基于零拷贝的脉冲星GPU相干消色散算法

射电脉冲信号在传输过程中受到星际介质的影响,脉冲轮廓展宽变形,在研究过程中需要对信号进行消色散处理.设计并实现了基于零拷贝的脉冲星数据图形处理器(Graphic Processing Unit,GPU)相干消色散算法,采用设备内存映射以消除主机到设备的拷贝开销,利用统一计算设备架构(Compute Unified De...     

三维交错网格有限差分地震波模拟的GPU集群实现

有限差分实现简单、速度快,作为地震波场模拟一种有效数值方法,被广泛用于正演计算密集的波形反演和逆时偏移中.三维地震波正演模拟计算量大,一直以来制约着三维叠前逆时偏移和反演的工业化应用,GPU通用计算技术的产生及其内在的数据并行性有望改变这一现状.本文通过分析三维交错网格有限差分方法在GPU上的实施,利用片内共享存储器实现了三维地震波数值模拟的高效算法,取得了较单核CPU快79x～108x的加速比;通过区域分解技术将单GPU上不能计算的地质体模型沿Z轴方向进行粗粒度分解,采用消息传递接口交换边界数据,运用MPI+CUDA的方式实现了大尺度三维地震波场模拟,并着重分析了影响GPU并行计算效率的一些关键因素.大尺度三维地震波场模拟的加速实现,为促进叠前逆时偏移和波形反演技术的工业化转化提供了可能,因此具有重要的研究意义.     

GPS IF信号的计算机模拟和实现

提出了用GPS卫星星历来近似模拟计算载波多普勒频率和卫星信号延迟,进而用计算机模拟GPS接收机的中频数字信号,为软件GPS接收机的模型算法提供数据源.与实际接收的卫星中频数字信号的频谱进行比较,结果表明,用计算机模拟GPS IF信号是可行的和有效的.     

基于GPU加速的Boussinesq类波浪传播变形数值模型

Boussinesq波浪模型是一类相位解析模型,在时域内求解需要较高的空间和时间分辨率以保证计算精度。为提高计算效率,有必要针对该类模型开展并行算法的研究。与传统的中央处理器(CPU)相比,图形处理器(GPU)有大量的运算器,可显著提高计算效率。基于统一计算设备架构CUDA C语言和图形处理器,实现了Boussinesq模型的并行运算。将本模型的计算结果同CPU数值模拟结果和解析解相比较,发现得到的结果基本一致。同时也比较了CPU端与GPU端的计算效率,结果表明,GPU数值模型的计算效率有明显提升,并且伴随数值网格的增多,提升效果更为明显。     

利用流水线技术的遥感影像并行处理

针对现有的OpenMP和直接的线程并行法难以对遥感影像处理链进行加速的问题,引入流水线概念对复杂的功能链进行并行加速,提出了基于流水线技术的遥感影像并行处理方法。影像处理实验验证了流水线在遥感影像多级连续处理方面的优势。     

DYYZ-Ⅱ型自动站常见问题处理

1设备问题处理部分观测项目不正常时,应先观察同类数据是否正常(温度、湿度、气压传感器采集的是模拟信号,风速、风向和雨量传感器采集的是数字信号)。可初步判断是采集器故障还是传感器或是传输故障。再检查外转接盒片选和防雷接地。最后,在线、离线测试传感器。1.1地温不正常     

基于GPU的S63标准电子海图数据解密算法

S63标准采用Blowfish算法对原始海图数据加密后发行,数据的解密成为电子海图系统数据转换和更新中一个耗时的过程。为提高数据处理的速度,针对Blowfish分组密码算法的特点,提出一种利用图形处理器（GPU）的海图并行解密算法,并采用数据传输和处理的同步技术进行了优化。测试表明,采用GPU的并行解密算法是纯CPU串行处理的9.8倍。该算法不仅可大大加快海图数据转换和更新过程,对地理信息系统海量数据处理也有一定的借鉴价值。     

基于图形处理器的伪谱和高阶有限 差分混合方法地震波数值模拟

伪谱和高阶有限差分混合方法, 在垂直方向采用交错网格有限差分算子, 利用其并行程度高的特点, 在水平方向采用伪谱算子, 保留其高精度的优势, 是计算地震波场的有效方法. 图形处理器(graphic processing unit, 简写为GPU) 由于其高度并行性, 在计算此类问题中有显著的优势. 由英伟达(NVIDIA)公司推出的统一计算设备架构(compute unified device architecture, 简写为CUDA)平台极大地简化了GPU编程的难度. 为提高计算效率, 本文实现了基于CUDA 平台的混合方法二维地震波场模拟. 然后基于二维均匀介质模型将CPU与GPU版本的运行时间进行对比. 实际测试结果表明, 基于CUDA 的并行模拟方法在保证计算精度的同时显著地提高了计算速度, 为开展大规模非均匀地球介质地震波传播数值模拟提供了一种可选的方法.      

基于线性光谱模型的混合像元分解高性能计算研究

混合像元分解是遥感技术向定量化、精细化发展的重要技术,是关系到地物精细分类的重要操作环节,而线性光谱模型确实是目前解决混合像元问题的有效策略.针对高光谱遥感影像数据量大,混合像元分解计算耗时长的问题,提出了一种基于CUDA的高光谱遥感端元投影向量法实现方法.在分析高光谱图像端元投影向量法串行算法的基础上,建立了在CUDA架构下以像元点为基准产生相应的进程数,每个进程负责一单位像元点的计算方式.实验结果表明,将该方法应用于实际的高光谱遥感影像的混合像元中,可极大地提高传统中央处理器(CPU)的运算效率.