CN112732418A

CN112732418A - 一种深水多波束并行计算方法

Info

Publication number: CN112732418A
Application number: CN202011280842.9A
Authority: CN
Inventors: 罗宇; 王舒文; 徐辉; 刘晓东; 施剑; 郑旭
Original assignee: Institute of Acoustics CAS; Shandong University of Science and Technology
Current assignee: Institute of Acoustics CAS; Shandong University of Science and Technology
Priority date: 2020-11-16
Filing date: 2020-11-16
Publication date: 2021-04-30

Abstract

本发明公开了一种深水多波束并行计算方法，属于海洋测绘和计算机编程技术领域，一种深水多波束并行计算方法，包括如下步骤：S1、通过网络传输***，将换能器阵列接收的原始信号A/D数据传输到数字信号处理单元，在不同模式下此过程时间不等，从2s﹣20s对应的实时处理时间应该小于各距离的发射到接收时间；S2、进行一次正交解调的并行优化处理，基于通道数的循环并行优化；S3、进行二次正交解调的并行优化处理，按照数据输入通道进行并行处理；S4、进行脉冲压缩的并行优化处理，首先生成本地FM信号，然后按照通道数进行并行优化处理。本发明实现了在高采样率和多通道下的实时数字信号处理技术，最大范围内调用CPU的性能。

Description

一种深水多波束并行计算方法

技术领域

本发明涉及海洋测绘和计算机编程技术领域，更具体地说，涉及一种深水多波束并行计算方法。

背景技术

海底地形测量是当前研究海洋、探测海底环境、获取海洋信息的重要学科，多波束测深技术作为单波束技术后的重大革新，已成为海底地形测量中用处极广的一种方法，其作业方式不同于传统单波束测深技术，改良了单波束***作业效率低，一次只能获得一个位于测量设备正下方的观测值的模式，多波束一次测量采样，每通道即可获得大量的数据点(典型128通道，每通道2560000个采样点)，在高频的采样率下即可获得高分辨率的海底地形信息。

深水多波束测深技术是基于多波束测深***原理进行研发的海洋测深技术，同样是基于回声测深技术，但不同点在于发射换能器在同一ping内的工作方式由原来的同步多波束改为顺序多波束，单次发射一束波束具有更强的能量会聚，能够穿透更深的海水层，深水多波束测深技术作用距离长、单ping时间长的特点导致单ping内处理的数据量十分庞大，对于实时的信号处理单元有着巨大的挑战。

深水多波束的实时信号处理单元的主要工作即将发射端与接收端的数据由网络传输***传递到处理模块，通过多重数字信号处理方法对A/D数据进行处理，实时信号处理的时间至少需要压缩到深水波束双向旅行时之内，在深水模式下，波束发射到采集完成的时间约20秒，意味着在20秒内实时信号处理单元要完成数字信号处理的一系列任务，深水多波束在采样率为128kHz的模式下，如果仅靠有限的硬件条件处理，数字信号处理单元所需要的时间远远超出这一时间范围，所以要对数字信号处理的各个环节进行优化。

深水多波束的数据在单通道一次接收2560k水下点数据，且当前***支持128通道数据，对于同样的数字信号处理函数而言，多通道的多线程并行处理是一种十分适合的优化方法，能够有效提高数字信号处理单元数据处理实时性的问题，寻找能够满足深水多波束数字信号处理单元实时数据处理功能的优化方法，成为当前对于深水多波束研究的重点。

发明内容

1.要解决的技术问题

针对现有技术中存在的问题，本发明的目的在于提供一种深水多波束并行计算方法，它实现了在高采样率和多通道下的实时数字信号处理技术，最大范围内调用CPU的性能。

2.技术方案

为解决上述问题，本发明采用如下的技术方案：

一种深水多波束并行计算方法，包括如下步骤：

S1、通过网络传输***，将换能器阵列接收的原始信号A/D数据传输到数字信号处理单元，在不同模式下此过程时间不等，从2s﹣20s对应的实时处理时间应该小于各距离的发射到接收时间；

