基于GPU的实时部分相干光并行生成算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及目的意义 | 第8-9页 |
| 1.2 基于GPU的通用计算发展动态 | 第9-11页 |
| 1.2.1 GPU体系架构的发展动态 | 第9-10页 |
| 1.2.2 GPU编程模型的发展动态 | 第10-11页 |
| 1.3 部分相干光研究现状 | 第11-13页 |
| 1.4 文主要研究内容及结构安排 | 第13-14页 |
| 第二章 CUDA硬件架构及其编程模型 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 CUDA硬件架构 | 第14-17页 |
| 2.3 CUDA存储器模型 | 第17-19页 |
| 2.4 CUDA编程模型 | 第19-22页 |
| 2.4.1 CUDA编程结构 | 第19-20页 |
| 2.4.2 CUDA线程结构 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 部分相干光基本理论及实验生成 | 第23-29页 |
| 3.1 引言 | 第23页 |
| 3.2 部分相干光基本理论 | 第23-25页 |
| 3.2.1 空间-时间域 | 第23-24页 |
| 3.2.2 空间-频率域 | 第24-25页 |
| 3.2.3 高斯谢尔模(GSM)光束 | 第25页 |
| 3.3 部分相干光实验生成 | 第25-28页 |
| 3.3.1 毛玻璃法 | 第25-26页 |
| 3.3.2 液晶空间光调制器法 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于CUDA的卷积算法并行优化设计 | 第29-42页 |
| 4.1 引言 | 第29页 |
| 4.2 可分离卷积优化算法 | 第29-33页 |
| 4.2.1 算法描述 | 第29-30页 |
| 4.2.2 基于CUDA的可分离卷积并行优化 | 第30-33页 |
| 4.3 基于FFT的卷积优化算法 | 第33-38页 |
| 4.3.1 算法描述 | 第33-36页 |
| 4.3.2 基于CUFFT库的卷积并行优化 | 第36-38页 |
| 4.4 性能对比与分析 | 第38-40页 |
| 4.4.1 测试平台 | 第38页 |
| 4.4.2 性能测试与对比分析 | 第38-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第五章 部分相干光实时生成实验研究 | 第42-48页 |
| 5.1 引言 | 第42页 |
| 5.2 实验系统平台 | 第42-44页 |
| 5.2.1 实验原理 | 第42页 |
| 5.2.2 实验平台搭建 | 第42-44页 |
| 5.3 实验结果分析 | 第44-47页 |
| 5.3.1 部分相干光生成实时性分析 | 第44-46页 |
| 5.3.2 部分相干光生成相干长度分析 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53页 |
