ARL中Gridding算法的并行化实现

ARL中Gridding算法的并行化实现

吴怀广，刘琳琳,石永生,李代祎，谢鹏杰

【摘 要】摘要:针对海量天文数据实时性处理效率低的问题，通过对SKA图像采集及成像ARL算法库中耗时较长的Gridding算法进行耗时分析，找出了该算法中调用频率高且运行时间长的两个函数convolutional-grid和convolutional-degrid，利用GPU的多线程并行化处理降低两个函数的循环迭代，实现了Gridding算法在GPU和CPU上的协同运行.验证实验结果表明，在相同的数据量下，改进后的Gridding算法运行时间大大缩短，特别是在处理海量数据时，有效提高了ARL的整体运行效率. 【期刊名称】轻工学报 【年(卷),期】2019(034)002 【总页数】6

【关键词】ARL；并行化算法；Gridding算法；CUDA

基金项目：国家重点研发计划政府间科技合作项目(2016YFE0100600；2016YFE0100300)

引用格式:吴怀广,刘琳琳,石永生,等.ARL中Gridding算法的并行化实现[J].轻工学报,2019,34(2):82-87.

0 引言

在过去的几十年里，射电望远镜的灵敏度和图像分辨率均有很大的提升.SKA[1-2]作为世界上最大综合孔径的射电望远镜，采集数据的速率非常快，数据采集量非常大，其设计目标是要大于12 TB/s.海量数据的产生和天文成像本身对实时处理的严格要求，给计算机的计算能力带来了巨大的挑战.海量数据的科学处