虚拟无线电中CUDA技术实现GPU通用计算及性能分析

席宁

【摘要】 本文基于NVIDIA公司的CUDA平台，提出将CUDA技术的通用计算能力应用到虚拟无线电的数据处理中，提高系统的数据处理能力，通过与CPU平台作对比进行性能的分析和比较得出，通过扩展GPU板卡可以有效的提高工作站的计算能力，可以有效的减少虚拟无线电计算机集群中处理节点计算机的数量，可以减小系统体积和系统成本。

【关键词】 CUDA GPU FFT 傅里叶变换

一、试验方案的选择

考虑到试验方案要有比较高的计算密度，使CPU和GPU满负荷的工作，能更好的比较两者在满负荷最大计算能力的差别，所以在仿真实验中选择了FFT快速傅里叶变换作为一个高密度乘法和加法运算任务交给CPU和GPU做处理，并比较两者在相同乘法和加法运算量下的计算能力表现。

二、基于CUDA技术实现GPU通用计算与CPU的性能比较

GPU的CUDA技术非常适合大数据量的并行计算，通过在MATLAB仿真环境下对FFT快速傅里叶变换计算速度的比较，观察NVIDIA公司新技术CUDA对FFT算法的加速效果，发现存在的问题和作出分析。

2.1 试验方案和试验条件

在使用MATLAB仿真之前，需要安装最新的驱动程序和CUDA工具包和CUDA的SDK包。安装NVIDIA公司提供的插件Matlab_CUDA1.1后，即可在MATLAB的开发环境里调用GPU的硬件资源进行计算。

2.2 CUDA架构下程序流程

仿真程序将做二维N阶随机矩阵的FFT快速傅里叶变换，程序调用了CUFFT库中的cufftExecC2C（cufftHandle plan，cufftComplex *idata，cufftComplex *odata，int direction）基于复数的快速傅里叶变换函数实现FFT计算，不同的N将得有不同的计算速度，可以得到使用CUDA技术时的计算时间，同时与不使用CUDA的基于CPU的计算时间比较，观察CUDA对FFT的加速效果。

2.3 试验方法

由于CUDA技术比较适合并行计算，仿真程序将FFT的以不同的点数计算结果作比较，观察CPU和GPU在N取不同值时的表现。为了排除平台中其他程序的运行造成的对结果的影响，在MATLAB的仿真环境中，使用CPU计算的时候直接调用了MATLAB的二维快速傅里叶变化函数fft2（），使用GPU计算时适用了程序fft2withcudaacc（），该函数通过MATLAB的MEX功能接口调用了CUFFT的快速傅里叶变换函数cufftExecC2C。

三、试验结果分析

仿真平台采用主流PC平台THINKPAD SL400电脑，其CPU是INTEL酷睿二代双核处理器T5870，GPU是NVIDIA GeForce G 105M，GPU拥有8个处理核心。

计算二维128、512、1024和2048阶随机矩阵的FFT。利用MATLAB的计时功能函数（tic，toc），实现对快速傅里叶变换的计时。在试验中发现，当处理的数据比较小时，基于GPU和基于CPU的二维快速傅里叶变换速度没有太大区别，这是因为这时候的数据量没有使GPU和CPU满负荷功能工作，不能很好的体现两者的区别，但是当提高二维随即矩阵的阶数时，随着数据量的增大，基于GPU和基于CPU的计算速度有了区别，说明当两者满负荷工作的时候，基于GPU的数据处理由于启用的多线程并行处理，可以实现高度的并行操作，可以在较短的时间内完成数据的处理。从MATLAB的仿真结果来看，使用CUDA架构的GPU对数字信号处理中的FFT快速傅里叶变换有着比较明显的加速效果。

四、小结

在仿真实验中，选择了具有高密度乘法和加法运算的FFT快速傅里叶变换，观察CPU和GPU在高密度乘法加法运算上的计算能力，即使GPU板卡的运算速度等于CPU的计算速度，在实际的应用中也会有很好的应用价值。仿真所得出的结果是GPU板卡比CPU处理相等数据量的乘法和加法运算要快三倍以上，就是说如果在工作站中扩展两块GPU板卡，GPU的计算能力将是CPU的六倍以上。如果是在计算机集群中，一台工作站安装了两块板卡就可以节省多台计算机节点，这样在虚拟无线电的集群计算机中，就可以明显的减少计算节点的数量。节省大量的财力，达到降低成本和系统体积的目的。

参 考 文 献

[1] Blackfin Embedded Processor BF537 Data Sheet，ANALOG DEVICES，February 2009

[2] 张道兴. 超宽带通信捕获FFT算法的设计和实现. 哈尔滨工程大学硕士学位论文. 2008

[3] 胡德俊. FFT处理器的设计与实现. 合肥工业大学硕士学位论文. 2006

[4] 姜进东. 高速FFT的FPGA实现. 西安电子科技大学硕士学位论文. 2009