买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于GPU加速的射频链路仿真方法_南京国睿信维软件有限公司_202211059853.3 

申请/专利权人:南京国睿信维软件有限公司

申请日:2022-09-01

公开(公告)日:2022-11-29

公开(公告)号:CN115146485B

主分类号:G06F30/20

分类号:G06F30/20

优先权:

专利状态码:有效-授权

法律状态:2022.11.29#授权;2022.10.25#实质审查的生效;2022.10.04#公开

摘要:本发明涉及一种基于GPU加速的射频链路仿真方法,包括:将CPU端数据传输到GPU显存,对每个射频元器件的snp文件进行拉格朗日插值,GPU上执行的拉格朗日算法逻辑为:频率值对应线程块的行索引,S参数的相位幅度对应线程块的列索引,取出需要插值的频率值所在数组前后相邻的频率值和与之对应的S参数的相位幅值放入GPU的共享内存然后进行插值计算;生成多个链路方案;将数量庞大的链路方案根据GPU的多处理器的数量进行分块,每块交给一个CUDA流去处理;将指标算法写进GPU的一个线程,实现多任务的并行。本发明GPU与CPU异构执行,硬件空间与传统集群相比所占空间小且高效。

主权项:1.一种基于GPU加速的射频链路仿真方法,其特征在于:包括以下步骤:步骤1)将数据传输到GPU显存:在CPU端将链路中的级联信息和涉及到的所有射频元器件的snp数据和其他属性载入到主机的内存上并设置该内存为页锁内存,页锁内存映射到GPU的显存,减少GPU与主机的数据传输;步骤2)拉格朗日插值:将步骤1)中传输到GPU显存上的数据作为初始数据,并提取出初始数据中射频链路的起始频率、终止频率、频率步进数据,在GPU上执行拉格朗日插值算法;拉格朗日算法理论支持如下:对于某个多项式函数,已知有给定的d+1个取值点: ;其中,代表第个自变量,代表第个因变量; 为拉格朗日基函数: ;Lx为拉格朗日插值多项式: ;基于CUDA指令的拉格朗日算法逻辑为:频率值对应线程块的行索引,S参数的相位幅度对应线程块的列索引,取出需要插值的频率值所在数组前后相邻的频率值和与之对应的S参数的相位幅值放入GPU的共享内存然后进行插值计算;步骤3)生成多个链路方案:步骤2)中链路中所涉及的所有射频元器件的数据准备完成后,利用十进制的思想来同构生成多个链路方案,算法逻辑如下:N为组成链路的节点数;n为组成链路的第n个节点,n=0,1,2……N; 为组成链路的第n个节点总共包含种元器件; 为组成链路的第n个节点的第种元器件,=1,2,3……; 对应的链路方案索引数为: ;步骤4)划分CUDA流:CUDA流表示一个GPU操作队列,该队列中的操作将以添加到流中的先后顺序而依次执行;将一个流看做是GPU上的一个任务,不同任务并行执行;该步骤是将数量庞大的链路方案根据GPU的多处理器的数量进行分块,每块交给一个CUDA流去处理,算法逻辑如下:cNum为链路的方案数量;smNum为GPU中多处理器的数量;streamNum为CUDA流的数量;cNumPerStream为每个CUDA流中链路方案的数量;CUDA流的数量设置为等于GPU多处理器的数量,有利GPU硬件的高效利用;streamNum=smNum;最后一个CUDA流对应的方案数为:cNumPerStream=cNum%streamNum;其他的CUDA流对应的方案数为:cNumPerStream=cNumstreamNum;步骤5)基于GPU的射频链路计算:包括计算S参数、OIP3、噪声系数和1dB压缩点,以频率维度和链路方案数维度组成一个二维的线程块,每个射频链路方案和一个频率点对应一个GPU线程,将指标算法写进线程,实现多链路、多频率点的并行。

全文数据:

权利要求:

百度查询: 南京国睿信维软件有限公司 基于GPU加速的射频链路仿真方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。