基于GPU的多相信道化算法效率分析与应用

摘要

为了提高GPU平台多相信道化算法运行效率,分析了算法效率瓶颈,并给出了不同输入参数条件下,时域卷积算法和频域卷积算法的最佳适用条件.介绍了多相信道化算法原理及长序列FIR滤波常用方法,采用重叠保留法设计了基于GPU的频域滤波算法和时域滤波算法,对2种算法在不同滤波器阶数条件下输入数据长度与运算量的关系进行了分析.仿真结果显示,在滤波器阶数较小(≤16)且处理数据速率较高时,时域率波算法具有较高的性能优势;滤波器阶数较高(≥32)或者滤波器阶数与数据序列长度相当时,频域滤波算法耗时更少.利用GPU平台设计实现了基于多相滤波器组的并行信道化算法,验证了分析结果的正确性.