采用GPU的快速压缩感知恢复算法研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1. 课题的背景及意义 | 第8-9页 |
| 1.2. 压缩感知简介 | 第9-10页 |
| 1.3. 压缩感知研究现状 | 第10-11页 |
| 1.4. GPU-CUDA研究现状及应用 | 第11页 |
| 1.5. 论文安排 | 第11-13页 |
| 第2章 压缩感知(CS)理论 | 第13-18页 |
| 2.1. 压缩感知的数学模型 | 第14-18页 |
| 2.1.1. 信号的稀疏表示 | 第14-15页 |
| 2.1.2. 测量矩阵 | 第15-16页 |
| 2.1.3. 压缩感知恢复算法 | 第16-18页 |
| 第3章 压缩感知(CS)恢复算法 | 第18-31页 |
| 3.1. 贪婪迭代算法 | 第18-21页 |
| 3.1.1. 正交匹配追踪(OMP)算法 | 第19-21页 |
| 3.2. 凸松弛算法 | 第21-28页 |
| 3.2.1. 两步阈值迭代(TwIST)算法 | 第23-25页 |
| 3.2.2. 线性Bregman算法 | 第25-28页 |
| 3.3. 实验结果 | 第28-31页 |
| 第4章 Jetson架构及CUDA技术简介 | 第31-44页 |
| 4.1. CUDA概述 | 第31-32页 |
| 4.2. CUDA编程模型 | 第32-36页 |
| 4.3. CUDA编程接口和优化 | 第36-38页 |
| 4.4. CUDA程序的优化策略和线性代数运算库 | 第38-40页 |
| 4.5. Jetson嵌入式计算机架构 | 第40-44页 |
| 第5章 压缩感知软件计算框架设计及实验结果 | 第44-57页 |
| 5.1. CPU-GPU并行计算框架设计 | 第44-51页 |
| 5.1.1. 内存控制系统 | 第44-47页 |
| 5.1.2. 计算框架的数据容器设计 | 第47-48页 |
| 5.1.3. 数学库 | 第48-50页 |
| 5.1.4. 线程池-数据读写IO系统 | 第50-51页 |
| 5.2. 并行算法设计 | 第51-55页 |
| 5.2.1. 并行k-select算法 | 第51-52页 |
| 5.2.2. 并行归约算法 | 第52-53页 |
| 5.2.3. 循环展开优化技巧 | 第53-55页 |
| 5.3. 系统性能测试 | 第55-57页 |
| 第6章 总结 | 第57-58页 |
| 6.1. 本论文工作总结 | 第57页 |
| 6.2. 论文创新点 | 第57页 |
| 6.3. 研究工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表论文与研究成果清单 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录1 线程池源代码 | 第64-69页 |