S2、进行一次正交解调的并行优化处理，基于通道数的循环并行优化；

S3、进行二次正交解调的并行优化处理，按照数据输入通道进行并行处理；

S4、进行脉冲压缩的并行优化处理，首先生成本地FM信号，然后按照通道数进行并行优化处理；

S5、进行相移波束形成的并行优化处理，分别对各条带的接收波束进行相移时域波束形成并行优化处理。

作为本发明的一种优选方案，所述步骤S2基于OpenMp的并行优化实现，其基于OpenMp的并行优化实现过程如下：

#pragma omp parallel

#pragma omp for schedule(dynamic)

for(int channel＝0；channel<ChNum；channel++)

{

Demod1()；

}

在循环体接收到并行指令后，弹出多线程执行任务，直至最后一个线程结束，最终完成并行。

作为本发明的一种优选方案，所述步骤S3基于OpenMp的二次正交解调并行优化实现，其基于OpenMp的二次正交解调并行优化的实现过程如下：

#pragma omp parallel

#pragma omp for schedule(dynamic)

for(int channel＝0；channel<ChNum；channel++)

{

for(int pin＝0；pin<pinNum；pin++)

{

Demod2()；

}

}。

作为本发明的一种优选方案，在基于OpenMp的并行优化实现步骤S2的过程中以在基于OpenMp的二次正交解调并行优化实现步骤S3的过程中，其最佳的信号处理模块架构为并行模块之间的衔接。

作为本发明的一种优选方案，所述schedule(dynamic)为动态并行块分配；

若硬件物理核心支持n线程，循环体的循环数为m，为每个分配n/m+1的任务，此时用子句schedule(static，n/m+1)实现。

作为本发明的一种优选方案，在每次循环体并行之前，设置线程数目可使用函数：

omp_set_num_threads(Thread_Num)；

其中，Thread_Num为线程数目，最佳线程分配方法为：线程数目是物理核心的2倍。

作为本发明的一种优选方案，所述步骤S3在64线程的服务器上运行基于OpenMp的二次正交解调并行优化过程。

3.有益效果

相比于现有技术，本发明的优点在于：

本发明实现了在高采样率和多通道下的实时数字信号处理技术，最大范围内调用CPU的性能，利用多核CPU分配多线程并行处理，缩短算法执行时间，实现了***的高实时解算。

附图说明

图1为本发明一种深水多波束并行计算方法的流程图；

图2为本发明一种深水多波束并行计算方法中并行处理模式图；

图3为本发明一种深水多波束并行计算方法中二次正交解调并行计算架构图

图4为本发明一种深水多波束并行计算方法第一模块执行效率对比图；

图5为本发明一种深水多波束并行计算方法第二模块执行效率对比图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

请参阅图1，一种深水多波束并行计算方法，包括如下步骤：

S2、进行一次正交解调的并行优化处理，基于通道数的循环并行优化，基于OpenMp的并行优化实现过程如下：

#pragma omp parallel

#pragma omp for schedule(dynamic)

for(int channel＝0；channel<ChNum；channel++)

{

Demod1()；

}

请参阅图2，在循环体接收到并行指令后会弹出多线程来执行任务，等到最后一个线程结束后完成并行；

S3、进行二次正交解调的并行优化处理，按照数据输入通道进行并行处理，请参阅图3，基于OpenMp的二次正交解调并行优化实现过程如下：

#pragma omp parallel

#pragma omp for schedule(dynamic)

for(int channel＝0；channel<ChNum；channel++)

{

for(int pin＝0；pin<pinNum；pin++)

{

Demod2()；

}

对于嵌套循环的并行处理，将并行优化放在最***的循环上效果最佳，考虑到线程开销的影响，多次开启线程会造成很大程度的资源使用；

其中，使用OpenMp进行并行优化要基于本程序与硬件设施的要求，最佳的信号处理模块架构为分别按照通道进行相互独立的计算，然而实际上的波束形成不能按照通道独立的方式进行并行处理，因此转化为并行模块之间的衔接；

