| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究工作的背景与意义 | 第12-13页 |
| 1.2 国内外研究历史与现状 | 第13-16页 |
| 1.3 本文主要内容及结构安排 | 第16-19页 |
| 第二章 基于GPU的并行计算技术与波达方向估计 | 第19-33页 |
| 2.1 基于GPU的并行计算技术 | 第19-23页 |
| 2.1.1 发展现状 | 第19-20页 |
| 2.1.2 线程层次 | 第20-21页 |
| 2.1.3 硬件映射 | 第21页 |
| 2.1.4 通信机制 | 第21-22页 |
| 2.1.5 存储器模型 | 第22-23页 |
| 2.2 波达方向估计算法 | 第23-32页 |
| 2.2.1 阵列接收信号模型 | 第23-25页 |
| 2.2.2 基于子空间分解的波达方向估计算法 | 第25-27页 |
| 2.2.3 最大似然波达方向估计算法 | 第27-30页 |
| 2.2.4 性能分析及仿真 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于GPU的并行最大似然波达方向估计算法 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 串行多维极值搜索算法 | 第33-41页 |
| 3.2.1 Cuckoo搜索算法 | 第33-35页 |
| 3.2.2 莱维步长选择 | 第35-36页 |
| 3.2.3 基于Cuckoo算法的波达方向估计 | 第36-37页 |
| 3.2.4 性能分析与仿真 | 第37-41页 |
| 3.3 并行多维极值搜索算法 | 第41-47页 |
| 3.3.1 标准粒子群优化算法 | 第41-43页 |
| 3.3.2 粒子群算法参数优化 | 第43页 |
| 3.3.3 基于粒子群算法的波达方向估计 | 第43-44页 |
| 3.3.4 性能分析与仿真 | 第44-47页 |
| 3.4 多维极值搜索的GPU实现 | 第47-51页 |
| 3.4.1 基于GPU的算法设计 | 第48-49页 |
| 3.4.2 基于GPU的性能优化 | 第49页 |
| 3.4.3 性能分析及仿真 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于GPU的信号子空间并行计算算法 | 第52-71页 |
| 4.1 引言 | 第52-53页 |
| 4.2 信号子空间串行计算算法 | 第53-61页 |
| 4.2.1 基于QR分解的子空间计算算法 | 第53-58页 |
| 4.2.2 性能分析与仿真 | 第58-61页 |
| 4.3 信号子空间并行计算算法 | 第61-65页 |
| 4.3.1 算法原理 | 第61-64页 |
| 4.3.2 性能分析与仿真 | 第64-65页 |
| 4.4 子空间计算算法的GPU实现 | 第65-70页 |
| 4.4.1 基于GPU的性能优化 | 第65-67页 |
| 4.4.2 基于GPU的算法设计 | 第67-69页 |
| 4.4.3 性能分析与仿真 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 基于GPU的并行MVDR波达方向估计算法 | 第71-84页 |
| 5.1 引言 | 第71-72页 |
| 5.2 串行矩阵求逆算法 | 第72-76页 |
| 5.2.1 基于Cholesky分解的矩阵求逆算法 | 第72-73页 |
| 5.2.2 基于LU分解的矩阵求逆算法 | 第73-75页 |
| 5.2.3 性能分析与仿真 | 第75-76页 |
| 5.3 并行矩阵求逆算法 | 第76-81页 |
| 5.3.1 基于二分法的矩阵求逆算法 | 第76-79页 |
| 5.3.2 基于高斯约旦的矩阵求逆算法 | 第79-80页 |
| 5.3.3 性能分析及仿真 | 第80-81页 |
| 5.4 矩阵求逆算法的GPU实现 | 第81-83页 |
| 5.4.1 基于GPU的算法设计 | 第81页 |
| 5.4.2 性能分析及仿真 | 第81-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 全文总结及展望 | 第84-86页 |
| 6.1 全文总结 | 第84页 |
| 6.2 后续工作展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士学位期间取得的成果 | 第91页 |