基于GPU加速的信號MP稀疏分解.pdf

1、信號稀疏分解以其簡潔、稀疏、靈活的優(yōu)良特性成功的應(yīng)用到信號處理的諸多方面中，成為信號處理研究的熱點之一。匹配追蹤算法實現(xiàn)簡單、便于理解，在稀疏分解諸算法中算法復(fù)雜度最低，是信號稀疏分解中運用最廣泛的算法。但即使這樣，基于MP的信號稀疏分解依然面臨分解速度慢、算法復(fù)雜度高、計算耗時長的問題。
　　 與CPU相比，GPU對大量數(shù)據(jù)的處理能力更加出色。GPU的存儲器帶寬也較CPU更有優(yōu)勢。GPU為大量數(shù)據(jù)的運算提供了新的解決方案，特別

2、是CUDA的提出，使GPU有向通用計算機發(fā)展的趨勢。
　　 針對CPU實現(xiàn)信號MP稀疏分解出現(xiàn)的問題，本文采用NVIDIA公司發(fā)布的統(tǒng)一運算設(shè)備架構(gòu)CUDA來進行信號稀疏分解的GPU加速，提高信號稀疏分解的運算速度。
　　 首先本文介紹了一維信號稀疏分解的基本原理，特別是基于MP的信號稀疏分解算法思想。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、存儲器模型、軟件體系、執(zhí)行模

3、式等。
　　 然后針對基于MP的信號稀疏分解分解速度慢的缺點，對其采用GPU進行加速來實現(xiàn)。在實現(xiàn)的過程中，本文提出了符合硬件特性的內(nèi)積運算并行方案及改進方案。與CUDA庫函數(shù)中的內(nèi)積運算函數(shù)進行比較，內(nèi)積并行方案的運算效率更出色。該方案成功應(yīng)用到基于MP的信號稀疏分解中的原子能量運算、信號或其殘差與冗余字典中原子的內(nèi)積運算中。基于CUDA平臺，本文對局部運算中冗余字典生成并行實現(xiàn)，提高了字典中原子的生成速度。實驗表明，與CPU

4、串行運算相比，在待分解信號長度為8192時，GPU實現(xiàn)基于MP的信號稀疏分解，加速比可達37.10倍。
　　 最后針對GPU實現(xiàn)基于MP的信號稀疏分解存在冗余字典過大的問題，對基于FFT的信號MP稀疏分解算法采用GPU進行加速。在實現(xiàn)過程中，本文對冗余子字典、快速傅里葉變換及其反變換等局部運算進行GPU并行實現(xiàn)。同時本文提出的內(nèi)積并行運算方案成功運用于字典中原子的能量計算中。實驗表明，在待分解信號長度為16384時，GPU加速基