摘要：随着硬件功能的不断丰富和软件开发环境的逐渐成熟,gpu在通用计算领域的应用越来越广泛,使用gpu集群来进行海量数据计算的例子不胜枚举。但是,相对于CPU,gpu的功耗较大,如果每个节点都配备gpu,则将大大增加集群的功耗。虚拟化技术的引入使得在虚拟机中利用gpu资源进行通用计算成为可能。为高效、充分地利用gpu,针对gpu的特点,提出了一种面向多任务的可动态调度、支持多用户并发的gpu虚拟化解决方案。在已有的gpu虚拟化方案的基础上,综合考虑虚拟机域间通信的通用性以及任务的周转时间,建立了CUDA管理端来对gpu资源进行统一管理。通过设置综合负载评价值实现负载均衡并降低任务的平均周转时间。在设计的系统上进行大规模矩阵运算实验,结果说明了gpu虚拟化方案在计算系统中的可行性和高效性。

摘要：在gpu通用计算平台上实现了一个钢琴独奏乐曲的乐谱识别系统,它读取WAV格式音频文件,利用gpu通用计算技术加速自相关函数算法来实现音高的识别,并综合考虑短时能量和基音周期的变化进行节拍划分。通过实际测试,验证了该乐谱识别系统的准确性,并证明了gpu并行计算对系统计算效率提升的效果:将计算时间减少到传统CPU计算时间的16%左右。

摘要：在传统图上关键字检索问题研究的基础上,基于图形处理器(gpu)设计新的关键字检索算法.基于Steiner tree语义定义关键字检索问题,针对该问题结合传统多源最短路径算法在CPU上设计基本算法,由于CPU架构特性,该算法无法直接移植到gpu上.提出gpu上的基本检索算法,分析它相对于CPU版本的优势和仍然存在的不足.为了提升算法查询速度,反思gpu上基本检索算法的不足之处,提出基于索引的优化技术,利用单源最短路径算法的松弛更新思想、关键字独立性和内部整体性,设计gpu上的高效关键字检索算法.扩展该算法思想,对r-cliques关键字检索问题提出gpu上的优化思路.通过分析算法复杂度并在真实数据集上进行实验,证明该gpu算法的正确性和有效性,并证明算法在较大规模图数据上仍有较强的计算性能.

摘要：为了提高传统径流汇流模拟的时效性,提出了一种基于通用计算的径流汇流模型。模型采用纳维-斯托克斯作为基础方程。首先,文章探讨了利用通用计算进行径流汇流模拟的实现方法并设计了模拟计算流程。然后,以涪江流域中段为研究区域,将流域内25个常规站和区域站的实况降水数据为数据源,分别利用本文径流汇流模型和FloodArea模型对流域进行径流模拟,并将两种模型模拟结果与水文站实测数据进行对比分析。结果发现,基于通用计算的径流汇流模型不仅在模拟效率上相对于FloodArea模型有很大程度的提高,而且模拟结果具有更小的水位变化误差,与水文站实测水文数据具有更好拟合效果。模拟时效性和结果准确性的同时提升表明本文的径流汇流模型对暴雨洪涝预警预报具有重要的意义。

摘要：针对射电信号观测的需求，设计并实现了一种基于统一计算设备架构（CUDA）和图形显示卡（gpu）的宽带高速频谱分析系统。该系统通过运用库利．图基（Cooley-Tukey）快速傅立叶变换算法与谱分析算法实现实时宽带高速频谱分析。系统的关键部分在于通过CUDA来完成运用线程合并算法对数据在CPU-9gpu之间传递时的转换，并使用并行流水算法在总线中共享多核gpu来降低实时运算时间。该系统主要为500m口径射电望远镜工程的高分辨率微波巡视项目而设计，实测中满足目标需求，并可应用在射电信号观测或类似的高速密集数据运算中。

摘要：为改善线性哈希表这一有效索引结构的插入性能,在分析现有方法的基础上,结合CUDA并行编程模型,设计并实现了一种基于gpu的批量插入线性哈希表GBLHT;借助原子函数atomicAdd,GBLHT可以充分利用gpu强大的并行吞吐量来实现大规模记录的无锁批量插入;通过实验对比传统串行插入方法、CPU批量插入方法以及GBLHT的插入性能,发现在不同参数设置条件下,GBLHT的插入性能比传统串行方式提升了7～14倍,与4线程的CPU批量插入方法相比则提升了3～6倍.

摘要：在研究gpu通用计算方法和潮流计算算法的基础上,针对gpu计算密集、高度并行化等特点,对潮流计算牛顿法进行了适当的简化,并应用统一计算设备架构(Compute Unified Device Architecture,CUDA)的开发平台,提出了一种基于gpu的并行潮流计算程序的设计方法。仿真计算结果表明此算法可行,并具有较高的计算效率,为电力系统并行潮流计算的研究提供了一种可行的方法。

摘要：微分域网格变形方法能够较好的保持网格模型的局部细节特征,但其计算需要耗费较长的时间.结合gpu的高速并行运算性能,设计并实现了一种基于gpu的微分域网格变形算法.通过gpu进行网格的微分坐标求解、线性系统系数矩阵的Cholesky分解、线性系统求解等运算,从而将网格局部细节特征编码和解码过程以及变形结果的绘制完全通过gpu完成.实验结果表明该算法能够有效加速微分域网格变形方法的计算和绘制.

摘要：为提高图像处理领域协方差矩阵的计算效率,满足其在实时要求下的应用,借助gpu通用计算技术,结合CUDA编程模型,对协方差矩阵的计算进行有针对性的并行化优化,设计并实现一种高效的并行图像协方差矩阵算法。为在通用PC平台上使用协方差矩阵并满足实时性需求的各种图像处理应用提供了一个可行的解决方法,对其它领域涉及到协方差矩阵的实时计算也有良好的借鉴作用。与原有的CPU实现方法相比,gpu的效率有了平均数千倍的提升。

摘要：随着gpu的计算能力、访存能力和设备内存容量的不断提高,将gpu作为独立的数据存储节点来使用正在成为可能。动态内存管理是数据存储节点的必备功能,但是大量的并发线程以及单指令流多数据流的执行方式,使得gpu上的动态内存分配面临冲突率高、线程阻塞严重等问题。本文针对gpu体系结构特点以及数据存储类应用对设备内存管理的需求,在NVIDIA gpu上设计并实现了一个gpu设备内存管理器,可有效降低内存分配竞争,并提高内存分配速度。基于所设计的设备内存管理方案,本文将一个无锁哈希表实现移植到了gpu上,以加速gpu上的索引操作。实验表明,本文实现的gpu内存管理器和无锁哈希表具有较好的性能。