图形处理器（GPU）加速时域有限元的二维辐射计算

时域有限元方法是在电磁场与微波工程领域广泛应用的方法之一.然而,时域有限元在大型机上运行时都是相当缓慢的.对时域有限元计算的硬件加速的研究已经开始进行.与同一代技术的CPU比较,目前一般用户的图形加速卡(GPU)对时域有限元的加速可以达到CPU的近4倍左右.以OpenGL作为应用编程接口(API),使用一个标准的商业图形卡编程解决二维时域有限元的辐射问题.     

复杂目标双站图形电磁计算

应用物理光学法（ＰＯ）与等效电磁流法（ＥＣＭ）分别计算了复杂目标双站散射中面元与棱边的散射场。在ＷＩＮＤＯＷＳ ＮＴ／９８微机平台上利用软件图形标准接口Ｏｐｅｎ ＧＬ和硬件图形加速卡对目标和背景像素进行实时显示和自动消隐,通过对各像素点的散射场计算和要位综合求得总散射场,从而将ＧＲＥＣＯ扩展为双站图形电磁学。数学模型和实例说明了本方法的正确性,对＊＊战斗机双站ＲＣＳ进行计算,对将来虚拟现实系统环境     

图形电磁计算法在双站散射计算中的工程扩展

鉴于GRECO法在电磁散射计算中具有快速、准确和可视化等特点,其在雷达目标单站RCS预估中有着广泛应用.对足够光滑的目标,当双站角较小时,可以单-双站等效原理分析其双站散射特性,但对于大双站角和复杂目标双站情况,GRECO法已不适用,而目前分析复杂目标双站RCS的CMT法和PEM法由于计算时间过长,很难满足工程设计的需要;本文给出一种新的GRECO扩展法以适应实时双站散射场分析的需求,应用GRECO、单-双站等效原理和Leonov公式,给出了适合复杂目标双站RCS计算的方法--GRECO扩展,仿真结果证明了此方法的正确性和实用性.     

图形电磁计算方法的改进

为了克服传统方法存在的无法对所有棱边进行精确识别的弊端,采用了一种图形电磁计算与模型分析相结合的计算目标RCS的新方法,从而改善了RCS计算的精度.采用了一种增强图形电磁计算通用性的方法,克服了传统的图形电磁计算中要根据实际目标的尺寸不断调整可视空间的尺寸的弊端,从而实现在视口中完全显示物体和对物体完成尽可能细密剖分的目的,大大增强了软件的通用性.     

基于GPU 加速的高阶矩量法研究与应用

矩量法(MOM)在求解电磁场散射问题时,当未知量数目比较大时,其内存占用和计算时间非常大.基于最佳一致逼近理论构造了高阶矩量法,并引入了计算统一设备架构(CUDA)技术,在图形处理器(GPU)上实现了并行加速计算二维电磁散射问题.实例结果表明,在与快速多极子算法(FMM)相对比下,该方法在较低剖分的情况下,具有很高的计算精度,并且在阻抗矩阵填充和矩矢相乘时的速度大大提升,适用于电大尺寸目标的散射问题.     

基于通用GPU计算的分析与实现

根据GPU和CPU在硬件组成以及数据处理的区别引入了通用GPU计算的概念.通过计算流体粒子模拟的实际数学模型来详细介绍了通用GPU计算的实现方式,并且给出了具体程序的设计算法,最终使用计算数据测试验证通用GPU计算对与离散型大规模数据计算的高效性.     

