本文關(guān)鍵詞：基于GPU的實(shí)時(shí)部分相干光并行生成算法研究

  更多相關(guān)文章： CUDA GPU 并行計(jì)算 空間光調(diào)制器 部分相干光

【摘要】：無線激光通訊中,高相干性的激光光束更容易受大氣的影響,降低了通訊系統(tǒng)的性能。最新理論與實(shí)驗(yàn)研究表明部分相干光束受湍流影響較小。針對(duì)利用液晶空間光調(diào)制器(LC SLM)實(shí)時(shí)、便捷生成部分相干光,采用了一種基于GPU并行加速的方法,全文主要包括四個(gè)部分。第一部分主要分析了CUDA架構(gòu)GPU的硬件設(shè)計(jì)架構(gòu)、存儲(chǔ)器組織模型、線程結(jié)構(gòu)、軟件體系架構(gòu)以及編程模型。第二部分引入部分相干光的基本概念,并從空間-時(shí)間域和空間-頻率域內(nèi)對(duì)一般部分相干的理論進(jìn)行研究。介紹了分別采用毛玻璃和液晶空間光調(diào)制器實(shí)驗(yàn)生成部分相干光的原理。第三部分液晶空間光調(diào)制器法中生成特定相干度的相位掩膜時(shí)需進(jìn)行二維卷積運(yùn)算。本文研究了卷積在CUDA平臺(tái)上并行優(yōu)化實(shí)現(xiàn),即基于共享內(nèi)存的分離卷積計(jì)算方式與基于CUFFT庫(kù)的卷積計(jì)算方式。為比較GPU并行優(yōu)化后的性能,在CPU上同樣實(shí)現(xiàn)兩種算法,實(shí)驗(yàn)結(jié)果表明:基于FFT的卷積計(jì)算在GPU加速后性能可提升30至45倍,而可分離卷積并行優(yōu)化后的性能可提升12至24倍。第四部分搭建實(shí)時(shí)生成部分相干光與相干長(zhǎng)度檢測(cè)實(shí)驗(yàn)裝置,驗(yàn)證生成部分相干光滿足實(shí)時(shí)性與相干長(zhǎng)度準(zhǔn)確性的要求。實(shí)驗(yàn)結(jié)果表明:針對(duì)256×256像素的LC SLM,生成相干長(zhǎng)度為0.15mm、0.9mm以及1.5mm的相位屏,GPU所用時(shí)間分別為0.95ms、2.2ms以及2.8ms;考慮CPU讀取、發(fā)送數(shù)據(jù)及液晶響應(yīng)的時(shí)間,采用GPU并行加速的部分相干光實(shí)時(shí)生成方法的頻率可達(dá)150Hz。生成相干長(zhǎng)度為0.15mm和1.5mm部分相干光束,光束相干度均方根誤差分別為0.022011和0.020883,峰谷值分別為0.074325和0.072998。所以該方法滿足實(shí)時(shí)性與準(zhǔn)確生成定相干長(zhǎng)度要求。
【關(guān)鍵詞】：CUDA GPU 并行計(jì)算 空間光調(diào)制器 部分相干光
【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN929.1
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-14
• 1.1 研究背景及目的意義8-9
• 1.2 基于GPU的通用計(jì)算發(fā)展動(dòng)態(tài)9-11
• 1.2.1 GPU體系架構(gòu)的發(fā)展動(dòng)態(tài)9-10
• 1.2.2 GPU編程模型的發(fā)展動(dòng)態(tài)10-11
• 1.3 部分相干光研究現(xiàn)狀11-13
• 1.4 文主要研究?jī)?nèi)容及結(jié)構(gòu)安排13-14
• 第二章 CUDA硬件架構(gòu)及其編程模型14-23
• 2.1 引言14
• 2.2 CUDA硬件架構(gòu)14-17
• 2.3 CUDA存儲(chǔ)器模型17-19
• 2.4 CUDA編程模型19-22
• 2.4.1 CUDA編程結(jié)構(gòu)19-20
• 2.4.2 CUDA線程結(jié)構(gòu)20-22
• 2.5 本章小結(jié)22-23
• 第三章 部分相干光基本理論及實(shí)驗(yàn)生成23-29
• 3.1 引言23
• 3.2 部分相干光基本理論23-25
• 3.2.1 空間-時(shí)間域23-24
• 3.2.2 空間-頻率域24-25
• 3.2.3 高斯謝爾模(GSM)光束25
• 3.3 部分相干光實(shí)驗(yàn)生成25-28
• 3.3.1 毛玻璃法25-26
• 3.3.2 液晶空間光調(diào)制器法26-28
• 3.4 本章小結(jié)28-29
• 第四章 基于CUDA的卷積算法并行優(yōu)化設(shè)計(jì)29-42
• 4.1 引言29
• 4.2 可分離卷積優(yōu)化算法29-33
• 4.2.1 算法描述29-30
• 4.2.2 基于CUDA的可分離卷積并行優(yōu)化30-33
• 4.3 基于FFT的卷積優(yōu)化算法33-38
• 4.3.1 算法描述33-36
• 4.3.2 基于CUFFT庫(kù)的卷積并行優(yōu)化36-38
• 4.4 性能對(duì)比與分析38-40
• 4.4.1 測(cè)試平臺(tái)38
• 4.4.2 性能測(cè)試與對(duì)比分析38-40
• 4.5 本章小結(jié)40-42
• 第五章 部分相干光實(shí)時(shí)生成實(shí)驗(yàn)研究42-48
• 5.1 引言42
• 5.2 實(shí)驗(yàn)系統(tǒng)平臺(tái)42-44
• 5.2.1 實(shí)驗(yàn)原理42
• 5.2.2 實(shí)驗(yàn)平臺(tái)搭建42-44
• 5.3 實(shí)驗(yàn)結(jié)果分析44-47
• 5.3.1 部分相干光生成實(shí)時(shí)性分析44-46
• 5.3.2 部分相干光生成相干長(zhǎng)度分析46-47
• 5.4 本章小結(jié)47-48
• 第六章 總結(jié)與展望48-49
• 致謝49-50
• 參考文獻(xiàn)50-53
• 作者簡(jiǎn)介53

，

本文編號(hào)：1118422