مقاله کارت گرافیک کامپیوتر - Graphic card

اختصاصی از فی موو مقاله کارت گرافیک کامپیوتر - Graphic card دانلود با لینک مستقیم و پر سرعت .

مقاله کارت گرافیک کامپیوتر - Graphic card

قالب بندی : ورد

پیاده سازی یک گیرنده مخابراتی بشکل PC-Based با تکنولوژی GPU

اختصاصی از فی موو پیاده سازی یک گیرنده مخابراتی بشکل PC-Based با تکنولوژی GPU دانلود با لینک مستقیم و پر سرعت .

در این فایل word، پیاده سازی نوع جدیدی از BTS های مبتنی بر تکنولوژی رادیونرم افزاری، مورد بحث قرار خواهد گرفت. در این روش جهت پیاده سازی الگوریتمهای پردازشی، بجای استفاده ازFPGA و یا DSP Processor های متداول، از پردازنده های کارت های گرافیکی پرسرعت (که قادر به محاسبه هزار میلیارد محاسبه نقطه شناور در ثانیه هستند) استفاده می شود. در ادامه مقایسه ای بین روش سنتی و روش ارائه شده انجام می گردد و در پایان،  طرح نهایی ارائه خواهد گردید و روی پیکر بندی آن بحث خواهد شد.

امروزه سیستم‌های مخابراتی سیار نقش چشمگیری در زندگی انسان‌ها دارند. تقریبا می‌توان ادعا کرد شبکه مخابرات سلولی در تمام نقاط جهان نفوذ نموده است. مسلما نقش BTS های مخابراتی در کیفیت سرویس یک شبکه مخابرات سیار، بارز و بی بدیل می باشد. شکی نیست که پیاده سازی الگوریتمهای پیچیده پردازش سیگنال نظیر فیلتر های وفقی، مدولاتور و دمودولاتور، رهگیری و همزمانی، کدینگ و سایر بخشهای پردازشی در یک BTS، تنها در بستر  رادیو نرم افزار(SDR[1]) امکانپذیر است. در حقیقت، گیرنده و فرستنده این سیستم بایستی بر مبنای تکنولوژی رادیو نرم افزاری ساخته شود. بنابراین لازم است تا در ابتدای این مقاله، راجع به اهمیت تکنولوژی رادیو نرم افزار، توضیحات مبسوطی ارائه گردد و پس از آن، بحث بسمت ایده اصلی مقاله سوق یابد.

 تقریبا تمامی وسایل مخابراتی اطراف ما، امروزه هر یک بنحوی از تکنولوژی رادیو نرم افزاری استفاده می نمایند. قابلیت تغییر نرم­افزار و انعطاف­پذیری این سیستم­ها به اندازه­ای زیاد می­باشد که وابستگی سیستم­های مخابراتی به سخت­افزار تا حد زیادی از بین رفته و همچنین انعطاف بیشتری را به سیستم برای سازگاری با خدمات چند­رسانه ای روی یک گیرنده داده است.[1] پیکربندی و برنامه­ریزی دوباره ساختاری، به سهولت و بدون هیچ تغییر سخت­افزاری انجام می­شود. کاربرد SDR محدود به مصارف عمومی نمی گردد. امروزه تقریبا می توان چنین ادعا نمود که این تکنولوژی در تمام زیر شاخه های آماتوری و حرفه ای  صنعت مخابرات رسوخ نموده است. بعنوان مثال، سیستم هایی مانند: ((BTS  و BSC  های موبایل، ناوبری و کنترل هوایی، ماهواره های مخابراتی، شبکه های wimax، تصویر برداری دیجیتال، سیستمهای کنترل و ابزار دقیق، ایستگاه های tracking زمینی، جهت یاب های دیجیتال، شبکه های ad-hoc  ، شبکه های vanet،  نسل های پیشرفته رادارهای اکتیو و پسیو، سمعک های دیجیتال، سیستم های مراقبت طیفی، نسل های جدید بیسیم های wideband، رادیو های دیجیتال مایکروویو کم  ظرفیت و پر ظرفیت، سونار و ...))  تنها  بخشی  از  کاربرد های  این  تکنولوژی  بشمار  می روند.

درچنین سیستمی، پردازش­گر دیجیتال عهده­دار کارکردهایی است که پیش از این به­صورت آنالوگ انجام می­پذیرفت. هدف از طراحی یک سیستم SDR-Based، کاهش اجزاء لازم در بخش RF از آنتن تا بخش پردازشگر دیجیتال می­باشد تا بدان وسیله بیشتر پردازش­های مخابراتی توسط پردازش­گر دیجیتال انجام پذیرد. معمولا از ابزاری نظیر DSP Processor [2] و [3] FPGA بعنوان پردازشگر دیجیتال استفاده می شود. این امر در مورد BTS های مخابراتی نیز صادق می باشد. متاسفانه DSP Processor  و  FPGA دارای عیوب راهبردی و عمده ای هستند. در این مقاله سعی بر این است تا با معرفی تکنولوژی جایگزین که [4] GPU نامدارد، بتوان یک سیستم رادیونرم افزاری پرقدرت طراحی نمود که در آن عیوب روشهای قبل، پوشش داده شده باشد. مطمئنا چنین سیستمی، بستر مناسبی را برای طراحی یک  BTS   مخابراتی، مهیا خواهد نمود. در ادامه مقایسه ای روی FPGA)) و DSP)) با GPU انجام خواهد شد. سپس پیاده سازی یک BTS  با تکنولوژی GPU مورد بحث قرار خواهد گرفت و در پایان نیز، نتیجه گیری ارائه می گردد.

