《基于gpu应用于大规模星模拟器的灰度弥散模型》由会员分享，可在线阅读，更多相关《基于gpu应用于大规模星模拟器的灰度弥散模型（10页珍藏版）》请在金锄头文库上搜索。
1、 软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: Journal of Software,2011,22(Suppl.(2):172181 http:/ 中国科学院软件研究所版权所有. Tel/Fax: +86-10-62562563 基于 GPU 应用于大规模星模拟器的灰度弥散模型李 超1,3+ 张云泉2, 郑昌文1, 胡晓慧1 1(中国科学院 软件研究所 综合信息系统技术国家级重点实验室,北京 100190) 2(中国科学院 软件研究所 并行软件和计算科学实验室,北京 100190) 3(中国科学院 研究生院,北京 100049) Intensity
2、Model with Blur Effect on GPUs Applied to Large-Scale Star Simulators LI Chao1,3+, ZHANG Yun-Quan2, ZHENG Chang-Wen1, HU Xiao-Hui1 1(National Key Laboratory of Integrated Information System Technology, Institute of Software, The Chinese Academy of Sciences, Beijing 100190, China) 2(Laboratoy of Para
3、llel Software and Computational Science, Institute of Software, The Chinese Academy of Sciences, Beijing 100190 China) 3(Graduate University, The Chinese Academy of Sciences, Beijing 100049, China) + Corresponding author: E-mail: Li C, Zhang YQ, Zheng CW, Hu XH. Intensity model with blur effect on
4、GPUs applied to large-scale star simulators. Journal of Software, 2011,22(Suppl.(2):172181. http:/ Abstract: Intensity model with blur effect is widely employed to accurately simulate the imaging process of star simulator used for attitude determination and guiding feedback. It imposes great demands
5、 of computing power for realistic domains, and modern Graphics Processing Units (GPUs) have demonstrated to be a powerful accelerator for this kind of computationally intensive simulations. This paper presents a parallel design and implementation of the intensity model applied to large-scale star si
6、mulators on GPUs using the compute unified device architecture (CUDA) programming model. The study analyzes the double parallel nature inherent in this model and use the CUDA framework to efficiently exploit the potential fine-grain data parallelism. Two versions of simulator are designed and studie
7、d: One is sequential simulator used as the baseline simulator, and another is parallel simulator using CUDA. In parallel strategy, model, and GPU implementation level, the study employs specific optimized strategies to efficiently improve the parallel performance. Finally, two benchmarks correspondi
8、ng with the double parallelism are developed to fully evaluate the performance behavior of our simulators. The result analysis demonstrates the efficiency of the CUDA simulators and also illustrates the restriction and bottlenecks presented in this simulator. Key words: GPU computing; CUDA; star sim
