基于GPGPU的全波形并行分解算法
针对EM(Expectation Maximization)波形分解算法具有多次迭代和大量乘、除、累加等高密集运算的特点,提出一套将EM算法在通用计算图形处理器GPGPU上并行化的方案.针对通用并行计算架构CUDA的存储层次特点,设计总体的并行方案,充分挖掘共享存储器、纹理存储器的高速访存的潜能;根据波形采样值采用字节存储的特征,利用波形采样值的直方图求取中位数,从而降低求噪音阈值的计算复杂度;最后,采用求和规约的并行策略提高EM算法迭代过程中大量累加的计算效率.实验结果表明,当设置合理的并行参数、EM迭代次数大于16次、数据量大于64M时,与单核CPU处理相比,GPU的加速比达到了8,能够显著地提高全波形分解的效率.
全波形分解、激光雷达LiDAR、通用计算图形处理器GPU、并行
18
P2373(摄影测量学与测绘遥感)
国家自然科学基金编号:41201462,61378087;福建省自然科学基金计划编号:2011J05113;福建教育厅资助项目编号:JA13168,JA13182;集美大学优秀青年骨干教师基金
2014-12-11(万方平台首次上网日期,不代表论文的发表时间)
1217-1222