CN116483557A - 一种宽带直采数据gpu-cpu并行预处理方法及系统 - Google Patents
一种宽带直采数据gpu-cpu并行预处理方法及系统 Download PDFInfo
- Publication number
- CN116483557A CN116483557A CN202310305059.0A CN202310305059A CN116483557A CN 116483557 A CN116483557 A CN 116483557A CN 202310305059 A CN202310305059 A CN 202310305059A CN 116483557 A CN116483557 A CN 116483557A
- Authority
- CN
- China
- Prior art keywords
- data
- gpu
- cpu
- frame
- memory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007781 pre-processing Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 238000013500 data storage Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 15
- 230000010355 oscillation Effects 0.000 claims description 7
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开一种宽带直采数据GPU‑CPU并行预处理方法及系统,所述方法包括如下步骤,根据预设采样频率对宽带中频信号进行并行采样;采用廉价冗余磁盘阵列录取宽带直采数据;在CPU端和GPU端分配数据存储空间;通过CPU端的数据帧解析模块完成回波数据的清洗,并根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间;将数据从CPU端的存储器拷贝至GPU端的存储器;调用GPU核函数执行数据的解交织和浮点化;调用GPU核函数执行数据的正交解调和低通滤波;将正交解调后得到的结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据用于二维成像的基础数据。
Description
技术领域
本发明涉及一种数据处理方法及系统。更具体地,涉及一种宽带直采数据GPU-CPU并行预处理方法及系统。
背景技术
宽带雷达信号采集方式有两种:去斜采集方式和中频直接采集方式。去斜采集方式降低了采集和处理的实现难度,但存在回波数据去相参、宽带通道幅相失真难以补偿等问题,为了获得高质量的宽带成像结果,宽带雷达接收机采用了中频直接采集的方式。目前随着对成像分辨率需求的提高和AD采样芯片性能的提高,宽带直采的采样率已经达到5Gbps以上,如此高的采样率对宽带直采数据处理提出了较高的要求。
传统的雷达宽带直采数据处理方法采用matlab和CPU处理,一次录取的宽带直采数据容量平均在1TB以上,宽带二维成像处理需要花费几个小时的处理时间,无法满足处理时间的需求。
发明内容
本发明的目的在于提供一种宽带直采数据GPU-CPU并行预处理方法及系统,以解决相关技术存在的问题中的至少一个。
为达到上述目的,本发明采用下述技术方案:
本发明第一方面提供了一种宽带直采数据GPU-CPU并行预处理方法,
包括,
根据预设采样频率对宽带中频信号进行4通道AD并行采样以获取宽带直采数据;
采用廉价冗余磁盘阵列录取所述宽带直采数据;
在CPU端和GPU端分配数据存储空间;
通过CPU端的数据帧解析模块实现回波数据的清洗,并根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间;
将数据从CPU端的存储器拷贝至GPU端的存储器;
调用GPU核函数执行数据的解交织和浮点化;
调用GPU核函数执行数据的正交解调和低通滤波;
将正交解调后得到的结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据用于作为二维成像的基础数据;
释放所述CPU端和GPU端分配的数据存储空间。
可选地,所述根据数据帧的帧头得到当前帧的完整波形信息包括:
读取所述宽带直采数据,遍历搜索各个数据帧的帧头标志,根据帧头信息获取各个数据帧的帧长信息和波形起始位置信息,得到当前帧的完整波形信息。
可选地,所述通过数据帧解析模块实现数据清洗包括:
根据所述帧头信息中的帧长信息和帧结束位置判断并剔除错误数据,所述错误数据为实际帧长与帧头信息中的帧长信息不一致的数据帧。
可选地,所述调用GPU核函数执行数据的解交织和浮点化包括:
