| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外的研究状况和发展趋势 | 第8-10页 |
| 1.2.1 CUDA发展现状 | 第8-9页 |
| 1.2.2 高频方法发展现状 | 第9-10页 |
| 1.3 本文的主要内容及文章结构 | 第10-12页 |
| 2 面向通用计算的GPU技术 | 第12-25页 |
| 2.1 GPU的发展历史简介 | 第12-13页 |
| 2.2 GPU的硬件体系结构 | 第13-16页 |
| 2.2.1 CPU、GPU的区别 | 第13页 |
| 2.2.2 GPU的整体架构 | 第13-15页 |
| 2.2.3 GPU的存储器结构 | 第15-16页 |
| 2.3 CUDA编程模型 | 第16-19页 |
| 2.3.1 CUDA的软件编程模型 | 第17-18页 |
| 2.3.2 CUDA的软件体系与编译流程 | 第18-19页 |
| 2.4 多GPU平台 | 第19-20页 |
| 2.4.1 CUDA的多GPU特性 | 第19页 |
| 2.4.2 用MPI实现多GPU编程 | 第19-20页 |
| 2.5 GPU程序的优化 | 第20-24页 |
| 2.5.1 GPU和CPU之间的数据传输 | 第20-22页 |
| 2.5.2 GPU内存的使用 | 第22-23页 |
| 2.5.3 GPU并行配置 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 金属目标的弹跳射线法在GPU计算平台上的实现 | 第25-51页 |
| 3.1 弹跳射线法理论 | 第25-36页 |
| 3.1.1 射线的离散 | 第25-26页 |
| 3.1.2 射线的路径追踪 | 第26-30页 |
| 3.1.3 射线场强追踪 | 第30-31页 |
| 3.1.4 物理光学法求解射线管的RCS | 第31-34页 |
| 3.1.5 数值算例 | 第34-36页 |
| 3.2 基于射线管自适应细分的SBR加速技术 | 第36-40页 |
| 3.2.1 自适应细分建模的SBR实现 | 第36-38页 |
| 3.2.2 算例分析 | 第38-40页 |
| 3.3 基于GPU并行的SBR | 第40-50页 |
| 3.3.1 射线在GPU平台的并行策略 | 第41-45页 |
| 3.3.2 双GPU加速SBR的实现 | 第45-47页 |
| 3.3.3 本节算例分析 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 介质/金属混合目标的弹跳射线法在GPU计算平台上的实现 | 第51-72页 |
| 4.1 SBR在介质/金属混合目标中的应用 | 第51-61页 |
| 4.1.1 电磁波在损耗介质中的射线传播理论 | 第51-56页 |
| 4.1.2 射线远场近似公式 | 第56-57页 |
| 4.1.3 混合目标SBR计算过程 | 第57-59页 |
| 4.1.4 本节算例 | 第59-61页 |
| 4.2 SBR在涂敷目标中的应用 | 第61-68页 |
| 4.2.1 多层涂敷媒质的反射系数 | 第62-64页 |
| 4.2.2 本节算例 | 第64-68页 |
| 4.3 基于GPU并行的介质/金属混合目标SBR | 第68-71页 |
| 4.3.1 混合目标SBR并行策略 | 第68-70页 |
| 4.3.2 本节算例 | 第70-71页 |
| 4.4 本章小结 | 第71-72页 |
| 5 结论与研究展望 | 第72-74页 |
| 5.1 全文总结 | 第72页 |
| 5.2 研究展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79页 |