SAR目標(biāo)識(shí)別方法的GPU并行實(shí)現(xiàn)與優(yōu)化.pdf

1、SAR目標(biāo)識(shí)別方法已經(jīng)成為近年來(lái)的研究熱點(diǎn)，其研究成果被廣泛應(yīng)用于軍事和民用領(lǐng)域。隨著高分辨SAR成像技術(shù)的發(fā)展，SAR圖像的分辨率和數(shù)據(jù)量均迅速增加，基于 CPU串行計(jì)算的目標(biāo)識(shí)別算法已經(jīng)不能達(dá)到高分辨 SAR目標(biāo)識(shí)別軟件實(shí)時(shí)處理數(shù)據(jù)的要求，且計(jì)算代價(jià)過(guò)高。而近些年出現(xiàn)的 GPU(Graphic Process Unit)通用計(jì)算可以提供強(qiáng)大的計(jì)算能力和存儲(chǔ)帶寬，此外其具有開(kāi)發(fā)成本低、周期短等優(yōu)點(diǎn)。因此，基于GPU的并行目標(biāo)識(shí)別算法的

2、研究，對(duì)實(shí)時(shí)處理數(shù)據(jù)的目標(biāo)識(shí)別軟件系統(tǒng)的研究和建立具有重要推動(dòng)作用。
　　本文首先討論了GPU的體系結(jié)構(gòu)以及CUDA編程模型，并將目標(biāo)識(shí)別算法分為特征提取部分和分類(lèi)器部分，然后詳細(xì)描述了如何將各部分的具體計(jì)算任務(wù)進(jìn)行并行分解，以及如何通過(guò)CUDA并行編程實(shí)現(xiàn)各個(gè)計(jì)算任務(wù)，最終對(duì)CUDA程序進(jìn)行一系列優(yōu)化處理，爭(zhēng)取實(shí)現(xiàn)算法的加速最大化。具體的工作安排如下：
　　（1）分析了CUDA的編程模型、存儲(chǔ)模型以及編程語(yǔ)言，然后研究主成

3、分分析、非負(fù)矩陣分解和線(xiàn)性判別分析這三種比較成熟的特征提取技術(shù)和支持向量機(jī)這種分類(lèi)方法的基礎(chǔ)原理和實(shí)現(xiàn)方法，為后文目標(biāo)識(shí)別算法并行分析提供理論依據(jù)和技術(shù)基礎(chǔ)。
　?。?）研究特征提取方法和分類(lèi)器的計(jì)算任務(wù)，將計(jì)算過(guò)程拆分并做并行改進(jìn)。分別對(duì)三種特征提取方法中的矩陣乘法、Jacobi迭代法求矩陣特征值、歸約法、類(lèi)間和類(lèi)內(nèi)散度矩陣構(gòu)造等計(jì)算任務(wù)進(jìn)行并行分析和GPU并行改進(jìn)。然后分析SMO算法的計(jì)算過(guò)程和并行性，實(shí)現(xiàn)SVM在CUDA上的