其中，请参阅图3，OpenMp的子句schedule(dynamic)代表动态并行块分配，若硬件物理核心支持n线程，循环体的循环数为m，原则上为每个分配n/m+1的任务，此时用子句schedule(static，n/m+1)来实现，此种情况只适用于处理器稳定且每次循环任务量大致相等的情况，为了更加贴合实际的计算规律，这里采用dynamic的分配模式，在并行处理时并行时间是从执行并行体开始，直到最后一个线程任务结束，会遭遇到线程阻塞问题，此问题无法避免，在static模式下会造成时间浪费，由于单个Task的计算时间并不稳定，所以最佳分配方式即当前线程处理完成上个Task后选择就近的Task执行，计算快的线程会增加计算量，大大优化了并行处理的处理速度；

其中，在每次循环体并行之前，设置线程数目可使用函数：

omp_set_num_threads(Thread_Num)；

其中，Thread_Num为线程数目，最佳线程分配方案为线程数目是物理核心的2倍，若超出计算机规定最大线程数目，即使显示能够分配更多的线程，也会造成伪并行的现象；

其中，请参照图4和图5，在64线程的服务器上运行OpenMp并行优化的二次正交解调和脉冲压缩处理过程，串行所需时间约在240秒，并行所需时间为6.3秒左右，效率提升约是3810％，并行优化提升效率与Thread_Num的大小线性相关，但是在超多线程的情况下，线程开销成为占用处理时间较长的部分，在处理过程中，需要多次试验找到一种最佳线程数目的方式进行并行处理；

其中，并行处理技术是建立在各循环相对独立的基础上，对于独立性并不强的循环体而言，增加线程数目的方案反而会造成线程之间相互等待，总处理时间会延长；

其中，并行处理技术若出现在一个循环体内前面改变的参数在后面会继续使用，就要将其保护起来，可以采用private、firstprivate子句将参数设为各循环私有变量，或使用copy子句将该参数复制到各循环内，同时private相当于给参数上锁，在一定程度上会降低并行效率；

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其改进构思加以等同替换或改变，都应涵盖在本发明的保护范围内。

Claims

1.一种深水多波束并行计算方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种深水多波束并行计算方法，其特征在于，所述步骤S2基于OpenMp的并行优化实现，其基于OpenMp的并行优化实现过程如下：

#pragma omp parallel

#pragma omp for schedule(dynamic)

for(int channel＝0；channel<ChNum；channel++)

{

Demod1()；

}

3.根据权利要求1所述的一种深水多波束并行计算方法，其特征在于，所述步骤S3基于OpenMp的二次正交解调并行优化实现，其基于OpenMp的二次正交解调并行优化的实现过程如下：

#pragma omp parallel

#pragma omp for schedule(dynamic)

for(int channel＝0；channel<ChNum；channel++)

{

for(int pin＝0；pin<pinNum；pin++)

{

Demod2()；

}

}。

4.根据权利要求3所述的一种深水多波束并行计算方法，其特征在于，其中，在基于OpenMp的并行优化实现步骤S2的过程中以在基于OpenMp的二次正交解调并行优化实现步骤S3的过程中，其最佳的信号处理模块架构为并行模块之间的衔接。

5.根据权利要求3所述的一种深水多波束并行计算方法，其特征在于，其中，所述schedule(dynamic)为动态并行块分配；

6.根据权利要求3所述的一种深水多波束并行计算方法，其特征在于，其中，在每次循环体并行之前，设置线程数目可使用函数：

omp_set_num_threads(Thread_Num)；

7.根据权利要求3所述的一种深水多波束并行计算方法，其特征在于，其中，所述步骤S3在64线程的服务器上运行基于OpenMp的二次正交解调并行优化过程。