读硕士，研究方向:数字通信与信息系统，Email:840556632@qq．com．*通讯作者:索东，Email:840556632@qq．com．·90·贵州大学学报(自然科学版)第31卷和Y之间的协方差cov(X，Y)，与矢量X的“协方差”概念相区分，矢量X的“协方差”是X的各标量

7、成分之间的协方差矩阵。设x(n)、y(n)是两个有限的确定性信号，则有:+∞Ｒxy(m)=∑x(n)y(n－m)n=－∞+∞=∑x(n－m)y(n)m=0、±1、±2…n=－∞+∞Ｒyx(m)=∑y(n)x(n－m)n=－∞+∞图1CPU和GPU的结构图=∑y(n－m)x(n)m=0、±1、±2…n=－∞CUDA架构能够使GPU解决十分复杂和对计故可以得出:算能力具有较高要求的计算问题。GPU由于自身Ｒxy(m)=Ｒyx(－m)的特性，对密集型数据和并行数据计算较好的处理由卷积的定义，可以得出互相关的表达式:能力，所以CUDA在大规模并行计算

8、领域具有较Ｒxy(m)=x(m)×y(－m)=x(n)×y(－n)大的优势和潜力。目前，CUDA并行运算平台已经同样，由以上互相关的表达式可以得出自相关支持多种语言