基于GPGPU的全波形并行分解算法

作者：王宗跃; 马洪超; 明洋

来源：遥感学报, 2014, 18(06): 1217-1222.

• 全波形分解
• 激光雷达LiDAR
• 通用计算图形处理器GPU
• 并行

针对EM(Expectation Maximization)波形分解算法具有多次迭代和大量乘、除、累加等高密集运算的特点,提出一套将EM算法在通用计算图形处理器GPGPU上并行化的方案。针对通用并行计算架构CUDA的存储层次特点,设计总体的并行方案,充分挖掘共享存储器、纹理存储器的高速访存的潜能;根据波形采样值采用字节存储的特征,利用波形采样值的直方图求取中位数,从而降低求噪音阈值的计算复杂度;最后,采用求和规约的并行策略提高EM算法迭代过程中大量累加的计算效率。实验结果表明,当设置合理的并行参数、EM迭代次数大于16次、数据量大于64 M时,与单核CPU处理相比,GPU的加速比达到了8,能够显著地提高全波形分解的效率。

• 单位
  武汉大学; 中交第二公路勘察设计研究院有限公司