[发明专利]一种基于多GPU的高速计算全息图的方法

说明书

技术领域

本发明涉一种高速计算全息图的方法，尤其涉及一种基于多GPU系统的全息图的快速计算方法。

背景技术

国内外在全息图计算加速方面主要有两种方式，一是利用硬件进行快速运算，二是基于全息图计算原理，利用快速算法进行加速。

新加坡的Yuechao Pan小组2009年在图形处理器(Graphics Processing Unit，缩写成GPU)上实现了该小组提出的加速算法S-LUT，通过GPU并行运算，达到了实时的计算速度。算法基于查找表方法，通过分析菲涅尔衍射的计算公式，将x方向与y方向分离开独立计算，记录x和y方向的调制因子，计算时，先将两个调制因子相乘，然后叠加得到整个全息图。

现有的两种方法存在的问题是，首先记录的数据量仍然很大，较大的数据量会超出CPU缓存的容量；并且因为CPU的计算效率远远低于GPU，因此CPU从内存中读取数据的时间会增加数据的读取时间，从而降低计算速度；最后编程模块不通用，需要单独设计，且对硬件要求也高，因此不适合推广。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题就是如何基于多GPU的高速计算全息图的方法，结合快速算法，提出一种将编程建立在主流GPU架构上的高速计算全息图的方法。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于多GPU的高速计算全息图的方法，其特征在于，首先在离线下预先计算全息图，并存储于表格中；然后，在在线下，首先从表格中读取构建目标物体点对应的X，Y方向调制因子，然后乘以对应的Z方向的调制因子，从而获得所需点的全息图；

其中，离线的计算过程包括以下步骤：

步骤一：在主机端申请查找表和设备端的内存空间；

步骤二：建立查找表空间，并将数据传输到设备端；

步骤三：调用设备端的核函数，该函数在设备端进行运算；

步骤四：设备端保存主机端传来的物体数据；

步骤五：设备端计算X，Y方向的调制因子，每个线程索引分别对应X，Y的值；

步骤六：将计算结果传回主机端；

步骤七：保存设备端传回的调制因子数据，释放申请的主机端和设备端空间；

在线的计算过程包括以下步骤：

步骤一：在主机端申请查找表和设备端的内存空间；

步骤二：读取物体数据和查找表中保存的数据；

步骤三：将数据信息传输到设备端；

步骤四：调用设备端的核函数，该函数在设备端进行运算；

步骤五：设备端保存主机端传来的物体数据和查找表空间数据；

步骤六：设备端进行运算，对于同一二维面上的物点，首先计算所有相同X坐标的点的Y方向的调制因子之和，然后乘以相应的相同Y坐标的点的X方向的调制因子之和，最后乘以对应平面的Z方向的调制因子便可以得出该平面物体的全息图；

步骤七：将计算结果传回主机；

步骤八：保存设备端传回的全息图数据，释放申请的主机端和设备端空间，保存并显示计算结果。

优选地，所述离线或在线的计算过程中，首先划分并行计算的任务，将全息图平面上的各个像素点分别交给GPU的各个thread进行计算。

(三)有益效果

本发明的一种基于多GPU的高速计算全息图的方法，利用多个GPU同时计算，并且运用基于点元法的表格数据压缩方法计算全息图，在计算查找表表格数据时，将建立的三维空间分成多个虚拟的二维截面图层，由于每个二维平面所有点对应的传播方向的调制因子相同，所以在记录查找表数据时，只需记录二维平面内水平和竖直方向的调制因子，减少了层数倍的存储空间。结合并行实现压缩查找表的方法，不仅减少了查找表的存储空间，还加快了全息图的计算速度。同时，编程建立在主流GPU编程架构上，方便开发，利于推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1：离线下的计算流程示意图；

图2：在线下的计算流程示意图；

图3：计算全息图的任务划分结构示意图；

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。