调用GPU的CUDA开发语言实现formatchange2_kernel核函数,实现多通道数据解交织,将解交织后的多通道数据按原有的采样点顺序进行重新排列,并将数据转为浮点型数据。
可选地,所述调用GPU核函数执行数据的正交解调和低通滤波包括:
使用GPU的CUDA开发语言实现fir_filter2_kernel核函数,实现回波信号与复本振信号相乘实现正交解调以及Fir低通滤波和两倍抽取;
所述GPU的常量内存中存储有本振信号和预设低通滤波系数,供所述fir_filter2_kernel核函数直接使用。
可选地,所述在CPU端和GPU端分配数据存储空间包括:
调用cudaHostRegister()分配CPU主机端内存并注册锁页内存,调用cudaMalloc()分配GPU设备端显存,其中,
CPU主机和GPU设备端数据存储空间大小按最大数据帧的长度进行分配。
可选地,通过free()函数释放CPU主机端注册的锁页内存,通过cudaFree()函数释放GPU设备端分配的显存。
本申请的一个实施例提供了一种宽带直采数据GPU-CPU并行预处理系统,所述宽带直采数据GPU-CPU并行处理系统为CPU与GPU异构并行系统,由CPU负责调度,GPU作为协处理器配合CPU工作,并利用CPU主线程实现对处理任务的划分和调度任务。
可选地,系统的CPU端设置有数据帧解析模块,
所述数据帧解析模块用于实现数据清洗,根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间并将数据从CPU端的存储器拷贝至GPU端的存储器;
系统的GPU端设置包括数据解交织模块、浮点化模块、正交解调模块、低通滤波及抽取模块和数据帧存储模块;
所述数据解交织模块和浮点化模块用于调用GPU核函数执行多核并行处理任务,将回波数据解交织和浮点化;
所述正交解调模块和低通滤波及抽取模块用于调用GPU核函数执行多核并行处理任务,实现回波数据的正交解调和低通滤波得到结果数据;
所述数据帧存储模块用于将结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据用于二维成像的基础数据。
可选地,所述并行预处理系统还包括,
存储空间管理模块,用于管理CPU端和GPU端的数据存储空间。
本发明的有益效果如下:
本实施例提供的所述宽带直采数据GPU-CPU并行预处理方法,为了满足宽带二维成像的时间需求,采用GPU加速卡对宽带直采数据进行高速预处理,利用GPU进行多核并行处理,完成宽带直采数据的数字正交解调甚至数字脉冲压缩等预处理,可以大大缩短宽带直采数据事后二维成像处理的时间,实现ISAR图像的快速获取。
附图说明
下面结合附图对本发明的具体实施方式做进一步详细的说明。
图1示出本申请的一个实施例提出的一种宽带直采数据GPU-CPU并行预处理方法的流程图。
图2示出本申请的一个实施例提出的多通道数据解交织模型。
图3示出本申请的一个实施例提出的宽带直采数据GPU-CPU并行预处理系统示意图。
图4示出本申请的一个实施例提出的系统的模块示意图。
图5示出本申请的一个实施例提出的正交解调模型。
具体实施方式
为了更清楚地说明本发明,下面结合实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
为解决上述问题的至少一个,本发明提出了一种宽带直采数据GPU-CPU并行预处理方法及系统。下面通过几个具体的实施例对本发明的宽带直采数据GPU-CPU并行预处理方法进行说明。
本发明的一个实施例提供了一种宽带直采数据GPU-CPU并行预处理方法,
如图1所示,所述方法包括
根据预设采样频率对宽带中频信号进行4通道AD并行采样以获取宽带直采数据;
采用廉价冗余磁盘阵列录取所述宽带直采数据;
在CPU端和GPU端分配数据存储空间;
通过数据帧解析模块实现数据清洗,并根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间;
将数据从CPU端的存储器拷贝至GPU端的存储器;
调用GPU核函数执行数据的解交织和浮点化;
调用GPU核函数执行数据的正交解调和低通滤波;
将正交解调后得到的结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据作为二维成像的基础数据;
释放所述CPU端和GPU端分配的数据存储空间。
本实施例通过ADC芯片进行4通道并行采样,并进行数据的清洗处理,所述GPU在接收到所述清洗过的宽带直采数据后,对数据进行进行解交织处理、数据类型转换、正交解调和低通滤波处理,采用GPU对宽带直采数据进行多核并行处理,完成宽带直采数据的数字解交织和浮点化处理,大大缩短宽带直采数据事后二维成像处理的时间。
应当说明的是,采用通用录取数据结构规范和录取帧头结构规范存储宽带直采数据,具有通用性,解决了宽带直采录取数据的统一预处理问题。所述宽带直采数据填充有16字帧头信息,包括帧头标志、帧长、UTC时间、波形类型和长度,帧头信息后填充有控制字或处理结果,数据帧末尾填充有多片AD并行采样后的经过交织的宽带直采数据,其中,通用录取数据结构规范表如表1所示,录取帧头结构规范如表2所示。
