| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究的目的与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 GPU 通用计算研究进展 | 第15-16页 |
| 1.2.2 容错熵编码算法研究进展 | 第16-17页 |
| 1.2.3 正交匹配追踪算法研究进展 | 第17-18页 |
| 1.2.4 联合比特平面 LDPC 译码算法研究进展 | 第18-19页 |
| 1.2.5 亟待解决的问题 | 第19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 技术路线和研究方案 | 第20-21页 |
| 1.4.1 技术路线 | 第20页 |
| 1.4.2 研究方案 | 第20-21页 |
| 1.5 论文的组织结构 | 第21-23页 |
| 第二章 基于 GPU 的通用并行计算 | 第23-37页 |
| 2.1 GPU 的体系结构 | 第23-25页 |
| 2.2 CUDA 架构 | 第25-35页 |
| 2.2.1 CUDA 编程模型 | 第26-30页 |
| 2.2.2 CUDA 存储器 | 第30-33页 |
| 2.2.3 CUDA 执行模型 | 第33-35页 |
| 2.3 实验平台 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 容错熵编码算法的 GPU 并行计算方法 | 第37-56页 |
| 3.1 引言 | 第37-39页 |
| 3.2 算法描述 | 第39-43页 |
| 3.2.1 EREC 算法原理 | 第39-41页 |
| 3.2.2 基于 CPU 的 EREC 算法 | 第41-43页 |
| 3.3 基于 GPU 的并行 EREC 算法 | 第43-44页 |
| 3.4 基于 GPU 的并行 P-EREC 算法 | 第44-52页 |
| 3.4.1 P-EREC 算法并行架构 | 第44-46页 |
| 3.4.2 并行 P-EREC 加速策略 | 第46-51页 |
| 3.4.3 P-EREC 算法分组 | 第51-52页 |
| 3.5 实验结果与分析 | 第52-55页 |
| 3.5.1 加速效果 | 第52-54页 |
| 3.5.2 容错性能 | 第54页 |
| 3.5.3 计算复杂度 | 第54页 |
| 3.5.4 冗余信息 | 第54-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 二维正交匹配追踪算法的 GPU 并行计算方法 | 第56-83页 |
| 4.1 引言 | 第56-59页 |
| 4.2 算法描述 | 第59-63页 |
| 4.2.1 信号的稀疏表示 | 第59-60页 |
| 4.2.2 编码测量 | 第60-61页 |
| 4.2.3 2D-OMP 重构算法 | 第61-62页 |
| 4.2.4 2D-OMP 算法并行性分析 | 第62-63页 |
| 4.3 基于 GPU 的并行 2D-OMP 算法 | 第63-73页 |
| 4.3.1 并行矩阵求逆运算 | 第63-67页 |
| 4.3.2 并行化的矩阵/向量计算 | 第67-71页 |
| 4.3.3 筛选最匹配原子 | 第71-72页 |
| 4.3.4 并行实现 2D-OMP 算法 | 第72-73页 |
| 4.4 实验结果与分析 | 第73-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第五章 联合比特平面 LDPC 译码算法的 GPU 并行计算方法 | 第83-110页 |
| 5.1 引言 | 第83-85页 |
| 5.2 算法描述 | 第85-93页 |
| 5.2.1 建立模型 | 第85-86页 |
| 5.2.2 编码 | 第86-87页 |
| 5.2.3 基于联合比特平面 LDPC 算法译码 | 第87-93页 |
| 5.3 基于 GPU 的并行联合比特平面 LDPC 译码算法 | 第93-104页 |
| 5.3.1 并行模型 | 第94-97页 |
| 5.3.2 加速策略 | 第97-104页 |
| 5.4 实验结果与分析 | 第104-108页 |
| 5.5 本章小结 | 第108-110页 |
| 第六章 结论与展望 | 第110-112页 |
| 6.1 结论 | 第110-111页 |
| 6.2 展望 | 第111-112页 |
| 参考文献 | 第112-119页 |
| 致谢 | 第119-120页 |
| 作者简介 | 第120页 |
