基于CUDA的散货船稳性并行计算

为提高散货船配载仪中船舶稳性计算速度,通过使用CUDA(Compute Unified Device Architecture)对稳性计算过程进行并行加速.首先基于CGAL(Computational Geometry Algorithms Library)中的切片模块按肋位纵向切割船体型表面,得到每个肋位处横剖面型值数据;然后对横剖面型值数据进行等距偏移模拟板厚,得到各肋位处的外板数据;然后将外板数据发往GPU;在GPU中通过水线面和外板数据求解并行计算雅克比矩阵系数;最后将雅可比矩阵系数传回CPU,求解稳性方程组.     

基于GPU并行处理的图像快速旋转算法

提出了一种在CUDA架构上实现基于Bresenham画线算法的图像快速旋转算法.该算法避免了复杂的数学运算,并融入Bresenham画线算法的优点,解决了大量的浮点的取整运算问题,并且减少了图片旋转过程中精度的损失,使得算法的精度和时间复杂度达到相互平衡,极大提升了旋转算法的性能.实验证明,在当前的硬件平台下,与传统旋转算法相比,该算法极大的提高了旋转算法的速度并减少精度的损失.     

基于GPU的集群渲染管理系统设计与实现

分析了计算机图形处理器(Graphics Processing Unit)GPU原理及特性,渲染的关键技术、流程,以及当前渲染软件存在的问题,设计了一个基于GUP的集群渲染管理系统框架,并探讨了CU-DA环境下主要模块的实现方法,对于开发新型的集群渲染系统具有一定的指导意义.     

基于CUDA的快速LBP纹理背景建模算法

针对复杂条件下背景建模这一视频检测领域的难点,提出一种基于Nvidia CUDA架构图形处理器(GPU)的快速LBP纹理直方图背景建模算法,算法根据GPU的并发结构和硬件特点,采用纹理存储和分页存储方式,利用共享内存与多点访问技术,提高数据访问效率,降低了算法复杂度.实验结果表明,相比CPU实现,GPU方式能够明显改善实时性能,平均加速比在30x左右,帧处理速度达到40 f/s以上.     

基于CUDA的雷达线性调频信号脉冲压缩实现

利用图形处理器（GPU）作为雷达仿真平台,采用统一计算设备架构（CUDA）技术,实现雷达线性调频信号脉冲压缩算法,并与CPU算法进行比较。实验结果表明利用CUDA技术实现的脉冲压缩算法取得了比CPU算法明显较高的运算效率。     

并行有限元计算的一种新途径

在论述并行有限元技术现状和图形处理器（GPU）通用计算发展状况的基础上,通过分析对比并行有限元计算和可编程图形处理器的硬件软件结构,提出了在图形处理器上进行并行有限元计算的几个问题。文章认为,基于图形处理器的新一代开发环境CUDA完全可以实现高性能的并行有限元计算。这是一种新途径,也是一个很有潜力的发展方向。     

统一计算设备架构技术的应用研究进展

统一计算设备架构（ComputeUnifiedDeviceArchitecture,CUDA）是NVIDIA公司近年来推出的针对图像处理单元（GraphicsProcessingUnit,GPU）的全新并行计算框架。借助其C语言兼容特性以及GPU的强大并行计算能力,CUDA技术在图像处理、科学计算等领域取得了良好的加速效果。文章在对CUDA技术的应用情况进行回顾和总结的基础上,重点介绍了不同应用中采用CUDA技术进行计算加速的原理,并探讨了CUDA技术今后的发展方向。     

基于CUDA快速体数据梯度计算的实时体绘制研究

在体绘制的光线投射算法中,需要传递函数确定体数据对光学属性的映射.体数据梯度是传递函数的常用参数.为了提高三维绘制精度,使用精确的三维Sobel算子进行体数据梯度幅值计算,但由于采用Sobel算子进行计算时计算量十分庞大,因此在计算统一设备构架(Compute Unified Device Architecture,CUDA)下对算法进行并行加速.在此基础上分析并研究了一种基于CUDA快速体数据梯度计算的体绘制算法,达到了梯度的实时计算.实验证明该算法能够在PC机上实现精确的序列图像实时体绘制.     

基于GPU的SAS成像算法并行实现研究

针对合成孔径声纳（SAS）成像过程运算量大,处理时间长,难以满足实时成像要求的问题,论文提出了采用GPU实现SAS成像算法并行处理,并对距离多普勒成像算法（RDA）进行了并行化处理方法研究。仿真实验结果表明：基于CUDA的SAS并行成像算法极大提高了计算效率,并在保持成像结果精度的同时,满足了SAS实时成像的要求。