相位差算法的并行化分析與實現(xiàn).pdf

1、受大氣湍流影響，平面波經(jīng)大氣傳播后，振幅和相位將發(fā)生隨機起伏，導(dǎo)致光強閃爍、波面畸變。當(dāng)光進入光學(xué)系統(tǒng)后，光學(xué)系統(tǒng)自身裝調(diào)誤差、光學(xué)元件制造誤差以及溫度和重力等因素都會導(dǎo)致波前發(fā)生畸變。為提高成像質(zhì)量，必須消除或降低大氣湍流和系統(tǒng)自身誤差的影響。為此，研究人員提出了許多方法，這些方法大體分為兩類：一類是自適應(yīng)光學(xué)技術(shù)，這一技術(shù)通過波前探測器對波前畸變進行探測，并實時地將探測到的波前轉(zhuǎn)變?yōu)樽冃午R的控制信號，使波前畸變得到實時補償。另一類方

2、法是事后圖像處理技術(shù)，該技術(shù)的核心是通過成像面的光強分布對目標進行反演，這類方法主要包括斑點成像、解卷積和盲解卷積等算法。
　　相位差算法（Phase Diversity，PD）是一種既可以作為波前探測又可以用于事后圖像復(fù)原的技術(shù)。與其他波前探測技術(shù)相比，PD算法不僅可以應(yīng)用于點目標還可以應(yīng)用于擴展目標，并且結(jié)構(gòu)簡單、不存在非共光路誤差。但是，PD算法計算量大，一直以來只應(yīng)用在圖像事后處理領(lǐng)域或者與自適應(yīng)光學(xué)相結(jié)合使用。近些年，隨

3、著高性能計算技術(shù)的發(fā)展，許多復(fù)雜的計算問題都得到了解決。在此基礎(chǔ)上，本課題針對如何提高相位差算法計算速度開展如下研究：
　　第一，對PD算法的計算過程進行分析，找到限制算法計算速度的瓶頸。從計算步驟來看，耗時最長的部分為代價函數(shù)和梯度函數(shù)的計算。從運算單元的角度來看，耗時最長的為傅里葉變換和規(guī)約求和。
　　第二，基于GPU平臺的FFT庫函數(shù)CUFFT雖歷經(jīng)幾次升級，計算效率得到大幅提升。但是，通過分析發(fā)現(xiàn)二維FFT計算效率仍

4、有較大提升空間，而且針對特定應(yīng)用，CUFFT庫函數(shù)不能與上下文的計算合并，從而導(dǎo)致多次對Global Memory的訪問。本文分析了合并內(nèi)存事務(wù)大小與占用率之間的關(guān)系，得到了最優(yōu)的線程塊配置。與CUFFT6.5相比，512×512雙精度浮點復(fù)數(shù)二維FFT的效率提升了1.27倍。
　　第三，對代價函數(shù)和梯度函數(shù)計算過程中最耗時的光學(xué)傳遞函數(shù)的計算進行分析，并提出了一種從波前到光學(xué)傳遞函數(shù)的快速計算方法，并且在GPU平臺上予以實現(xiàn)。本

5、文提出的方法有效地剔除了PSF和OTF計算過程中的冗余計算。針對像面為512×512像素的成像系統(tǒng)，本文方法比采用CUFFT庫函數(shù)的方法效率提高了4.88倍。
　　第四，在PD算法GPU實現(xiàn)過程中，對代價函數(shù)和梯度函數(shù)進行冗余計算的分析。PD算法計算過程中涉及到傅里葉變換，采用了兩種方法，方法1采用庫函數(shù)CUFFT，方法2采用本文實現(xiàn)的FFT函數(shù)。與方法1相比，方法2不僅通過剔除冗余計算減少了計算量，還通過上下文Kernel的合并

6、，減少了對Global Memory的訪問。實驗結(jié)果表明對于像面為256×256像素、光瞳采樣因子為3的成像系統(tǒng)，方法2比方法1計算效率提升了1.83倍。然后，在雙GPU平臺上對PD算法進行了合理的任務(wù)劃分，方法2在雙GPU上效率比單GPU提升了17％。
　　最后，針對點目標搭建了閉環(huán)實驗平臺，研究了PD算法對靜態(tài)像差的探測能力。實驗過程中，采用He-Ne激光器和空間濾波器模擬了點目標，液晶空間光調(diào)制器（LC-SLM）除了被用于產(chǎn)