| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题的研究背景及意义 | 第13-14页 |
| 1.2 课题的研究现状 | 第14-16页 |
| 1.2.1 PSO算法及其并行化 | 第14-15页 |
| 1.2.2 GPU端并行PSO算法 | 第15页 |
| 1.2.3 PSO算法用于ANN训练 | 第15-16页 |
| 1.2.4 ANN用于MSA谐振频率和DOA估计建模 | 第16页 |
| 1.3 本文的研究内容及创新点 | 第16-17页 |
| 1.4 本文的结构安排 | 第17-19页 |
| 第2章 基于GPU的并行PSO算法研究 | 第19-35页 |
| 2.1 基本PSO算法 | 第19页 |
| 2.2 CUDA编程架构 | 第19-21页 |
| 2.3 GPU端并行PSO算法设计 | 第21-23页 |
| 2.4 编程细节和性能优化 | 第23-25页 |
| 2.4.1 粒子（线程）数目和线程块大小的设计 | 第23页 |
| 2.4.2 最小化线程分支 | 第23-24页 |
| 2.4.3 合并访问全局存储器 | 第24-25页 |
| 2.4.4 最大化使用共享存储器 | 第25页 |
| 2.4.5 最小化CPU和GPU之间的数据传输 | 第25页 |
| 2.5 数值实验和结果分析 | 第25-33页 |
| 2.5.1 基准测试函数及计算平台 | 第25-26页 |
| 2.5.2 等粒子数等迭代次数加速比 | 第26-29页 |
| 2.5.3 等粒子数等精度加速比和有效加速比 | 第29-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 基于GPU的并行PSO-ANN设计与实现 | 第35-43页 |
| 3.1 基本PSO-ANN算法 | 第35-36页 |
| 3.2 GPU端并行PSO-ANN算法设计和性能优化 | 第36-38页 |
| 3.3 数值实验和结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 GPU端并行PSO-ANN用于MSA谐振频率建模 | 第43-55页 |
| 4.1 GPU端并行PSO-ANN用于矩形MSA谐振频率建模 | 第43-48页 |
| 4.1.1 矩形MSA的谐振频率 | 第43-44页 |
| 4.1.2 数值实验和结果分析 | 第44-48页 |
| 4.2 GPU端并行PSO-ANN用于圆形MSA谐振频率建模 | 第48-53页 |
| 4.2.1 圆形MSA的谐振频率 | 第48-50页 |
| 4.2.2 数值实验和结果分析 | 第50-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第5章 GPU端并行PSO-BP-ANN用于DOA估计建模 | 第55-63页 |
| 5.1 DOA估计的ANN模型 | 第55-56页 |
| 5.2 基本PSO-BP-ANN算法 | 第56-57页 |
| 5.3 GPU端并行PSO-BP-ANN算法设计 | 第57-59页 |
| 5.4 数值实验和结果分析 | 第59-61页 |
| 5.5 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |
