在无线通信领域中,正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术由于其抗衰能力强、抗符号间干扰能力强、高频谱利用率等优点而得到广泛的应用。但是OFDM技术也存在着固有的局限性,主要表现在OFDM系统对同步误...
详细信息
在无线通信领域中,正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术由于其抗衰能力强、抗符号间干扰能力强、高频谱利用率等优点而得到广泛的应用。但是OFDM技术也存在着固有的局限性,主要表现在OFDM系统对同步误差十分敏感。没有准确的同步算法,就无法保障可靠的数据传输,同步技术直接关系到通信系统的性能,而OFDM定时同步又是其它所有同步的前提。所以如何实现定时同步也早已成为该领域中的重要问题。随着数据的存储、传输、处理的工作量越来越大,如何提高定时同步算法的运行速度正逐渐成为当今无线通信系统中的热点问题之一。图形处理器(Graphics Processing Unit, GPU)的快速发展为这个问题带来了一个新的解决方案。由于GPU的计算能力以及它的存储器带宽已经达到了同时期中央处理器(Central Processing Unit, CPU)的百倍,甚至更多,因此,GPU为高性能计算提供了一个高效的平台。但是由于GPU硬件结构的限制,编程人员很难有效地利用GPU的资源进行通用计算,而英伟达(NVIDIA)公司推出的统一计算设备架构(Compute Unified Device Architecture, CUDA)则改变了这一现状。CUDA可以利用GPU强大的计算能力进行通用计算,并且以C语言为基础,使编程人员能够非常容易地利用它在GPU上进行程序的开发。本文探讨了利用CUDA架构如何实现定时同步样算法的并行化,并提高该算法的运行速度。主要工作包括：(1)在CPU上实现了基于循环前缀的定时同步串行算法。(2)将串行算法中可以并行的部分进行归纳及改写,然后在GPU上执行,实现对算法的并行化。(3)利用Matlab编写定时同步程序,对串行算法和并行算法的仿真结果进行正确性验证,并将串行算法、并行算法执行时所耗的时间进行对比实验。结果表明,基于GPU的并行算法所消耗的时间要远远低于基于CPU的串行算法。(4)最后,根据结果,指出在GPU上实现并行计算的瓶颈,并给出一些对应的优化策略。
暂无评论