| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 卡尔曼滤波算法的研究现状 | 第14-15页 |
| 1.2.2 协同异构并行编程的研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17页 |
| 1.5 小结 | 第17-18页 |
| 第2章 相关理论与研究 | 第18-29页 |
| 2.1 卡尔曼滤波算法的理论研究 | 第18-21页 |
| 2.1.1 卡尔曼滤波算法的基本原理 | 第18页 |
| 2.1.2 卡尔曼滤波算法的基本性质 | 第18-20页 |
| 2.1.3 卡尔曼滤波算法的应用实例 | 第20-21页 |
| 2.1.4 卡尔曼滤波算法的延伸 | 第21页 |
| 2.2 CPU-GPU协同异构并行编程模型 | 第21-27页 |
| 2.2.1 GPGPU架构 | 第21-23页 |
| 2.2.2 OpenMP编程模型 | 第23-24页 |
| 2.2.3 CUDA编程模型 | 第24-26页 |
| 2.2.4 CPU-GPU协同异构模型 | 第26-27页 |
| 2.3 并行计算重要概念 | 第27-28页 |
| 2.3.1 加速比 | 第27-28页 |
| 2.3.2 吞吐量 | 第28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 多核CPU平台上KF并行算法设计与实现 | 第29-36页 |
| 3.1 卡尔曼滤波串行算法 | 第29页 |
| 3.2 卡尔曼滤波算法的并行化 | 第29-33页 |
| 3.3 实验评价 | 第33-35页 |
| 3.3.1 实验环境配置 | 第33页 |
| 3.3.2 实验结果及评价 | 第33-35页 |
| 3.4 小结 | 第35-36页 |
| 第4章 CPU-GPU异构平台上KF并行算法设计与实现 | 第36-46页 |
| 4.1 异构混合计算模型 | 第36-37页 |
| 4.2 卡尔曼滤波算法的并行化 | 第37-39页 |
| 4.3 卡尔曼滤波算法并行优化 | 第39-42页 |
| 4.3.1 划分CPU-GPU任务 | 第39-40页 |
| 4.3.2 共享内存 | 第40-41页 |
| 4.3.3 CUDA流 | 第41-42页 |
| 4.4 实验评价 | 第42-45页 |
| 4.4.1 实验环境配置 | 第42-43页 |
| 4.4.2 运行时间评价 | 第43-44页 |
| 4.4.3 加速比评价 | 第44-45页 |
| 4.4.4 吞吐量评价 | 第45页 |
| 4.5 小结 | 第45-46页 |
| 第5章 “神威·太湖之光”上KF并行算法设计与实现 | 第46-58页 |
| 5.1 “神威·太湖之光”超级计算机背景 | 第46-47页 |
| 5.2 “神威·太湖之光”体系结构 | 第47-50页 |
| 5.2.1 系统总体架构与硬件环境 | 第47-48页 |
| 5.2.2 申威体系结构 | 第48-50页 |
| 5.3 卡尔曼滤波算法的并行化 | 第50-53页 |
| 5.3.1 主从异步并行模式 | 第50页 |
| 5.3.2 异构并行算法设计 | 第50-53页 |
| 5.4 卡尔曼滤波算法并行优化 | 第53-55页 |
| 5.4.1 向量化优化 | 第53-54页 |
| 5.4.2 去相关性优化 | 第54-55页 |
| 5.4.3 双缓冲机制 | 第55页 |
| 5.5 实验结果及其评价 | 第55-57页 |
| 5.5.1 实验环境配置 | 第55-56页 |
| 5.5.2 主核对比实验结果 | 第56页 |
| 5.5.3 加速比评价 | 第56-57页 |
| 5.6 小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第64-65页 |
| 附录B 攻读硕士学位期间所参加的科研项目目录 | 第65-66页 |
| 致谢 | 第66-67页 |