Zur JKU Startseite
Implementierung von Signalverarbeitungsalgorithmen auf Grafikkarten
Michael Hofer
Betreuung: Univ.-Prof. Dipl.-Ing. Dr. Bernhard Zagar
Die Detektion des Vorhandenseins von periodischen Anteilen in Messsignalen beziehungsweise die Schätzung unbekannter Parameter eines periodischen Signals findet Anwendung in vielen verschiedenen Bereichen wie zum Beispiel in der Sprachsignalverarbeitung, Radarsignalverarbeitung, in Produktionsprozessen bei der Verarbeitung von Endlosmaterial und in der Messtechnik im Allgemeinen. Es existieren diverse Algorithmen zur Auswertung solcher Signale.
Problematisch bei diesen Algorithmen ist die teilweise notwendige sehr hohe Rechenzeit, die eine Echtzeitimplementierung oder zumindest eine Implementierung mit einer akzeptablen Rechenzeit verhindert.
Dies gilt speziell bei der Verwendung von großen Sensorarrays, deren Signale parallel auszuwerten sind.
Abbildung 1: Entwicklung der theoretischen Rechenleistungen von CPUs und GPUs
Es ist zu bemerken, dass die erwähnten Algorithmen in hohem Maße parallelisierbar sind. Durch die Verwendung der parallelen Rechenarchitektur einer Grafikkarte (GPU) mit deren Vielzahl an vorhanden Rechenkernen lässt sich eine beachtliche Reduktion der gesamten Rechenzeit erzielen.
Es wurde das Leistungspotentials von GPUs zur Lösung komplexer Aufgaben der Signalverarbeitung allgemein sowie am Beispiel der Auswertung von periodischen Signalen in der Messtechnik eingeschätzt. Durch Vergleich von konventionellen, sequentiellen Implementierungen zu parallelen Implementierungen in einer speziell entwickelten Hard- und Softwareumgebung (CUDA) der Firma NVIDIA wurde das Beschleunigungspotenzial von CUDA-fähigen GPUs gezeigt.
Schlagwörter: Detektion, Schätzung, periodische Signale, CUDA, Grafikkarte, parallele Implementierungen, NVIDIA, Beschleunigungspotenzial
Die Arbeit ist gesperrt ab 13. Juni 2014 für die Dauer von 5 Jahren.
10. Juni 2014