9、ulator; blur effect; intensity model 摘 要: 灰度弥散模型被广泛应用于模拟星模拟器的成像过程.在实际问题域中,该模型需要巨大的计算能力以完成繁重的数值计算,而目前图形处理单元(GPU)已经发展成为一种有效的数值处理平台,对于计算密集型模拟具 基金项目: 国家自然科学基金(60303020); 国家高技术研究发展计划(863)(2009AA01Z303) 收稿时间: 2011-07-15; 定稿时间: 2011-12-02 李超 等:基于 GPU 应用于大规模星模拟器的灰度弥散模型 173 有很好的加速能力.设计并实现了 GPU 平台下,基于统一计算架构(C
10、UDA)的并行灰度模型,可应用于大规模星模拟器的快速灰度模拟.首先分析了该模型具有的双重并行特性,并采用 CUDA 模型模拟其良好的数据并行特征.为了便于对比研究,设计了两类模拟器:一类是串行模拟器作为基准模拟器;另一类是基于 CUDA 的并行模拟器.同时,在并行策略、模型以及 GPU 实现层面分别给出不同的优化方法以有效提高并行效率.最后,设计对应于双重并行粒度的两类测试基准,以评估并行模拟器的性能.数据分析表明,CUDA 并行模拟器取得良好的性能提升,同时也给出了该模拟器中存在的一些限制. 关键词: GPU 计算;CUDA;星模拟器;弥散效果;灰度模型 星模拟器是一种重要的航天模拟设备,主
11、要用于模拟空间探测设备在任意时刻和任意视场指向下快速生成的星空图像.星空图像(简称星图)对于很多航天设备都有重要的应用,例如星敏感器1通过不断地拍摄星图进行实时姿态定位.另外,星模拟器还可以模拟太空背景星图,这在空间环境模拟系统有着广泛应用.灰度模拟是星模拟器进行精确星图模拟的关键步骤.为了能够获得真实感强的星图成像过程和较高精度的灰度值,实际模拟时广泛采用点扩散函数(PSF)来描述光学成像设备的弥散效应2,3.当前,为了执行大规模星模拟器系统的灰度计算,基于弥散效应的星图灰度模拟需要数秒甚至分钟级别才能完成,达不到实时模拟的要求.这是因为,一个大规模真实感星图的灰度计算需要大量的弥散相关的数
12、学计算,也即大规模星表中落入星图视场内每颗恒星都需要进行较多的数值计算.从 20 世纪 90 年代开始,针对大规模星图模拟需求,相继提出几个基于灰度模型的模拟器和软件系统来提高模拟速度46.这些已有系统大多数基于串行架构设计并采用了几种设计语言,如Pascal,C,GLSL 等.然而,所有的串行灰度模拟计算在执行上效率并不高,这是因为它们将模拟过程自身存在的并行度串行化,因此降低了系统的性能. 当前,处理器的发展促进了并行计算架构的不断进步.Intel 或者 AMD 最新的通用处理器片上已经包含 8个处理核心,这些芯片通常用于处理集群,价格昂贵且能耗较高.然而,其他的并行架构正在逐渐作为替代的
13、新计算环境.在这些并行环境中,可进行通用编程的 GPU 与传统的 CPU 计算集群相比,不但具有极高的浮点计算性能并且提供了大规模线程并行计算架构.对于大规模科学计算应用而言,这种架构特性能够很好地解决数据和计算密集处理的问题.通过 GPU 创建大规模并行环境,可支持从几百到几十万的活动并发线程.例如,当前NVIDIA 公司的 GPU 可以支持片上 300 个标量处理单元,他们可以通过 C 和 CUDA 进行编程,提供了一种方便方式以进行 GPU 通用计算应用的开发.并且,基于 GPU 的并行计算与集群计算机相比,具有较低的花费7,8. 为此,本文提出基于 GPU 的大规模星模拟器的灰度计算模
14、型,通过对计算模型进行并行性分析,给出基于CUDA 并行架构的并行算法,在并行策略、模型以及 GPU 实现层面分别给出不同的优化方法以有效提高并行效率.本文第 1 节介绍基于高斯弥散效应的真实感灰度计算模型.第 2 节详细给出基于 CPU 架构和 GPU 架构的模拟器的设计思路.第 3 节通过对比实验和测试用例对两种模拟器的性能进行对比分析.最后给出本文的结论和展望. 1 模型描述 星图灰度模型通过计算星表中落入成像面视场上的每颗恒星的亮度贡献值,最终得到一张星空灰度图像.在星图成像时,每颗恒星在模型中被看作距离成像面无限远的点光源.通过光学成像设备拍摄到的星图可以看作是成像系统对每颗映入成像
15、面的星点的光学映射.在进行星图模拟时,计算灰度首先需要给出恒星作为点光源在像平面的光学亮度.在太空星表中,一颗恒星的亮度通过星等参数来表示,具体的亮度与星等的数学关系式如下: ( )2.512mg mA= (1) 式中 A 是比例因子,m 为恒星亮度星等(可观察范围通常为 015),g 是恒星的亮度. 在实际模拟时,恒星的光亮度具有辐射效应,辐射能量分散在空间区域,并且分布规律符合弥散效应,即每颗星点在星图模拟时,其亮度辐射效应对星图上的每个像素灰度值都会贡献其亮度值.恒星能量弥散效应的数174 Journal of Software 软件学报 Vol.22, Supplement (2),
16、December 2011 学分析式称为点扩散函数(PSF).在空间相机光学系统,高斯点扩散函数2,9(例如,高斯弥散效应)被用于准确地描述一个恒星的灰度分布率,它的数学表达式如下: 22221()()( , )exp22xXyYx y+=(2) 式中,是反映辐射范围的光学参数,(X,Y)是辐射范围的中心也即恒星在像平面的坐标.点扩散分布在空间是对称的.(x,y)是恒星(X,Y)在像素(x,y)的亮度贡献率. 通过高斯弥散函数可以看到,恒星的辐射分布随着距离的增加而快速衰减,也即距离星点较远的恒星获得该恒星的亮度贡献值微乎其微.因此,在计算像素灰度时,模拟系统通常采用控制辐射范围的策略:星点的灰度分布区域由整个像平面转变到感兴趣区域(ROI),它是以星点为中心的正方形区域(如图 1 所示).区域边长与相机光