1-     مقایسه FPGA)) و ((DSP با GPU

DSP Processor ها این مزیت را دارند که با زبان سطح بالای C پروگرام شوند و براحتی می توان بوسیله آنها، الگوریتمهای پردازشی را پیاده سازی کرد. اما در عوض، دارای سرعت پردازشی پایینی می باشند و عملا نمی توانند در پردازش سیگنالهای با پهنای باند زیاد به کار آیند. در مقابل، FPGA ها آنقدر سریع هستند که بتوانند سیگنالهای باند عریض را (حتی تا نسل چهارم موبایل) پوشش دهند، اما انعطاف پذیری آنها بسیار پایین است و فرآیند اصلاح برنامه و دیباگ کد ها در آن، بسیار وقت گیر می باشد. بنابراین در سیستمهای رادیو نرم افزاری، طراحان معمولا مجبورند تا با استفاده توامان از DSP Processor  و  FPGA، بنحوی از مزایای ذاتی هر یک استفاده نمایند. البته این امر معمولا به پیچیده تر شدن سیستم، طولانی شدن زمان اجرا، افزایش هزینه و حجم سیستم منتهی می گردد.[2]

خوشبختانه تکنولوژی جدیدی بنام  GPU پا به عرصه نهاده است  که می تواند مزایای دو روش قبلی را بصورت توامان بهمراه داشته باشد. بنای این روش بر استفاده از پردازش گر های داخلی کارت های گرافیکی می باشد[3]. کارت های گرافیکی که معمولا دارای 200 الی 1000 پردازنده داخلی قدرتمند هستند، در ابتدا برای بازی های کامپیوتری طراحی شده بودند، اما خیلی سریع وارد عرصه پردازش سیگنال شدند و توانستند جای خود را در عرصه محاسبات سرعت بالا باز کنند. از اینجا به بعد، مبحث جدیدی تحت عنوان  ((محاسبات همه منظوره بکمک پردازنده های گرافیکی)) که اصطلاحا [5] GPGPU نامیده می شود، مطرح گردید. این مبحث، امروزه در بیش از پنجاه دانشگاه و مراکز تحقیقاتی دنیا (از جمله دانشگاه استنفورد) بصورت جدی دنبال می گردد. لازم بذکر است که این مبحث در تمامی علوم مهندسی کاربرد دارد. صنعت مخابرات نیز توانسته است از سال 2009 به بعد، از این تکنولوژی برای ساخت نسل های جدید رادیونرم افزاری، استفاده نماید [2-4].

[1] Software Defined Radio

[2] Digital Signal Processor

[3] Field Programmable Gate Arrays

[4] Graphics Processing Unit

[5] General-purpose computing on graphics processing units

1-     نتیجه‌گیری

در این مقاله، نشان داده شد که  برای ساخت یک BTS موبایل، یک سیستم رادیو نرم افزاری مبتنی بر GPU  مزایای بسیار زیادی نسبت به سیستم مبتنی بر FPGA یا DSP Processor دارد. این امر از دید مقالات عملی، مورد بررسی قرار گرفت( علی الخصوص مرجع [2]  که ساخت یک BTS سیستمWIMAX را بکمک GPU بصورت عملی تشریح نموده بود). تجربه اندک نگارنده نیز پس از 7 سال کار با سیستم های رادیو نرم افزاری سنتی، این مطلب را تایید می نماید. در پایان تاکید می گردد که در سیستم هایی که محدودیت توان مصرفی، ابعاد و قیمت رقابتی را ندارند، اولویت طراحی های بعد از سال 2011 بر روی GPU  استوار  می باشد.

مراجع

• Mitola, “the Software Radio Architecture”, IEEE Communications magazine, Vol. 33, no. 5, May 1995.
• J. Kim, S. Hyeon, and S. Choi, “Implementation of an SDR System Using Graphics Processing Unit” IEEE Communications Magazine, Vol. 55, No. 1, pp. 156-162, 2010.
• Plishker, G. Zaki, S.Bhattacharyya, “ Applying  Graphics
• Processor Acceleration in a Software Defined Radio Prototyping
• Environment” IEEE conference, pp. 67-73, 2011.
• Wu, S. Gupta, Y. Sun, and J. R. Cavallaro, “A GPU implementation of a real-time MIMO detector”,IEEE Workshop on Signal Processing Systems, p. 6, 2009.
• NVIDIA, NVIDIA CUDA C Programming Guide, May 2010.
• NVIDIA, NVIDIA CUDA reference Manual, 3rd ed., June 2010.
• AccelerEyes, The Jacket Platform, Productivity in GPU Computing, 2010.