表1通用录取数据结构规范
表2录取帧头结构规范
在一个具体的实施例中,所述根据数据帧的帧头得到当前帧的完整波形信息包括:
读取所述宽带直采数据,遍历搜索各个数据帧的帧头标志,根据帧头信息获取各个数据帧的帧长信息和波形起始位置信息,得到当前帧的完整波形信息。
在一个具体的实施例中,所述通过数据帧解析模块实现数据清洗包括:
根据所述帧头信息中的帧长信息和帧结束位置判断并剔除错误数据,所述错误数据为实际帧长与帧头信息中的帧长信息不一致的数据帧。
在一个具体的实施例中,所述调用GPU核函数执行数据的解交织和浮点化包括:
调用GPU的CUDA开发语言实现formatchange2_kernel核函数,实现多通道数据解交织,将解交织后的多通道数据按原有的采样点顺序进行重新排列,其中,解交织并重新排列的多通道数据如图2所示。
本实施例通过ADC芯片进行四通道并行采样,并进行数据的交织处理,所述GPU在接收到所述宽带直采数据后,对数据进行清洗并对清洗后的数据进行解交织处理和数据类型转换,采用GPU对宽带直采数据进行多核并行处理,完成宽带直采数据的数字解交织和浮点化处理,大大缩短宽带直采数据事后二维成像处理的时间。
在一个具体的实施例中,所述调用GPU核函数执行数据的正交解调和低通滤波包括:
使用GPU的CUDA开发语言实现fir_filter2_kernel核函数,实现回波信号与复本振信号相乘实现正交解调以及Fir低通滤波和两倍抽取;
所述CPU的常量内存中存储有本振信号和预设低通滤波系数,供所述fir_filter2_kernel核函数直接使用。
在一个具体的实施例中,采用直接数字混频方法实现正交解调,选择合适的采样频率fs,令fs=4f0,实现了算法简化,并减少了运算量。
在一个具体的实施例中,所述在CPU端和GPU端分配数据存储空间包括:
调用cudaHostRegister()分配CPU主机端内存并注册锁页内存,调用cudaMalloc()分配GPU设备端显存,其中,
CPU主机和GPU设备端数据存储空间大小按最大数据帧的长度进行分配。
在一个具体的实施例中,通过free()函数释放CPU主机端注册的锁页内存,通过cudaFree()函数释放GPU设备端分配的显存。
在一个具体的实施例中,采用GPU对宽带直采数据进行多核并行处理,完成宽带直采数据的数字正交解调等预处理,大大缩短宽带直采数据事后二维成像处理的时间。
本申请的一个实施例提供了一种宽带直采数据GPU-CPU并行预处理系统,
如图3所示,所述宽带直采数据GPU-CPU并行预处理系统为CPU和GPU异构并行系统,由CPU负责调度,GPU作为协处理器配合CPU工作,并利用CPU主线程实现对处理任务的划分和调度任务。
在一个具体的实施例中,所述宽带直采数据GPU-CPU并行预处理系统包括存储空间管理模块,用于管理CPU端和GPU端的数据存储空间,具体的,
在廉价冗余磁盘录取宽带直采数据后,在CPU端和GPU端分配数据存储空间,并且,
在得到结果数据后释放所述CPU端和GPU端分配的数据存储空间。
如图4所示,所述并行预处理系统的CPU端设置有数据帧解析模块,
所述数据帧解析模块用于实现数据清洗,并根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间并将数据从CPU端的存储器拷贝至GPU端的存储器;
所述并行预处理系统的GPU端设置有数据解交织模块、浮点化模块、正交解调模块、低通滤波及抽取模块和数据帧存储模块;
所述数据解交织模块和浮点化模块用于调用GPU核函数执行多核并行处理任务,将回波数据解交织和浮点化;
本实施例浮点化模块实现采样点数据格式转换,将10bit定点数据转换为float类型的数据,便于进行后续的正交解调等处理。
所述正交解调模块和低通滤波及抽取模块用于调用GPU核函数执行多核并行处理任务,实现回波数据的正交解调和低通滤波得到结果数据;
本实施例中,所述正交解调模块使用NCO加低通滤波的直接数字混频方法,具有精度高、误差小的特点,具体步骤如图5所示,首先宽带直采中频信号经A/D采样后直接与正交的两路本振信号(NCO)进行数字混频,然后经FIR低通滤波器输出,该滤波器带宽取决于基带信号带宽,从而实现I/Q解调,得到所需的零中频的数字基带信号,所述本振信号的实部为cos(n*2pi*f0/fs)、虚部为sin(n*2pi*f0/fs),其中
fs为采样频率,f0为本振中心频率,n为采样点的点数,pi为圆周率。
通过选择合适的采样频率fs=4f0,,使得本振信号变为0、1序列,实现算法简化,减少运算量。
本实施例采用直接数字混频方法实现正交解调,选择合适的采样频率,实现了算法简化,减少了运算量。
