【摘要】：激光波前是評價激光性能優(yōu)劣的重要指標,同時與激光的傳輸、聚焦等特性密切相關,如何準確快速的測量激光波前是激光技術中一個非常重要的研究方向。在測量激光波前的眾多方法中,相位差異法(Phase Diversity,PD法)具有系統(tǒng)結構簡單、易于實現(xiàn)、成本低、對事后的圖像處理不需要參考目標等優(yōu)點,但是缺點是計算量大,運算耗時。本研究將GPU加速運用到PD法測量激光波前的計算過程中,利用GPU并行計算的優(yōu)勢對PD法測量激光波前進行加速。本文首先對PD法測量激光波前的原理進行分析,將PD法測量激光波前過程中構建的目標函數(shù)、梯度函數(shù)、L-BFGS最優(yōu)化算法等環(huán)節(jié)進行并行化改造,使PD算法能夠在GPU上并行處理;分析PD法測量激光波前的整個耗時情況,找出該過程中最為耗時的傅里葉變換、求和、矩陣相乘等環(huán)節(jié),對這些環(huán)節(jié)具有針對性的GPU加速計算;結合光學原理對PD算法中點擴散函數(shù)的冗余計算進行剔除,提高算法的計算效率。最后進行PD法測量激光波前的GPU加速實驗,構建硬件系統(tǒng)和軟件系統(tǒng),分別用CPU和CPU+GPU的方式計算不同光斑圖像尺寸下的激光波前,并與BeamWave 500波前測量儀測得的數(shù)據(jù)進行比較,在保證測量結果有效的前提下比較加速效果。實驗結果表明:GPU加速的PD法測量激光波前在測量效果方面與參考值接近,滿足測量結果的有效性要求;對256×256像素大小的圖像利用GPU加速的方式計算激光波前,測量時間保持在6秒之內,與CPU測量的速度進行比較,加速比達到53.7,加速效果明顯,可以極大提高算法的運行效率。PD法測量激光波前的GPU快速計算方法研究對激光波前的快速準確測量具有重要意義。
【學位授予單位】：長春理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN24
【圖文】：

圖 1.1 GPU 在計算機中的位置簡圖從上世紀 80 年代末至 90 年代初，計算機制作工藝和主頻逐步提高，其照摩爾定律發(fā)展，但是近三十年間功耗問題制約了主頻的進一步提高，律不再適用于處理器性能的發(fā)展。 SGI 的 GE 發(fā)展到 NVIDIA 公司的 GeForce 系列產品，GPU 從誕生到制芯片帶寬從3um 減小到90nm，時至 2007 年 GeForce8800 已經可以集成，集成度極高的芯片工藝使得電路的邏輯能力躍升數(shù)千倍[34]！在 GPU更新發(fā)展中，更高效的性能得以提升，更科學的編程架構在逐步完善。如圖 1.2 所示。顯卡進行通用計算的歷史由來已久，隨著 GPU 通用計算的不斷發(fā)展，法利用 GPU 加速實現(xiàn)以擺脫 CPU 有限計算資源的束縛，2006 年左右，N向大眾發(fā)布統(tǒng)一設備計算架構（Coupute Unified Device Architectu），其編程軟硬件架構之完善、開發(fā)環(huán)境（類似于 C 語言）之便捷等優(yōu)用計算步入快速發(fā)展時期。GPU 已經應用于生物信息學、計算化學、算流體動力學、計算結構力學、數(shù)據(jù)挖掘、國防情報、電子設計自動化醫(yī)療成像、天氣、大氣、海洋建模與空間科學、分析學及數(shù)據(jù)庫等領域

5圖 1.2 GPU 發(fā)展歷程圖主要研究內容1）PD 算法目標函數(shù)的并行化改造，為了使 PD 算法可以利用 GPU 進行加GPU 并行計算的要求，就必須將 PD 算法進行并行化改造，改造后的算法才CUDA 的計算架構。其中，對 PD 算法中控制迭代運行的 L-BFGS 優(yōu)化算法改造是重點，并針對其中最耗時、運行次數(shù)最多的目標函數(shù)進行并行化改PD 算法最耗時的運算環(huán)節(jié)應用于 GPU 上，并實現(xiàn)并行加速計算。2）將并行化改造后的 PD 算法在 CPU+GPU 異構平臺下進行任務劃分，把

