[发明专利]基于GPU加速的射频链路仿真方法

权利要求书

1.一种基于GPU加速的射频链路仿真方法，其特征在于：包括以下步骤：

步骤1）将数据传输到GPU显存：在CPU端将链路中的级联信息和涉及到的所有射频元器件的snp数据和其他属性载入到主机的内存上并设置该内存为页锁内存，页锁内存映射到GPU的显存，减少GPU与主机的数据传输；

步骤2）拉格朗日插值：将步骤1）中传输到GPU显存上的数据作为初始数据，并提取出初始数据中射频链路的起始频率、终止频率、频率步进数据，在GPU上执行拉格朗日插值算法；

拉格朗日算法理论支持如下：

对于某个多项式函数，已知有给定的d+1个取值点：

；

其中，代表第个自变量， 代表第个因变量；

为拉格朗日基函数：

；

L(x)为拉格朗日插值多项式：

；

基于CUDA指令的拉格朗日算法逻辑为：频率值对应线程块的行索引，S参数的相位幅度对应线程块的列索引，取出需要插值的频率值所在数组前后相邻的频率值和与之对应的S参数的相位幅值放入GPU的共享内存然后进行插值计算；

步骤3）生成多个链路方案：步骤2）中链路中所涉及的所有射频元器件的数据准备完成后，利用十进制的思想来同构生成多个链路方案，算法逻辑如下：

N为组成链路的节点数；

n为组成链路的第n个节点， n=0,1,2……N；

为组成链路的第n个节点总共包含种元器件；

为组成链路的第n个节点的第种元器件， =1,2,3……；

对应的链路方案索引数为：

；

步骤4）划分CUDA流：CUDA流表示一个GPU操作队列，该队列中的操作将以添加到流中的先后顺序而依次执行；

将一个流看做是GPU上的一个任务，不同任务并行执行；

该步骤是将数量庞大的链路方案根据GPU的多处理器的数量进行分块，每块交给一个CUDA流去处理，算法逻辑如下：

cNum为链路的方案数量；

smNum为GPU中多处理器的数量；

streamNum为CUDA流的数量；

cNumPerStream为每个CUDA流中链路方案的数量；

CUDA流的数量设置为等于GPU多处理器的数量，有利GPU硬件的高效利用；

streamNum=smNum；

最后一个CUDA流对应的方案数为：cNumPerStream=cNum%streamNum；

其他的CUDA流对应的方案数为：cNumPerStream=cNum/streamNum；

步骤5）基于GPU的射频链路计算：包括计算S参数、OIP3、噪声系数和1dB压缩点，以频率维度和链路方案数维度组成一个二维的线程块，每个射频链路方案和一个频率点对应一个GPU线程，将指标算法写进线程，实现多链路、多频率点的并行。

2.根据权利要求1所述的基于GPU加速的射频链路仿真方法，其特征在于：步骤 1) 中对射频元器件的snp数据使用主机的页锁内存来存储不需要显示的传输到GPU显存里，是一种数据使用和数据传输重叠的模式。

3.根据权利要求1所述的基于GPU加速的射频链路仿真方法，其特征在于：步骤 2) 中所述基于GPU的拉格朗日插值算法使用了CUDA代码编写，取出需要插值的频率值所在数组前后相邻的频率值和与之对应的S参数的相位幅值放入GPU的共享内存然后进行插值计算。

4.根据权利要求1所述的基于GPU加速的射频链路仿真方法，其特征在于：步骤 3) 中所述链路中所涉及的所有射频元器件的数据准备完成后，利用十进制的思想来同构生成多个链路方案。

5.根据权利要求1所述的基于GPU加速的射频链路仿真方法，其特征在于：步骤 4) 中所述划分CUDA流来分块计算数据。

6.根据权利要求1所述的基于GPU加速的射频链路仿真方法，其特征在于：步骤 5) 中所述以频率维度和链路方案数维度组成一个二维的线程块，每个射频链路方案和一个频率点对应一个GPU的线程，将指标算法写进线程，利用GPU实现多个链路、多个频率点指标计算的并行。