| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及研究意义 | 第13-14页 |
| 1.2 GPU并行计算及国内外研究现状 | 第14-16页 |
| 1.2.1 GPU并行计算的发展 | 第14页 |
| 1.2.2 国内外研究现状 | 第14-16页 |
| 1.3 课题的研究内容 | 第16-17页 |
| 1.4 本文的章节安排 | 第17-19页 |
| 第2章 CUDA通用计算模型 | 第19-31页 |
| 2.1 本章引言 | 第19页 |
| 2.2 CUDA工作模式 | 第19-20页 |
| 2.3 GPU硬件架构 | 第20-24页 |
| 2.3.1 Kepler SMX架构 | 第20-22页 |
| 2.3.2 存储层次结构 | 第22-24页 |
| 2.4 CUDA软件架构 | 第24-28页 |
| 2.4.1 CUDA软件体系 | 第24-25页 |
| 2.4.2 线程层次结构 | 第25-27页 |
| 2.4.3 优化准则 | 第27-28页 |
| 2.5 CUDA通信机制 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第3章 基于GPU的多模式雷达信号实时处理关键技术 | 第31-51页 |
| 3.1 本章引言 | 第31页 |
| 3.2 多模式雷达算法并行分析 | 第31-38页 |
| 3.2.1 多模式雷达算法流程 | 第31-36页 |
| 3.2.2 算法复杂度和可并行性分析 | 第36-38页 |
| 3.3 关键技术分析 | 第38-49页 |
| 3.3.1 基于多流的多通道回波并发处理技术 | 第38-42页 |
| 3.3.2 基于P2P的SAR一二级协同处理技术 | 第42-45页 |
| 3.3.3 基于共享内存的矩阵转置深度优化技术 | 第45-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于K80的多模式雷达信号处理软件实现 | 第51-65页 |
| 4.1 本章引言 | 第51页 |
| 4.2 基于K80的多模式雷达信号处理 | 第51-58页 |
| 4.2.1 实验平台 | 第51-52页 |
| 4.2.2 基于CPU+GPU的多模式雷达信号处理任务划分 | 第52-53页 |
| 4.2.3 主要运算并行处理和优化细节 | 第53-58页 |
| 4.3 多模式雷达基于K80的算法仿真 | 第58-64页 |
| 4.3.1 算法仿真结果 | 第58-64页 |
| 4.3.2 结果分析 | 第64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表论文与研究成果清单 | 第71-73页 |
| 致谢 | 第73页 |