.2DirectX11.1CUDAOpenGL4.3DirectX 11.1CUDA1.02.03.04.02014MaxwellGPU Boost 2.0GeForce GTX980/ 970PCI-E3.0OpenGL4.4DirectX 12CUDA圖 1.2 GPU 發(fā)展歷程圖1.3 主要研究內容（1）PD 算法目標函數(shù)的并行化改造，為了使 PD 算法可以利用 GPU 進行加速，滿足 GPU 并行計算的要求，就必須將 PD 算法進行并行化改造，改造后的算法才可以滿足 CUDA 的計算架構。其中，對 PD 算法中控制迭代運行的 L-BFGS 優(yōu)化算法進行并行化改造是重點，并針對其中最耗時、運行次數(shù)最多的目標函數(shù)進行并行化改造，使得 PD 算法最耗時的運算環(huán)節(jié)應用于 GPU 上，并實現(xiàn)并行加速計算。（2）將并行化改造后的 PD 算法在 CPU+GPU 異構平臺下進行任務劃分

【參考文獻】

相關期刊論文 前7條

1 苗永康;;基于L-BFGS算法的時間域全波形反演[J];石油地球物理勘探;2015年03期

2 張鵬;;非線性最優(yōu)化問題幾種梯度算法的研究[J];牡丹江師范學院學報(自然科學版);2015年01期

3 楊雪;李學友;李家國;馬駿;張力;楊健;杜全葉;;基于GPU和分塊技術的巨幅影像快速傅里葉變換算法研究(英文)[J];光譜學與光譜分析;2014年02期

4 王潔梅;;基于Zernike多項式的波前像差研究[J];現(xiàn)代計算機(專業(yè)版);2014年03期

5 趙金宇;陳占芳;王斌;汪宗洋;張楠;王建立;吳元昊;張世學;;相位差異法目標函數(shù)的并行化改造[J];光學精密工程;2012年02期

6 李斐;饒長輝;;高精度相位差波前探測器的數(shù)值仿真和實驗研究[J];光學學報;2011年08期

7 曹芳;吳楨;朱永田;;基于相位差法的光學綜合孔徑望遠鏡失調檢測技術[J];天文研究與技術;2008年03期

相關會議論文 前1條

1 鐘何平;黃攀;田振;吳浩然;;基于GPU的干涉相位質量圖快速計算方法[A];中國聲學學會水聲學分會2015年學術會議論文集[C];2015年

相關博士學位論文 前6條

1 徐梓浩;基于相位差法的高分辨率液晶自適應光學技術研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2018年

2 張東;基于泰勒展開的相位差波前檢測技術研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2018年

3 岳丹;基于相位差算法的拼接鏡共相誤差探測與圖像復原的研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2016年

4 賀元興;激光光束質量評價及測量方法研究[D];國防科學技術大學;2012年

5 張楠;基于相位差異的地基望遠鏡圖像恢復算法與GPU高速實現(xiàn)[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

6 白洪濤;基于GPU的高性能并行算法研究[D];吉林大學;2010年

相關碩士學位論文 前7條

1 范夢然;GPU上基本圖像處理算法性能優(yōu)化關鍵技術研究[D];中國科學院大學(中國科學院工程管理與信息技術學院);2017年

2 陳冬冬;CPU-GPU異構平臺的性能優(yōu)化研究及其在實時信號模擬技術中的應用[D];浙江大學;2017年

3 陳娟;基于傅里葉變換的顯著目標檢測方法研究[D];蘇州大學;2016年

4 楊旭;基于GPU的自適應波束形成處理器研究[D];南京理工大學;2014年

5 沈玉琳;通用GPU計算技術在高性能計算平臺上的應用研究[D];蘭州大學;2012年

6 高越;相位差法擴展目標波前探測技術的研究[D];哈爾濱工業(yè)大學;2012年

7 李偉;激光光束質量評價方法與光束特性參數(shù)測量系統(tǒng)[D];長春理工大學;2009年

本文編號：2764360