混合w-facets成像并行算法研究

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。