所述数据帧存储模块用于将结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据用于二维成像的基础数据。
所述结果数据为经过正交解调等预处理的零中频宽带直采数据。
本实施例采用GPU对宽带直采数据进行多核并行处理,完成宽带直采数据的数字正交解调等预处理,大大缩短宽带直采数据事后二维成像处理的时间。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于本领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种宽带直采数据GPU-CPU并行预处理方法,其特征在于,包括,
根据预设采样频率对宽带中频信号进行4通道AD并行采样以获取宽带直采数据,其中,采用廉价冗余磁盘阵列录取所述宽带直采数据;
在CPU端和GPU端分配数据存储空间;
通过CPU端的数据帧解析模块实现回波数据的清洗,并根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间;
将数据从CPU端的存储器拷贝至GPU端的存储器;
调用GPU核函数执行数据的解交织和浮点化;
调用GPU核函数执行数据的正交解调和低通滤波;
将正交解调后得到的结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据用于二维成像的基础数据;
释放所述CPU端和GPU端分配的数据存储空间。
2.根据权利要求1所述的宽带直采数据GPU-CPU并行预处理方法,其特征在于,
所述根据数据帧的帧头得到当前帧的完整波形信息包括:
读取所述宽带直采数据,遍历搜索各个数据帧的帧头标志,根据帧头信息获取各个数据帧的帧长信息和波形起始位置信息,得到当前帧的完整波形信息。
3.根据权利要求1所述的宽带直采数据GPU-CPU并行预处理方法,其特征在于,
所述通过数据帧解析模块实现数据清洗包括:
根据所述帧头信息中的帧长信息和帧结束位置判断并剔除错误数据,所述错误数据为实际帧长与帧头信息中的帧长信息不一致的数据帧。
4.根据权利要求1所述的宽带直采数据GPU-CPU并行预处理方法,其特征在于,
所述调用GPU核函数执行数据的解交织和浮点化包括:
调用GPU的CUDA开发语言实现formatchange2_kernel核函数,实现多通道数据解交织,将解交织后的多通道数据按原有的采样点顺序进行重新排列,并将数据转为浮点型数据。
5.根据权利要求1所述的宽带直采数据GPU-CPU并行预处理方法,其特征在于,
所述调用GPU核函数执行数据的正交解调和低通滤波包括:
使用GPU的CUDA开发语言实现fir_filter2_kernel核函数,实现回波信号与复本振信号相乘实现正交解调以及Fir低通滤波和两倍抽取;
所述GPU的常量内存中存储有本振信号和预设低通滤波系数,供所述fir_filter2_kernel核函数直接使用。
6.根据权利要求1所述的宽带直采数据GPU-CPU并行预处理方法,其特征在于,
所述在CPU端和GPU端分配数据存储空间包括:
调用cudaHostRegister()分配CPU主机端内存并注册锁页内存,调用cudaMalloc()分配GPU设备端显存,其中,
CPU主机和GPU设备端数据存储空间大小按最大数据帧的长度进行分配。
7.根据权利要求6所述的宽带直采数据GPU-CPU并行预处理方法,其特征在于,
通过free()函数释放CPU主机端注册的锁页内存,通过cudaFree()函数释放GPU设备端分配的显存。
8.一种宽带直采数据GPU-CPU并行预处理系统,其特征在于,
所述宽带直采数据GPU-CPU并行处理系统为CPU与GPU异构并行系统,由CPU负责调度,GPU作为协处理器配合CPU工作,并利用CPU主线程实现对处理任务的划分和调度任务。
9.根据权利要求8所述的宽带直采数据GPU-CPU并行预处理系统,其特征在于,
系统的CPU端设置有数据帧解析模块,
所述数据帧解析模块用于实现数据清洗,根据数据帧的帧头得到当前帧的完整波形信息并将所述当前帧的完整波形信息复制到CPU端的数据存储空间并将数据从CPU端的存储器拷贝至GPU端的存储器;
系统的GPU端设置包括数据解交织模块、浮点化模块、正交解调模块、低通滤波及抽取模块和数据帧存储模块;
所述数据解交织模块和浮点化模块用于调用GPU核函数执行多核并行处理任务,将回波数据解交织和浮点化;
所述正交解调模块和低通滤波及抽取模块用于调用GPU核函数执行多核并行处理任务,实现回波数据的正交解调和低通滤波得到结果数据;
所述数据帧存储模块用于将结果数据拷贝至CPU端存储器,通过CPU端存储器将正交解调处理后得到的结果数据保存至结果文件中,所述结果数据用于二维成像的基础数据。
10.根据权利要求9所述的宽带直采数据GPU-CPU并行预处理系统,其特征在于,所述并行预处理系统还包括,
