由于實(shí)際工程需求,電大尺寸目標(biāo)電磁散射特性分析一直是研究熱點(diǎn)。當(dāng)目標(biāo)電尺寸太大時(shí),個(gè)人計(jì)算機(jī)的有限計(jì)算資源成為瓶頸。為了解決此問(wèn)題,可以應(yīng)用并行計(jì)算技術(shù)如集群系統(tǒng)。近年來(lái),一種新的大規(guī)模并行處理器——圖形處理單元(GPU)開(kāi)始被應(yīng)用到計(jì)算電磁學(xué)領(lǐng)域。 本文利用GPU實(shí)現(xiàn)了并行矩量法(MoM),加速率超過(guò)了100倍,遠(yuǎn)遠(yuǎn)高于傳統(tǒng)并行系統(tǒng)能達(dá)到的加速率。此外,本文設(shè)計(jì)了矩陣分割算法,將阻抗矩陣分為多個(gè)小塊分別計(jì)算,利用大容量系統(tǒng)內(nèi)存作為顯存的替代,使得程序不再受到顯存容量的限制,從而具有了計(jì)算實(shí)際工程問(wèn)題的能力。 為了進(jìn)一步提高程序處理電大尺寸目標(biāo)電磁散射問(wèn)題的能力,本文將基于GPU的并行矩量法與一種新型的相位提取基函數(shù)(Phase-Extracted Basis)相結(jié)合,利用很少的未知量就可以對(duì)電大尺寸目標(biāo)精確建模。從而實(shí)現(xiàn)在單機(jī)上快速高效求解全尺寸軍用目標(biāo)電磁散射特性。 由于矩量法的內(nèi)存需求和計(jì)算復(fù)雜度都是O ( N 2),當(dāng)未知量數(shù)目較大時(shí),矩量法消耗的資源往往超過(guò)單機(jī)的限制。本文詳細(xì)分析了并行多層快速多極子方法(MLFMA)的關(guān)鍵流程,成功實(shí)現(xiàn)了基于GPU的并行多層快速多極子方法。所有數(shù)值結(jié)果均與精確計(jì)算方法結(jié)果吻合良好,充分說(shuō)明本文中算法的高效性及準(zhǔn)確性。 本文的研究工作將最前沿的計(jì)算機(jī)科學(xué)成果引入到計(jì)算電磁學(xué)領(lǐng)域,實(shí)現(xiàn)了電大尺寸復(fù)雜工程目標(biāo)電磁散射問(wèn)題的單機(jī)快速求解,為工程應(yīng)用提供了一種高效分析手段。同時(shí),本文的工作證明了基于GPU的硬件加速方法非常適合計(jì)算電磁學(xué)算法,有助于推動(dòng)GPU在計(jì)算電磁學(xué)領(lǐng)域得到更多應(yīng)用。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2008
【中圖分類(lèi)】：TP334.7;O441.4
【部分圖文】：

察程序計(jì)算復(fù)雜目標(biāo)的正確性，我們計(jì)算了一個(gè)美國(guó)航空證各種數(shù)值程序可靠與否的基準(zhǔn)目標(biāo)：NASA 杏仁核[26]36英寸的標(biāo)準(zhǔn)目標(biāo)在 XOY 面內(nèi) 3G 平面波激勵(lì)，水平目標(biāo)幾何結(jié)構(gòu)及剖分如圖 4-12 所示，未知量為 8064，共S 值。其 RCS 結(jié)果如圖 4-13 所示。所有的結(jié)果都非常吻圖 4-12 NASA 杏仁核幾何結(jié)構(gòu)及剖分

第一章 引言用于算術(shù)邏輯單元（arithmetic logic unit，ALU）；與此相對(duì)，傳統(tǒng)的 CPU 需要處理大量的控制任務(wù)，比如邏輯結(jié)構(gòu)，分支結(jié)構(gòu)等等，大量的晶體管用于復(fù)雜的控制單元及緩存，而用于 ALU 的晶體管就非常少，如圖 1-2 所示�？梢哉f(shuō)，GPU 是一塊專(zhuān)業(yè)的計(jì)算芯片，對(duì)于算術(shù)密集型算法，用 GPU 加速可以取得非常好的效果另一方面，GPU 的顯存帶寬也遠(yuǎn)大于系統(tǒng)內(nèi)存帶寬。如 ATI HD 2900 XT 的顯存帶寬超過(guò)了 100GByte/s，而 CPU 的內(nèi)存帶寬只有 2GByte/s。這使得 GPU 在處理大量數(shù)據(jù)時(shí)比 CPU 更有優(yōu)勢(shì)。

3圖 1-2 GPU 芯片與 CPU 芯片架構(gòu)示意圖除了 GPU 強(qiáng)大的計(jì)算能力，GPU 還有一個(gè)最大的優(yōu)勢(shì)：價(jià)格非常便宜。一個(gè)人計(jì)算機(jī)的價(jià)格大約是 500 美元左右，這樣一個(gè)包含 10 個(gè)節(jié)點(diǎn)的集群系統(tǒng)就要 5000 美元，更不用說(shuō)動(dòng)輒數(shù)十萬(wàn)美元的超級(jí)計(jì)算機(jī)了。而這個(gè)集群系統(tǒng)的理最大加速率也不過(guò) 10 倍。與此相對(duì)，一塊頂級(jí) GPU 的價(jià)格大約在 500 美元左右

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 雒濤;基于內(nèi)容的視頻圖像非線性縮放技術(shù)研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

相關(guān)碩士學(xué)位論文 前5條

1 張珩;基于GPU的圖像粒子擬合及分類(lèi)算法研究及應(yīng)用[D];北京化工大學(xué);2011年

2 徐俊英;基于GPU的電磁散射問(wèn)題積分方程方法并行數(shù)值求解[D];電子科技大學(xué);2010年

3 高強(qiáng);基于GPU的硬件加速方法在粒子模擬中的應(yīng)用[D];電子科技大學(xué);2010年

4 孫冰;基于GPGPU的高效AES彩色數(shù)字圖像加密技術(shù)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2010年

5 柴豆豆;基于GPU加速的矩量法對(duì)電磁散射問(wèn)題的研究[D];安徽大學(xué);2012年

本文編號(hào)：2833158