星地双基合成孔径雷达聚束模式快速BP算法

该文提出了一种应用于双基合成孔径雷达聚束模式的快速反向投影(FBP)算法,该算法在距离向压缩上使用地面接收器的同步信道作为回波信号的距离向匹配滤波器,在方位向压缩上采用2 次相位校正降低快速BP 算法中的近似误差对成像造成的影响,算法的计算复杂度为O(N2.5)。最后利用仿真数据和实测数据在图形处理器(GPU)上对该算法进行了验证。      

基于NVIDIA GPU 的机载SAR 实时成像处理算法CUDA 设计与实现

合成孔径雷达(SAR)成像处理的运算量较大,在基于中央处理器(Central Processing Unit, CPU)的工作站或服务器上一般需要耗费较长的时间,无法满足实时性要求。借助于通用并行计算架构(CUDA)编程架构,该文提出一种基于图形处理器(GPU)的SAR 成像处理算法实现方案。该方案解决了GPU 显存不足以容纳一景SAR 数据时数据处理环节与内存/显存间数据传输环节的并行化问题,并能够支持多GPU 设备的并行处理,充分利用了GPU设备的计算资源。在NVIDIA K20C 和INTEL E5645 上的测试表明,与传统基于GPU 的SAR 成像处理算法相比,该方案能够达到数十倍的速度提升,显著降低了处理设备的功耗,提高了处理设备的便携性,能够达到每秒约36兆采样点的实时处理速度。      

基于改进的图形电磁学法的近场RCS计算

对近场RCS图形电磁学计算公式进行了推导,以现有远场GRECO 法为基础,通过将Open-GL中的光源设置为位置性光源,同时对目标体进行二次光照,每次光照设置不同的衰减系数,从而得到准确的光照区域和面元与点源之间的距离。最后,以标准目标体平板、球体等模型在不同距离下的雷达散射截面的计算为例,验证了该方法的有效性和准确性。     

一种新的混合方法在电磁散射计算中的应用

文中使用一种新的混合方法——网络分解技术与空域分解技术的混合方法计算了二维金属带条的电磁散射特性。这种新的混合方法结合了网络分解分空域分解两种方法的各自优点,与矩量法相比,不仅节省了机器的内存占用,同时也大大提高了计算速度。计算表明,对于解决大系统问题,它是一种比较有效的方法。     

一种基于GRECO的复杂目标棱边建模方法

针对复杂目标高频电磁散射,利用CAD 商业建模软件,结合PO、MEC 算法实现目标RCS 计算。对于边缘绕射计算,提出了一种新的建模方法,提高了计算速度。计算结果与数值方法MLFMM 计算结果吻合很好。最后以某战斗机模型为例,实现目标角度域、频域RCS 计算,并且研究了RCS 数据在目标高分辨率距离像中的应用。实验结果表明,该方法对复杂目标高频电磁散射RCS 仿真计算具有一定参考价值。     

基于GPU的信号产生及脉冲压缩实现

文中采用了一种基于CPU+GPU异构并行架构体系的信号处理方案。按照雷达信号处理流程,通用处理计算机利用CPU串行代码完成核函数启动前数据准备和设备初始化工作,并控制信号处理的任务调度和负载分配,然后将数据通过PCI E总线传输至显存,利用GPU特有的单指令多线程方式,并行实现线性调频信号产生以及线性调频信号频域脉冲压缩算法,并与CPU进行比较。实验结果表明,利用计算统一设备架构技术实现的线性调频信号产生以及脉冲压缩算法取得了比CPU更高的运算效率。     

基于图形电磁学雷达散射截面计算方法之改进

图形电磁学（GRaphical Electromagnetic COmputing,GRECO）利用图形加速卡和Z-Buffer技术可较为有效地解决传统电磁计算方法中存在的消隐困难和非可视化难题,是求解高频电大尺寸目标特性最有效的方法之一。但传统GRECO算法存在着无法精确提取目标法矢信息、计算精度依赖屏幕分辨率和多次反射计算困难等缺点,限制了这种方法的使用。本文针对GRECO方法就精确提取像素几何信息方法进行了简要改进,将其与基于帧缓存对象（Frame-Buffer Object,FBO）的离屏渲染技术相结合,提出了改进的GRECO算法,克服了传统GRECO算法无法精确提取像素法矢信息和计算精度依赖屏幕分辨率的缺点。进而,采用AP／PO（Area Projection／Physical Optics）法,并对传统的多次散射面元对判别方法进行了适当改进,实现了对产生多次反射目标的雷达截面计算。     

