ARL中CLEAN算法的优化研究

论文摘要

目前世界上最大的综合孔径射电望远镜平方公里阵列（SKA,Square Kilometre Array）在天文射电观测中起着至关重要的作用。ARL算法参考库（Algorithm Reference Library）是SKA的候选算法库,CLEAN算法是其中成像部分的一个非常重要的算法。ARL中使用了一种改进的CLEAN算法,即Multi-Scale CLEAN算法。该算法可以很好地处理展源,得到更清晰的图像,更真实的反应天空的分布情况。针对Multi-Scale CLEAN算法运行时间较长的问题,本文在此算法的基础上进行优化研究,提出了一种MS-Clark CLEAN算法,对该算法进行GPU并行化实现,并利用M31模拟数据对算法进行测试分析。在不影响图像质量的前提下,同ARL中的Multi-Scale CLEAN算法的运行时间相比,本文提出的算法的运行时间更短,运算效率更高。本文的主要研究工作如下:1、提出了一种MS-Clark CLEAN算法,该算法在Multi-Scale CLEAN算法的基础上,结合了Clark CLEAN算法的优点,在保证图像质量的前提下,以期达到减少算法的运行时间,提高运算效率的目的。2、CLEAN算法的GPU并行化研究。为了提高算法的运算效率,本文利用当前GPU的优势,对MS-Clark CLEAN算法中可以并行的部分,设计了运行在GPU上的CUDA核函数,并使用PyCUDA来实现算法的并行化。通过对算法进行并行化分析以及函数耗时分析,找出算法中可以并行化且耗时较长的部分,以此来提高并行化的效果。通过实验测试说明了基于GPU并行化的算法确实可以提高算法的运算效率。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景及意义
•   1.2 国内外研究现状
•   1.3 研究内容
•   1.4 论文的组织结构
• 第二章 CLEAN算法与GPU并行计算介绍
•   2.1 天文学中的图像复原
•   2.2 CLEAN算法
•   2.3 GPU并行计算
•     2.3.1 CUDA并行计算框架
•     2.3.2 CUDA存储器
•     2.3.3 CUDA软件栈
•   2.4 本章小结
• 第三章 CLEAN算法的优化
•   3.1 SKA数据处理
•   3.2 Multi-Scale CLEAN算法
•   3.3 Clark CLEAN算法
•   3.4 MS-Clark CLEAN算法
•     3.4.1 算法描述与实现
•     3.4.2 参数选取
•   3.5 实验结果及分析
•   3.6 本章小结
• 第四章 MS-Clark CLEAN算法的并行化
•   4.1 MS-Clark CLEAN算法的并行化分析
•     4.1.1 函数分析
•     4.1.2 并行化分析
•   4.2 MS-Clark CLEAN算法的设计与实现
•     4.2.1 CUDA核函数设计
•     4.2.2 CUDA核函数实现
•   4.3 实验结果分析
•     4.3.1 实验环境
•     4.3.2 结果及分析
•   4.4 本章小结
• 第五章 结论与展望
•   5.1 结论
•   5.2 展望
• 参考文献
• 附录1 攻读硕士学位期间发表论文目录
• 附录2 攻读硕士学位期间科研项目参与情况
• 致谢

文章来源

类型: 硕士论文

作者: 刘慧慧

导师: 钱慎一

关键词: 算法,并行化

来源: 郑州轻工业大学

年度: 2019

分类: 基础科学

专业: 天文学

单位: 郑州轻工业大学

基金: “SKA科学数据处理试验验证系统研制”之子课题:SKA关键算法在GPU+GPGPU架构上计算和优化的关键技术,国家重点研发计划政府间科技合作专项(No.2016YFE0100600)

分类号: P111.44

总页数: 60

文件大小: 2405K

下载量: 25