| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 引言 | 第11-21页 |
| ·课题背景 | 第11-14页 |
| ·数值天气预报与GPS 掩星资料同化 | 第11-13页 |
| ·GPS 掩星观测特点 | 第13-14页 |
| ·研究背景 | 第14-19页 |
| ·GPS 掩星观测和资料处理的研究现状 | 第14-18页 |
| ·GPU 气象应用的研究现状 | 第18-19页 |
| ·本文的研究内容和创新 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| 第二章 GPU 计算研究综述 | 第21-36页 |
| ·GPU 的历史和发展现状 | 第22-24页 |
| ·CPU-GPU 异构系统体系结构 | 第24-25页 |
| ·NVDIA GPU-Tesla 体系结构 | 第25-28页 |
| ·CUDA | 第28-36页 |
| ·CUDA 体系结构 | 第29-31页 |
| ·CUDA 编程模型 | 第31-36页 |
| 第三章 GPS 掩星探测原理及其关键技术研究 | 第36-47页 |
| ·GPS 掩星原理 | 第36-40页 |
| ·GPS 正演算法及其观测算子 | 第40-47页 |
| ·弯角计算公式 | 第41-43页 |
| ·折射率计算公式 | 第43页 |
| ·一维弯角Abel 积分算子 | 第43-44页 |
| ·二维射线追踪算子[13] | 第44-47页 |
| 第四章 GPU 平台上的GPS 掩星正演算法初步实现 | 第47-57页 |
| ·CPU 平台上的ROPP 正演过程性能分析 | 第47-51页 |
| ·ROPP 软件包 | 第47-48页 |
| ·GPS 掩星资料文件格式 | 第48页 |
| ·ROPP 正演模块介绍 | 第48-51页 |
| ·正演过程在单GPU 平台上的实现 | 第51-54页 |
| ·ROPP 正演过程在GPU 平台上的可移植性分析 | 第51-53页 |
| ·GPU 并行策略 | 第53-54页 |
| ·正演过程在CPU/GPU 集群上的实现 | 第54-55页 |
| ·CPU/GPU 协同并行结构设计 | 第54-55页 |
| ·算法设计 | 第55页 |
| ·实验设计与实验结果 | 第55-57页 |
| ·单GPU 上的结果 | 第55-56页 |
| ·CPU/GPU 小集群上的结果 | 第56-57页 |
| 第五章 GPS 掩星正演算法GPU 实现的优化 | 第57-71页 |
| ·正演过程计算核心的划分 | 第57-58页 |
| ·循环和分支指令优化 | 第58-61页 |
| ·基于SM 占用率的正演过程优化 | 第61-63页 |
| ·弯角计算的优化 | 第62页 |
| ·单GPU 上多个掩星资料的并行处理 | 第62-63页 |
| ·关于梯度计算的优化策略 | 第63-67页 |
| ·异步并行优化方案 | 第67-69页 |
| ·使用流的正演过程优化 | 第67-68页 |
| ·CPU 与GPU 异步执行优化 | 第68-69页 |
| ·本章总结 | 第69-71页 |
| 第六章 结论与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 作者在学期间取得的学术成果 | 第81页 |