ARL中Clean算法的并行化研究

ARL中Clean算法的并行化研究

刘慧慧1，闻萌莎2，钱慎一1,吴怀广1， 张伟伟1， 李代祎1

【摘 要】摘要:针对SKA算法参考库ARL中的去卷积算法运行效率低、无法满足海量数据实时处理的问题，提出了CPU和GPU协同工作模式下的并行化Clean算法.该方法将Clean算法中可以并行计算的步骤利用多线程在GPU上并行执行，将无法并行计算的步骤在CPU上串行执行.验证实验结果表明，在数据逐渐增大的过程中，并行化Clean算法比在CPU上的串行处理运行时间显著减少，当图达到4096像素×4096像素时，可以有10倍的提速.这说明并行化Clean算法在处理海量数据时，能够显著提高运算效率. 【期刊名称】轻工学报 【年(卷),期】2019(034)002 【总页数】7

【关键词】ARL；去卷积算法；CUDA；并行计算；Clean算法

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:刘慧慧,闻萌莎,钱慎一,等.ARL中Clean算法的并行化研究[J].轻工学报,2019,34(2):88-94.

0 引言

射电望远镜是观测和研究来自天体的射电波的基本设备，但天线的数量有限，从而导致空间频率覆盖不完整[1]，影响最终图像的构建.平方公里阵列SKA(square kilometre array)[2]是国际上建造的最大综合孔径射电望远镜.与现有射电望远镜相比，SKA的灵敏度提高10～100倍，测量速度提高105倍