面向6G空口信号处理的新一代GPU基带研究

在6G网络中,随着新兴业务和场景的不断涌现,以及人工智能内生需求的日益增加,6G无线空口的灵活性成为当前研究的重点。这种灵活性要求软件算法与硬件平台的协同发展,然而现有的研究多集中在软件算法层面,对硬件平台的探索相对不足。面向6G空口信号处理,研究了基于GPU硬件平台的空口基带实现的可行性。首先基于GPU的特点及基带信号处理的要求,分析了GPU作为基带处理单元的可行性。随后选取吞吐量和算术强度作为GPU基带的关键性能指标进行分析,并基于Sionna平台对吞吐量部分进行了初步仿真验证。最后,总结了研究工作并对未来6G无线空口技术的发展进行了展望。

基于嵌入式GPU的三天线GNSS基带信号处理加速技术

GNSS软件接收机因其可移植性及灵活性等优点,持续受到业内关注。但传统的软件接收机存在计算量大、耗时长的捕获和跟踪基带信号处理过程,使得软件接收机往往跟踪通道较少,且难以在嵌入式系统上运行。利用嵌入式图形处理器(GPU)的高浮点性能和并行运算能力,对GNSS软件接收机中耗时长且并行性明显的模块进行加速,实现采用CUDA流的数据读取,以及多采样点并行的捕获和多采样点、多卫星并行的跟踪。采用嵌入式GPU进行加速后,可将数据读取速度提高3.43倍,卫星搜捕速度提高16.83倍,卫星跟踪速度提高11.28倍。实验结果表明,在嵌入式Jetson TX2平台上可以支持超过90个62MHz采样的GNSS卫星信号处理。研制了三天线GNSS信号的定位和测姿接收机,为未来小型嵌入式PNT系统的研制提供新思路。

基于GPU的北斗B1C信号快速捕获技术

捕获灵敏度和实时性是衡量软件接收机基带信号处理性能的关键指标,然而这两个指标之间却存在着此消彼长的关系。文中提出了一种基于CPU和GPU异构计算平台的北斗B1C信号快速捕获方法,可以较好地平衡捕获灵敏度和实时性能之间的矛盾。通过分析B1C信号捕获模块的各个部分访存量和计算量,该方法可以针对性地对计算和带宽资源消耗较大的部分进行GPU并行优化。复杂的逻辑判断和状态转换依靠CPU实现,而大量的彼此之间独立的数据计算则依赖于GPU实现。与CPU实现的软件接收机相比,文中的实现不仅在捕获总耗时上大幅度减少,而且在捕获灵敏度上也比捕获传统的B1I信号提高了将近8个d B。

基于CUDA的宽带GNSS接收机信号处理加速技术

现有的实时GNSS软件接收机不能满足干扰监测型接收机的带宽需求。CPU计算能力不能满足宽带软件接收机的实时计算需求,提出了利用GPU加速接收机的实现方法。通过分析基带信号处理模块的各个子模块的计算量,对计算量大的模块用GPU进行合理的优化,提升了基带信号处理能力。将结果与CPU软件接收机的结果进行了对比,发现信号处理时间大幅度减少,满足了实时性的要求。此外,提出了GPU编程方面的一般性建议,有利于提高信号处理速度。