[发明专利]基于CUDA的巨型星座覆盖性能并行计算方法

说明书

本发明公开了一种基于CUDA的巨型星座覆盖性能并行计算方法，包括如下步骤：(1)设置星座的初始参数；(2)设置覆盖性能计算条件；(3)根据星座的初始参数在GPU中为星历数据预分配内存；(4)根据星座的初始参数和覆盖性能计算条件在GPU中为覆盖计算中间变量以及最终计算结果预分配内存；(5)对星座进行轨道预报；(6)坐标转换，将卫星星历从地心天球坐标系转到地固系；(7)将星历数据从CPU拷贝到GPU；(8)按照给定的覆盖性能计算条件，在GPU中进行覆盖性能计算；(9)将计算结果从GPU拷贝到CPU输出。本发明实现了巨型星座的覆盖性能快速计算，大大提高了仿真效率，在Jetson系列嵌入式开发板上运行，应用于搭载了星载嵌入式GPU系统的卫星平台中。

技术领域

本发明涉及星座设计技术领域，尤其是一种基于CUDA的巨型星座覆盖性能并行计算方法。

背景技术

多颗卫星通过组网形成卫星星座，常用于对地观测以及提供通信导航等服务。在对地观测、通信导航等星座设计中，其对全球的覆盖性能是一个重要的设计指标。此外，在星座完成部署以后，在其运行的过程中，需要根据实际的工程需要和覆盖需求，对星座进行实时的调整和补充，这要求对星座的整体状态尤其是其实时覆盖性能进行监测。

英伟达公司于2007年推出的计算统一设备架构(Compute Unified DeviceArchitecture,CUDA)，充分利用了图形处理器(Graphics Process Unit,GPU)的强大并行计算能力，可以有效地提高计算效率。CUDA并行计算架构适合处理有较大数据规模，且较简单指令的计算密集型任务。

国内外多家公司和机构开始布设低轨宽带通信星座，为全球提供高速互联网服务。为了满足大容量、高速率、低延迟的通信要求，低轨互联网星座规模远高于传统的移动通信星座，如铱星系统。低轨巨型互联网星座需要的卫星数目从数百颗到上万颗不等。对于规模庞大的巨型星座，分析其全球覆盖性能所需要的计算规模将十分巨大。按照传统的串行方法，计算效率十分低下，不利于巨型星座的快速设计与优化以及后期星座状态的实时监测与运行维护。因此，需要一种提高计算效率的方法，来处理巨型星座的覆盖性能计算问题。

发明内容

本发明所要解决的技术问题在于，提供一种基于CUDA的巨型星座覆盖性能并行计算方法，将覆盖性能计算过程并行化，大幅提高了巨型星座覆盖性能的计算效率。

为解决上述技术问题，本发明提供一种基于CUDA的巨型星座覆盖性能并行计算方法，包括如下步骤：

(1)设置星座的初始参数；

(2)设置覆盖性能计算条件；

(3)根据星座的初始参数在GPU中为星历数据预分配内存；

(4)根据星座的初始参数和覆盖性能计算条件在GPU中为覆盖计算中间变量以及最终计算结果预分配内存；

(5)对星座进行轨道预报；

(6)坐标转换，将卫星星历从地心天球坐标系转到地固系；

(7)将星历数据从CPU拷贝到GPU；

(8)按照给定的覆盖性能计算条件，在GPU中进行覆盖性能计算；

(9)将计算结果从GPU拷贝到CPU输出。

优选的，步骤(1)中，星座的初始参数包括星座的初始历元，星座中的各个卫星的初始轨道根数，仿真时长以及仿真的时间间隔；将轨道根数转为位置速度，按照设置的仿真时长以及仿真的时间间隔，共N_t个时刻。