[发明专利]基于GPU的分布式电磁态势仿真计算系统

说明书

本发明公开的一种基于GPU的分布式电磁态势仿真计算系统，提供一种能够获得更高的并行计算能力，更高的灵活性及鲁棒性，更低成本的电磁态势仿真计算系统。本发明通过下述技术方案予以实现：综合数据管理层从文件系统中读取电磁态势仿真计算需要的基础数据：设备数据、环境数据和地形数据，将基础数据综合以后形成运算数据推送给分布式实时运算层进行处理。分布式实时运算层调用硬件设备层中的GPU计算卡和CPU板卡的计算资源对运算数据进行处理，处理结果数据返回给综合数据管理层形成电磁数据，将基础数据和电磁数据综合后形成态势显示数据推送给态势显示层，将态势显示数据送入GPU显示卡，进行态势数据的可视化，并提供人机交互接口。

技术领域

本发明提出一种基于GPU的分布式电磁态势仿真计算系统。

背景技术

无线电电磁态势仿真与分析在无线通信领域具有举足轻重的作用，其通过研究各类电磁设备的信号模型、电磁波的传播模型及综合考虑各类干扰对电磁波传播的影响，使其能够较准确地预测电磁波的传播距离、受干扰情况及某区域的电波覆盖情况等。只有能形象、准确地描述电磁态势才能高效合理的对无线电频谱进行管理和利用。由于要求模拟的通信及其他电磁设备种类众多，且可能数量巨大，辐射效能受天气、地形、设备或目标运动轨迹等影响，同时要考虑不同辐射源之间的干扰，使得电磁态势仿真的计算复杂度非常高，普通计算机根本不能满足电磁态势仿真的需求。随着商业云计算的极大成功，应用也越来越广泛。云计算技术通过网络将大量的计算设备连接起来，虚拟化为资源池，并可进行自我维护和管理。云计算可以将计算任务智能地分布在大量计算机构成的资源池上，使用户能够获得强大的计算力、存储空间和信息服务。因此，利用云计算技术可以为电磁态势仿真计算提供强大的计算、存储等能力支撑。

传统的电磁态势仿真计算大多采用CPU来实现。由于CPU体系结构的制约，其计算能力早已无法满足“摩尔定律”的增长预期，而多核CPU所能容纳的核数亦十分有限，这导致基于CPU的并行仿真难以满足未来无线电电磁态势系统仿真分析的发展需求。与此同时，由于硬件条件的制约，传统的电磁态势并行算法在计算效率上很难有实质性的突破。近年来，GPU(Graphics Processing Unit)作为传统图形处理领域并行计算的重要硬件基础，逐渐在通用科学计算领域展示出强大的计算潜力，其计算性能早已超过同时期的CPU。同时，由于数量众多的计算核心集成在一块GPU卡上，基于GPU的并行计算不仅价格便宜，占地面积小，而且更节能。GPU的设计理念为大规模并行计算在大吞吐量应用中的性能优势，即更大带宽的Memory(即显存)，将获取比单纯利用CPU进行并行计算的性能更加优异。

现有的电磁态势仿真系统架构多基于CPU计算，由于CPU的计算核心较少，控制模块和缓存占据了芯片的大部分空间，适合处理并行度低、数据局部性明显、操作复杂、包含大量分支结构的计算问题。GPU则由大量的计算核心组成，控制模块和缓存的比例很小，适合处理运算强度大、并行度高、控制流程简单。并且GPU核心的工作频率比传统的CPU更快，这样就使得GPU比单个CPU的处理能力强大许多。近年来，GPU因其巨大的计算潜力在通用计算领域正受到越来越多的关注，有学者预测，基于GPU的并行计算代表着未来高性能计算的发展趋势。由GPU和CPU的特点比较可知：CPU中大部分(大概70％)晶体管用来构建Cache还有一部分控制单元，负责逻辑算数的部分并不多，而GPU整个就是一个庞大的计算阵列，因此GPU中负责逻辑算数的部分要远远大于CPU，在逻辑运算上比CPU强很多；而且GPU对Cache的依赖比CPU小，因为GPU用的是高速度总线，而CPU需要处理不同类型的数据，更需要存储器的配合来执行load/store指令，因此通过在CPU内部构建一个Cache作为片上存储器，配合DRAM、ROM整个存储器体系结构为配合CPU处理load/store指令；还有一点是CPU的总线速度非常落后。此外，GPU需要做的工作在复杂度上远不如CPU，GPU需要处理的数据之间没有任何的关联，所以可以并行执行。综上，CPU设计初衷更适合串行计算，而GPU适合大规模并行计算，因此使用GPU的并行计算能力能大幅提高电磁态势仿真的计算速度。