این فایل بصورت word تهیه شده و دارای 7 صفحه است

ترجمه مقاله پیاده سازی موازی الگوریتم کرم شب تاب رو GPU

اختصاصی از فی موو ترجمه مقاله پیاده سازی موازی الگوریتم کرم شب تاب رو GPU دانلود با لینک مستقیم و پر سرعت .

این مقاله ترجمه مقاله انگلیسی Parallel Parametric Optimisation with Firefly Algorithms on
Graphical Processing Units می باشد . /

سال انتشار : 2012 /

تعداد صفحات مقاله انگلیسی : 7 /

تعداد صفحات فایل ترجمه : 13 /

فرمت فایل ترجمه : Word /

مقاله اصلی را به زبان انگلیسی می توانید رایگان از اینجا دریافت کنید ./

چکیده:

الگوریتم هایی مثل ذرات و الگوریتم کرم شب تاب از الگوریتم های قدرتمند برای بهینه سازی می باشد. که از طبیعت الهام گرفته اند  در این مقاله، ما قصد داریم به تدوین و فرموله کردن الگوریتم جدیدFireFlyیا راهبرد جستجو از طریق الگوریتم کرم شب تاب بپردازیم . مطالعات عددی و نتایج نشان می دهد که الگوریتم کرم شب تاب  نسبت به الگوریتم های Metaheuristic موجود است الگوریتم موفقی است البته درجه موفقیت به نوع مسئله بستگی دارد . در نهایت مفاهیم را برای تحقیقات بیشترمورد  بحث  قرار میدهیم . در نهایت چندین شبیه سازی روی این الگوریتم انجام میدهیم تا کارآیی آن را نشان دهیم .

دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب

اختصاصی از فی موو دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :تمایز الگوریتم الحاقی GPU شتاب

موضوع انگلیسی :GPU-accelerated adjoint algorithmic differentiation

تعداد صفحه :12

فرمت فایل :PDF

سال انتشار :2016

زبان مقاله : انگلیسی

چکیده
بسیاری از مسائل علمی مانند آموزش طبقه بندی و یا بازسازی تصاویر پزشکی را می توان بیان
به عنوان حداقل رساندن مشتقپذیر توابع هزینه واقعی ارزش و حل مبتنی بر گرادیان تکراری
مواد و روش ها. الحاقی تمایز الگوریتم (AAD) را قادر می سازد محاسبه شیب چنین خودکار
توابع هزینه به عنوان برنامه های کامپیوتری اجرا شده است. به backpropagate مشتقات الحاقی، بیش از حد
حافظه به طور بالقوه مورد نیاز برای ذخیره مشتقات جزئی میانی در یک ساختار داده اختصاص داده شده،
به عنوان '' نوار '' نامیده می شود. موازی مشکل است زیرا موضوعات نیاز به همگام سازی دسترسی خود
در طول مداخله و پس انتشار خطا. این وضعیت برای معماری بسیاری از هسته تشدید، مانند
واحد پردازش گرافیکی (GPU ها)، به دلیل تعداد زیادی از موضوعات سبک وزن و محدود
اندازه حافظه به طور کلی و همچنین هر موضوع. ما نشان دهد که چگونه این محدودیت ها می توان اگر واسطه
تابع هزینه است با استفاده از عملیات بردار و ماتریس GPU شتاب که به رسمیت شناخته شده بیان
توابع به عنوان ذاتی توسط نرم افزار AAD ما است. ما این رویکرد در مقایسه با ساده و بی تکلف و برداری
پیاده سازی شده برای پردازنده است. ما با استفاده از چهار توابع هزینه به طور فزاینده پیچیده برای ارزیابی عملکرد
با توجه به مصرف حافظه و زمان انجام محاسبات شیب. با استفاده از vectorization، CPU و GPU
مصرف حافظه می تواند قابل ملاحظه نسبت به اجرای ساده و بی تکلف مرجع کاهش می یابد، در
برخی از موارد حتی منظور از پیچیدگی است. vectorization استفاده از اجازه از کتابخانه های موازی، بهینه
در طول جلو و عقب پاس که در تند بالا برای نسخه CPU برداری منجر
نسبت به اجرای مرجع ساده و بی تکلف. نسخه GPU به دست آورد تسریع اضافی از
7.5 ± 4.4، نشان دادن که قدرت پردازش GPU های را می توان برای AAD استفاده از این مفهوم استفاده شده است.
علاوه بر این، ما نشان می دهد که چگونه این نرم افزار می توان به طور سیستماتیک برای مشکلات پیچیده تر گسترش
مانند بازسازی جذب غیرخطی توموگرافی-فلورسانس واسطه