文件名称：频域Fm滤波器背景及意义-onfi接口规范
文件大小：3.89MB
文件格式：PDF
更新时间：2024-07-05 04:53:36
CUDA
1．1频域Fm滤波器背景及意义 随着计算机和信息科技的飞速发展，数字信号处理技术应运而生并得到迅速发展。 数字信号处理的目的是对现实世界连续信号进行测量或处理。为便于利用计算机资源进 行信号处理，产生了在抽样定理指导下将连续时间信号转变为离散时间信号的完整理论 与方法。数字信号处理技术在语音图像、雷达信号以及生物医学等领域得到了极为广泛 的应用。但现实环境错综复杂干扰严重，数字信号在产生、传输、转换的每个环节都有 可能发生畸变，有时这种畸变还很严重，会使信号及其所携带的有用信息也被深深掩埋 于噪声中。为了从受到干扰的信号中还原、筛选出有用的成分，就需要用到数字信号滤 波器。 数字信号滤波器按照单位脉冲响应的不同，可以分为无限长单位脉冲响应滤波器 (IIR)与有限长单位脉冲响应滤波器(FIR)【l】。FIR滤波器作为数字信号处理的基本 功能单元，其性能的高低直接影响到数字信号处理系统的实时处理能力。如何提高FIR 滤波处理速度，成为了当前研究的一个重要课题。 实用中的FIR滤波器面临着采样信号尺度持续增大、滤波执行速度需求愈高、滤波 延时不能有效降低等难题。使用普通计算机解决这类问题效果甚微，需要有硬件配置更 好的小型机甚至计算机集群才能胜任，但高配小型机与计算机集群的使用开销巨大，普 通研究者们可能无法使用到这些设备。 GPU的出现从根本上解决了这一现状。GPU具有非常强大的浮点数计算能力和并 行数据处理能力，因而非常适合大数据量的浮点运算，不但善于进行图像处理，还可以 进行其它一些通用计算，可以提供数十倍乃至数百倍于CPU的性能【2】。为便于使用GPU 设备进行通用计算，NVIDIA在2007年推出统一计算设备架构(CUDA)。CUDA产品 消除了传统GPU硬件架构的限制，可以很方便利用其硬件资源进行通用计算。另外 CUDA编程也不太复杂，CUDA C只是对C语言进行了适度的扩展，并提供大量的高性 能计算接口，使开发者能够在GPU强大计算能力的平台上搭建起一种效率更高的并行 数据解决方案。 利用GPU强大的浮点数计算能力和并行处理数据能力来实现基于CUDA架构的 FIR滤波算法，能够以较快的速度、很低的延时处理大规模采样数据。FIR滤波器的实 现既可以在时间域完成，也可以在频域完成。基于频域实现FIR滤波需要调用CUDA 万方数据