基于OpenCL的图形处理器FDTD算法仿真研究

摘要

OpenCL是一种全新的开放的行业标准，可以用来开发在CPUs，GPUs及其它各种平台上通用的程序。OpenCL可以很好的将CPU跟GPU恰当的衔接起来降低系统能耗，降低硬件成本。此外OpenCL可以被使用在各种各样的宿主语言上如C，C++，Java，Python，JavaScript，Delphi等等。方便了具备掌握各种编程语言背景的人学习掌握，开发者们从而可以把主要精力放在加速算法的改进方面，便于写出高性能的算法。
　　FDTD是一种通过时域，来求解麦克斯韦方程组，近而研究电磁波基本传播特性的数值计算方法。对电场或者磁场分量在时间和空间上采取交替抽样的方式，从而将麦克斯韦方程组离散化为差分方程组，进而通过递推的方式来进行求解。这种计算特性决定了FDTD需要大量的迭代计算，由于受到数值色散以及数值稳定性的限制，FDTD的空间步长以及时间步长不能取得过大。尤其是面对复杂结构的电磁仿真问题时，FDTD计算是非常耗时耗内存的。
　　FDTD算法天然的并行特性，决定着我们可以使用并行计算的方法来缩短计算的时间。网络并行计算技术虽然在一定程度上解决了这一问题，但是网络性能以及负载平衡，软硬件间的匹配限制了其发展。FPGA基础设备成本较高而且效果不理想，CUDA编程在各种平台的通用性以及可移植性也不尽人意。本文阐述FDTD算法以及基本原理，研究OpenCL模型下的软硬件环境以及编程模型，实现了基于OpenCL的图形处理器二维TM波的FDTD算法仿真研究。主要完成的工作如下:
　　(1)仿真平台的搭建。本文分别在CPU和GPU上面，实现均匀网格的二维TM波的电磁仿真，实验仿真平台分别是AMDAthlon(tm)ⅡX3440CPU和NVIDIATeslaC1060GPU。本文推导了二维直角坐标系均匀网格FDTD基本算法递推公式，以及FDTD收敛条件。在实现基于GPU的FDTD并行算法时，采用的是CPU和GPU进行协同工作的方式，将需要进行大量计算的任务交给GPU，而CPU主要负责内存调用，分配以及条件控制等。当Yee元胞数量达到百万级别数量级时，GPU并行计算的强大优势，就可以充分显示出来，大大提高计算的效率，缩短电磁仿真计算的时间。
　　(2)二维TM波的仿真结果分析。通过合理的方式，将仿真过程中得到的每一仿真数据跟RGB系统结合起来，时域稳步推进过程当中，将仿真数据通过动态的二维FDTD图像显示出来。首先验证仿真结果的准确性，结果得知CPU与基于GPU仿真数据是一致的。然后对实验数据进行比较分析，得知当Yee元胞数量达到百万级别的数量级时，基于OpenCL的GPU跟CPU相比，可以得到稳定的40倍的加速度，大大减少了FDTD并行计算的时间，加速了FDTD并行算法的普及应用。