采用GPU加速的三维实体模型绘制

 利用GPU的强大浮点数计算能力和并行处理能力,提出一种完全基于GPU的具有真实感三维实体模型快速绘制方法.本文利用现代图形加速卡中GPU的可编程管线,实现了快速的网格生成及简化.在保证不改变网格的拓扑结构的前提下,调整网格,使能量方程的数值尽量降低,从而大大降低线性曲面中三角形的数量.实验结果表明,该方法能够实现实时的三维实体模型快速绘制,具有重要的应用价值.     

基于GPU的VLSI的DRC加速系统

在超大规模集成电路(VLSI)设计流程中,设计规则检查(DRC)是关键一环。多年来,设计人员为DRC设计了许多硬件加速的方法,但是都局限于成本等诸多原因而不能得到推广。因此提出了基于GPU平台的DRC方法,大幅提高了DRC效率。     

基于GPU并行计算的OMP算法

重建算法在压缩感知理论中有着重要的作用,经典的正交匹配追踪(OMP)重建算法在每次迭代中对已选择的原子进行正交化处理以加速算法的收敛速度,但同时增加了算法的计算复杂度。针对这一问题,提出了一种基于图形处理单元(GPU)并行计算的OMP算法,重点对算法中复杂度高的投影和矩阵求逆部分在GPU平台上进行并行设计。实验结果表明基于GPU的并行OMP算法相对于其串行算法加速比可以达到30~44倍,有效地提高了算法的计算效率,拓宽了该算法的应用范围。     

基于GRECO的复杂目标ISAR图像仿真

提出一种与图形电磁计算方法相结合的1SAR图像实时仿真方法.利用图形电磁计算(GRECO)方法得到运动目标的电磁散射数据,通过发射线性调频信号得到运动目标的雷达回波,并对仿真回波进行ISAR成像处理.与传统采用点目标仿真不同,该文是对实际三维目标直接仿真成像,更加接近实际,更加适合应用与成像效果分析、算法改进和抗干扰方面的研究.对于目标表面散射场的分析,是基于高频预估理论:采用物理光学(PO)法与物理绕射理论(PTD)来进行计算.从对复杂目标的仿真结果来看,该方法是准确有效且具有实时性的.     

基于GPU的MTD性能优化

为了解决传统雷达信号处理机在研发阶段面临的调试困难,计算能力受硬件限制及程序复用性差等问题,本文提出了使用GPU作为雷达计算核心的方案.在使用GPU实现雷达信号处理算法的过程中,动目标检测(MTD)部分的优化效果远低于脉冲压缩和恒虚警检测.经过分析,MTD过程中的矩阵转置与向量点乘占据了算法的大量时间.本文从GPU的数...     

Design and optimization for multiprocessor interactive GPU

In order to achieve maximization of parallelism, effective distribution of rendering tasks, balance between performance and flexibility in graphics processing pipeline, this article presents design, performance analysis and optimization for multi-core interactive graphics processing unit （MIGPU）. This processor integrates twelve processing cores with specific instruction set architecture and many sophisticated application-specific accelerators into a 3D graphics engine. It is implemented on XC6VLX550T field programmable gate array （FPGA）. MIGPU supports OpenGL2.0 with programmable front-end processor, vertex shader, plane clipper, geometry transformer, three-D clippers and pixel shaders. For boosting the performance of MIGPU, the relationship model is established between primitive types, vertices, pixels, and the effect of culling, clipping, and memory access, and shows a way to improve the speed up of the graphics pipeline. It is capable of assigning graphics rendering tasks to different processors for efficiency and flexibility. The pixel filling rate can reach to 40 Mpixel/s at its peak performance.