论文部分内容阅读
论文来源于863计划资源环境技术领域课题“高精度能谱探测仪器研发”(课题编号:2012AA061803)。现代仪器谱解析，由原来的特征峰解析趋向于全谱解析，计算量大大增加。如何提高数据处理能力减少计算时间成了仪器谱解析的重要指标之一。为了提高仪器谱解析的效率，通常是对算法进行精简优化。但是基于数学方法的精简量非常的有限，并且实际在计算机上的执行效率也不高。另外一种方法，就是有效全面的利用计算机的计算能力。目前计算机多采用双核或者四核CPU，其数据计算能力大大加强。同时系统中拥有用于图像处理的GPU，其具有并行计算的特征。但是目前进行核数据处理软件中，多数仍然采用串行单线程为主，没有完全发挥多数据处理器计算机的计算能力。
由于社会对计算力的需要和电子技术的不断发展，如今的电子计算系统中，除了传统的计算设备CPU外，其它的设备如GPU(图形处理器)、DSP也逐渐进入通用计算行列。目前，高端单芯片GPU的单精度浮点处理能力达到了1Tflops/s已超过主流CPU的十倍以上。由于GPU同CPU相比较，具有其独特的数据并行计算能力，GPU目前已经在科学计算领域扮演者越来越重要的角色。但不同厂家不同型号的设备的差异性给开发增加了不少难度，由此出现了一些GPGPU开发环境，如OpenCL、CDUA和DirectCompute等等。相比于其它俩个OpenCL支持设备最为广泛。OpenCL(OpenComputingLanguage;开放运算语言)是一个为了让系统中不同指令集和构架的计算设备联合计算的通用目的并行程序开发的开放标准，它规定了一套标准的应用程序接口API可适用于不同设备。目前常见的如Intel公司的多核CPU、NVIDIA公司的显卡、AMD公司的多核CPU和显卡都可支持。
基于极大似然算法的核探测谱线全谱解析，可以很好的区分能量差为2/3半高宽的重叠峰提高能量分辨率。但是由于该算法计算量大、耗时多而制约实际应用。本文作者是采用OpenCL平台，在异构系统中利用GPU的并行运算能力，实现极大似然算法的并行计算。通过测试，在特定平台下该算法可以有效提高运行效率，运行时间约为原有的3.3％，提高了该算法的实际可行性。
本论文主要的研究成果为:
1.调研了极大似然算法在能谱解析上的应用和OpenCL平台。
2.分析了GPU程序执行的特点和极大似然算法在GPU上运行的可行性，研究了OpenCL平台上的GPU编程方式。
3.完成了GPU端的极大似然算谱线解析算法。
4.测试了该程序进行谱线解析的速度。
由于社会对计算力的需要和电子技术的不断发展，如今的电子计算系统中，除了传统的计算设备CPU外，其它的设备如GPU(图形处理器)、DSP也逐渐进入通用计算行列。目前，高端单芯片GPU的单精度浮点处理能力达到了1Tflops/s已超过主流CPU的十倍以上。由于GPU同CPU相比较，具有其独特的数据并行计算能力，GPU目前已经在科学计算领域扮演者越来越重要的角色。但不同厂家不同型号的设备的差异性给开发增加了不少难度，由此出现了一些GPGPU开发环境，如OpenCL、CDUA和DirectCompute等等。相比于其它俩个OpenCL支持设备最为广泛。OpenCL(OpenComputingLanguage;开放运算语言)是一个为了让系统中不同指令集和构架的计算设备联合计算的通用目的并行程序开发的开放标准，它规定了一套标准的应用程序接口API可适用于不同设备。目前常见的如Intel公司的多核CPU、NVIDIA公司的显卡、AMD公司的多核CPU和显卡都可支持。
基于极大似然算法的核探测谱线全谱解析，可以很好的区分能量差为2/3半高宽的重叠峰提高能量分辨率。但是由于该算法计算量大、耗时多而制约实际应用。本文作者是采用OpenCL平台，在异构系统中利用GPU的并行运算能力，实现极大似然算法的并行计算。通过测试，在特定平台下该算法可以有效提高运行效率，运行时间约为原有的3.3％，提高了该算法的实际可行性。
本论文主要的研究成果为:
1.调研了极大似然算法在能谱解析上的应用和OpenCL平台。
2.分析了GPU程序执行的特点和极大似然算法在GPU上运行的可行性，研究了OpenCL平台上的GPU编程方式。
3.完成了GPU端的极大似然算谱线解析算法。
4.测试了该程序进行谱线解析的速度。