-
题名混合w-facets成像并行算法研究
被引量:2
- 1
-
-
作者
于昂
劳保强
王俊义
安涛
-
机构
桂林电子科技大学信息与通信学院
中国科学院上海天文台
-
出处
《天文学进展》
CSCD
北大核心
2020年第4期421-435,共15页
-
基金
国家重点研发计划(2018YFA0404603)
国家自然科学基金(U1831204,10973028,10833005,10878003,61966007)
+6 种基金
创新群体(10821302)
973(2007CB815402/403)
重点实验室开发基金(10821302,CRKL180201)
广西高校卫星导航与位置感知重点实验室开发基金
广西云计算与大数据协同创新中心(1716)
认知无线电与信息处理教育部重点实验室主任基金(CRKL180106)
广西无线宽带通信与信号处理重点实验室主任基金(CRKL180106,GXKL06180107)。
-
文摘
大视场成像是低频射电干涉阵列数据处理的核心技术,也是实现未来平方公里阵射电望远镜(square kilometre array, SKA)宏伟科学目标的基础手段。为了改善uv-faceting和w-projection这两种大视场成像算法,研究了它们之间的混合算法(称为w-facets);此外,为了加速该混合算法,提出基于多核CPU和GPU的并行算法。验证性实验表明,与uv-faceting算法相比,该混合算法每束光能降低4 mJy噪声水平,图像的动态范围最高提升2.34 dB;并且,在图像质量最好时,与目前在澳大利亚默奇森宽视场阵列(Murchison widefield array, MWA)项目数据处理中广泛使用的w-stacking算法的结果基本一致。性能测试结果表明,基于多核CPU的并行算法在一定线程数范围内,具有良好的可拓展性,当分面数与线程数相等时,加速效果最佳;基于GPU的并行算法加速比高达201.8倍,是多核CPU的并行方法最佳结果的8.9倍左右。这些研究成果能够为即将开展的大视场成像相关科学任务,提供有力的技术支撑和参考价值。
-
关键词
射电天文
大场成像
混合算法
并行优化
-
Keywords
radio astronomy
wide-field imaging
hybrid algorithm
parallel optimization
-
分类号
P164
[天文地球—天文学]
-