Hrg. Michael Hofer,
"Implementierung von Signalverarbeitungsalgorithmen auf Grafikkarten"
, 6-2014
Original Titel:
Implementierung von Signalverarbeitungsalgorithmen auf Grafikkarten
Sprache des Titels:
Deutsch
Original Kurzfassung:
Die Detektion des Vorhandenseins von periodischen Anteilen in Messsignalen beziehungsweise die Schätzung unbekannter
Parameter eines periodischen Signals findet Anwendung in vielen verschiedenen Bereichen wie zum Beispiel in der
Sprachsignalverarbeitung, Radarsignalverarbeitung, in Produktionsprozessen bei der Verarbeitung von Endlosmaterial
und in der Messtechnik im Allgemeinen. Es existieren diverse Algorithmen zur Auswertung solcher Signale.
Problematisch bei diesen Algorithmen ist die teilweise notwendige sehr hohe Rechenzeit, die eine
Echtzeitimplementierung oder zumindest eine Implementierung mit einer akzeptablen Rechenzeit verhindert.
Dies gilt speziell bei der Verwendung von großen Sensorarrays, deren Signale parallel auszuwerten sind. Es ist zu
bemerken, dass die erwähnten Algorithmen in hohem Maße parallelisierbar sind. Durch die Verwendung der parallelen
Rechenarchitektur einer Grafikkarte (GPU) mit deren Vielzahl an vorhanden Rechenkernen lässt sich eine beachtliche
Reduktion der gesamten Rechenzeit erzielen.
Es wurde das Leistungspotentials von GPUs zur Lösung komplexer Aufgaben der Signalverarbeitung allgemein sowie am
Beispiel der Auswertung von periodischen Signalen in der Messtechnik eingeschätzt. Durch Vergleich von
konventionellen, sequentiellen Implementierungen zu parallelen Implementierungen in einer speziell entwickelten
Hard- und Softwareumgebung (CUDA) der Firma NVIDIA wurde das Beschleunigungspotenzial von CUDA-fähigen GPUs gezeigt.
Sprache der Kurzfassung:
Deutsch
Englischer Titel:
Implementation of signal processing algorithms on graphics cards
Englische Kurzfassung:
The detection of the presence of periodic components in measurement signals or the estimation of unknown parameters
of a periodic signal is a signal processing task in many different areas, such as in speech signal processing,
radar signal processing, in the production of endless material and metrology in general. There are various algorithms
to evaluate such signals. The challenge with these algorithms is the very large processing time which typically
prevents the real-time implementation or an implementation with an acceptable processing time. This is particularly
relevant with the use of large sensor arrays, whose signals are to be analyzed in parallel. It should be noted that the
above-mentioned algorithms are themselves highly parallelizable. With the use of parallel computing architecture of
a graphics card (GPU) and its large number of available computing cores a considerable reduction of the total
computation time can be achieved.
The goal was to estimate the performance of such GPUs for the solution of complex signal processing tasks in general
as well as for the example of the periodic signals evaluation in measurement technology. A comparison of conventional,
sequential implementations to parallel implementations in a specially designed hardware and software environment (CUDA)
from the company NVIDIA shows the acceleration potential of the CUDA-enabled GPUs.