存储空间管理模块,用于管理CPU端和GPU端的数据存储空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310305059.0A CN116483557A (zh) | 2023-03-24 | 2023-03-24 | 一种宽带直采数据gpu-cpu并行预处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310305059.0A CN116483557A (zh) | 2023-03-24 | 2023-03-24 | 一种宽带直采数据gpu-cpu并行预处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116483557A true CN116483557A (zh) | 2023-07-25 |
Family
ID=87225967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310305059.0A Pending CN116483557A (zh) | 2023-03-24 | 2023-03-24 | 一种宽带直采数据gpu-cpu并行预处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116483557A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635413A (zh) * | 2023-11-17 | 2024-03-01 | 山东科技大学 | 一种机载激光雷达数据实时传输系统及方法 |
-
2023
- 2023-03-24 CN CN202310305059.0A patent/CN116483557A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635413A (zh) * | 2023-11-17 | 2024-03-01 | 山东科技大学 | 一种机载激光雷达数据实时传输系统及方法 |
CN117635413B (zh) * | 2023-11-17 | 2024-05-07 | 山东科技大学 | 一种机载激光雷达数据实时传输系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116483557A (zh) | 一种宽带直采数据gpu-cpu并行预处理方法及系统 | |
CN1932812A (zh) | 一种日志保存方法及装置 | |
CN107133011B (zh) | 一种示波记录仪的多通道数据存储方法 | |
CN102509022A (zh) | 一种面向虚拟地球的栅格数据快速建库方法 | |
CN111683111A (zh) | 一种基于gpu的干涉测量多相信道化基带转换系统 | |
CN206564662U (zh) | 一种视频质量检测系统 | |
CN87103642A (zh) | 聚缩醛组合物及其制备方法 | |
CN110108938B (zh) | 基于gpu数据流驱动的实时电磁频谱分析系统及方法 | |
CN111552559A (zh) | 基于gpu的宽带信号ddc系统设计方法 | |
CN114265096A (zh) | 一种卫星导航接收机的跟踪模块多通道分时复用方法 | |
CN110347369A (zh) | 一种多缓存多线程数据采集方法 | |
CN116527063A (zh) | 一种低信噪比大频偏信号的快速捕获方法及装置 | |
CN115685318A (zh) | 一种基于动态匹配的抗假频地震数据插值方法、电子设备及存储介质 | |
CN102256047B (zh) | 一种基于滤波的2×2数字binning系统 | |
CN112637602B (zh) | 一种jpeg接口及数字图像处理系统 | |
CN109165171B (zh) | 自适应的快速数字波形成像方法 | |
CN113806277A (zh) | 基于srio协议的fpga与dsp的数据传输系统 | |
CN101159866A (zh) | 一种倍速传输数字视频数据的方法 | |
CN101087143B (zh) | 将模拟信号转换为数字信号的方法和模数转换装置 | |
CN101232287A (zh) | 获取模数转换有效值的方法及装置 | |
CN106814231A (zh) | 一种数字高捕获率方法 | |
JPH0421041A (ja) | ファイル形式の動的変換方式 | |
CN1547162A (zh) | 一种基于金字塔四叉树的纹理映射方法 | |
CN110727648B (zh) | 一种工业设备的高效数据压缩方法及数据服务器 | |
CN1036298C (zh) | 单片机控制的硬盘记录方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |