版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、信號(hào)稀疏分解以其簡(jiǎn)潔、稀疏、靈活的優(yōu)良特性成功的應(yīng)用到信號(hào)處理的諸多方面中,成為信號(hào)處理研究的熱點(diǎn)之一。匹配追蹤算法實(shí)現(xiàn)簡(jiǎn)單、便于理解,在稀疏分解諸算法中算法復(fù)雜度最低,是信號(hào)稀疏分解中運(yùn)用最廣泛的算法。但即使這樣,基于MP的信號(hào)稀疏分解依然面臨分解速度慢、算法復(fù)雜度高、計(jì)算耗時(shí)長(zhǎng)的問(wèn)題。
與CPU相比,GPU對(duì)大量數(shù)據(jù)的處理能力更加出色。GPU的存儲(chǔ)器帶寬也較CPU更有優(yōu)勢(shì)。GPU為大量數(shù)據(jù)的運(yùn)算提供了新的解決方案,特別
2、是CUDA的提出,使GPU有向通用計(jì)算機(jī)發(fā)展的趨勢(shì)。
針對(duì)CPU實(shí)現(xiàn)信號(hào)MP稀疏分解出現(xiàn)的問(wèn)題,本文采用NVIDIA公司發(fā)布的統(tǒng)一運(yùn)算設(shè)備架構(gòu)CUDA來(lái)進(jìn)行信號(hào)稀疏分解的GPU加速,提高信號(hào)稀疏分解的運(yùn)算速度。
首先本文介紹了一維信號(hào)稀疏分解的基本原理,特別是基于MP的信號(hào)稀疏分解算法思想。接著闡述了NVIDIA公司的GPU產(chǎn)品CUDA,并從硬件和軟件兩方面介紹了CUDA編程模型、存儲(chǔ)器模型、軟件體系、執(zhí)行模
3、式等。
然后針對(duì)基于MP的信號(hào)稀疏分解分解速度慢的缺點(diǎn),對(duì)其采用GPU進(jìn)行加速來(lái)實(shí)現(xiàn)。在實(shí)現(xiàn)的過(guò)程中,本文提出了符合硬件特性的內(nèi)積運(yùn)算并行方案及改進(jìn)方案。與CUDA庫(kù)函數(shù)中的內(nèi)積運(yùn)算函數(shù)進(jìn)行比較,內(nèi)積并行方案的運(yùn)算效率更出色。該方案成功應(yīng)用到基于MP的信號(hào)稀疏分解中的原子能量運(yùn)算、信號(hào)或其殘差與冗余字典中原子的內(nèi)積運(yùn)算中。基于CUDA平臺(tái),本文對(duì)局部運(yùn)算中冗余字典生成并行實(shí)現(xiàn),提高了字典中原子的生成速度。實(shí)驗(yàn)表明,與CPU
4、串行運(yùn)算相比,在待分解信號(hào)長(zhǎng)度為8192時(shí),GPU實(shí)現(xiàn)基于MP的信號(hào)稀疏分解,加速比可達(dá)37.10倍。
最后針對(duì)GPU實(shí)現(xiàn)基于MP的信號(hào)稀疏分解存在冗余字典過(guò)大的問(wèn)題,對(duì)基于FFT的信號(hào)MP稀疏分解算法采用GPU進(jìn)行加速。在實(shí)現(xiàn)過(guò)程中,本文對(duì)冗余子字典、快速傅里葉變換及其反變換等局部運(yùn)算進(jìn)行GPU并行實(shí)現(xiàn)。同時(shí)本文提出的內(nèi)積并行運(yùn)算方案成功運(yùn)用于字典中原子的能量計(jì)算中。實(shí)驗(yàn)表明,在待分解信號(hào)長(zhǎng)度為16384時(shí),GPU加速基
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于MP的信號(hào)稀疏分解算法研究.pdf
- 基于MP的信號(hào)稀疏分解的算法研究.pdf
- 基于人工魚群算法的信號(hào)MP稀疏分解.pdf
- 基于聯(lián)合智能算法和MP的信號(hào)稀疏分解.pdf
- 基于GPU的多波前稀疏Cholesky分解優(yōu)化方法的研究.pdf
- 基于FFT的信號(hào)MP分解改進(jìn)算法研究.pdf
- 基于稀疏分解的信號(hào)去噪方法研究.pdf
- 基于MP分解的寬帶LFM信號(hào)參數(shù)估計(jì).pdf
- 語(yǔ)音信號(hào)MP稀疏分解快速算法及在語(yǔ)音識(shí)別中的初步應(yīng)用.pdf
- 基于GPU的LOF算法加速.pdf
- 基于稀疏分解的鐵路信號(hào)去噪算法研究.pdf
- 基于稀疏分解理論的聲矢量陣信號(hào)處理.pdf
- 基于信號(hào)稀疏分解的圖像壓縮編碼算法的研究.pdf
- 改進(jìn)的MP稀疏分解方法在圖像壓縮中的應(yīng)用.pdf
- 基于稀疏分解的寬帶信號(hào)波達(dá)方向估計(jì).pdf
- 基于GPU加速的毛線布料仿真.pdf
- MP和BP稀疏分解在盲源分離中的應(yīng)用.pdf
- 基于GPU的稀疏矩陣運(yùn)算優(yōu)化研究.pdf
- 基于GPU的流體模擬加速方法.pdf
- 基于信號(hào)稀疏分解的復(fù)雜環(huán)境下說(shuō)話人識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論