[發明專利]基于GPU的多層水體光子傳輸半解析蒙特卡洛仿真方法

有效

• 申請號: 202110553286.6
• 申請日: 2021-05-20
• 公開（公告）號: CN113361080B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 上官明佳;廖予芃;楊志峰;李忠平;商少凌
• 申請（專利權）人: 廈門大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;李艾華

本發明提供一種基于GPU的多層水體光子傳輸半解析蒙特卡洛仿真方法，包括：在CPU的內存中分配固定的輸入輸出數據儲存空間；在GPU的顯存中分配固定的輸入輸出數據儲存空間；將在CPU端賦初值的參數數組輸入GPU；在GPU端進行并行光子計算；在GPU中對接收到的能量進行記錄，并進行累加；所有光子都湮滅或逸出邊界后，將記錄數組從GPU輸出到CPU端，使用CPU對記錄數組進行統計繪圖，輸出不同散射次數的回波信號強度與深度的變化情況，獲得最終仿真結果。本發明通過對多層水體光子傳輸半解析蒙特卡洛模型使用GPU并行運算，提高了多層水體光子傳輸半解析蒙特卡洛仿真的計算速度。

技術領域

本發明涉及激光雷達技術領域，尤其涉及一種基于GPU的多層水體光子傳輸半解析蒙特卡洛仿真方法。

背景技術

蒙特卡洛方法是一種常用的數學方法，可以用于仿真多種物理過程。用于彈性激光雷達多次散射模擬的蒙特卡洛模型假設光子只有粒子性而忽略光的波動性，認為激光在水體中的傳輸路徑由許多完全隨機的光子軌跡構成。對于半解析蒙特卡洛模型而言，其與標準蒙特卡洛模型主要的不同在于在半解析蒙特卡洛模型中，能量的接收發生在所有滿足激光雷達接收器的孔徑和視場角條件的散射事件中，而不是最終能夠返回接收器的非常少的光子，因此，半解析蒙特卡洛模型顯著降低了數據的統計不確定性，使用較少的光子就能獲得較高的仿真可靠性。

目前多層水體光子傳輸半解析蒙特卡洛仿真主要采用CPU進行運算，雖然基于CPU的仿真算法成熟，可選的編程環境也很多，但是由于CPU更注重指令運算，并行運算能力不足，所以采用CPU對多層水體光子傳輸半解析蒙特卡洛模型進行仿真往往需要耗費大量的時間。而GPU以圖形類數值計算為核心，雖然GPU執行每個數值計算的速度并沒有比CPU快，但是GPU可以容納上千個數值計算線程，這使GPU相較于CPU更適合處理數據密集型的計算任務。多層水體光子傳輸半解析蒙特卡洛模型中包含大量數據密集型的計算，因此，使用GPU對多層水體光子傳輸半解析蒙特卡洛模型進行仿真能夠提高模型仿真速度。目前民用級別的GTX1080顯卡，可實現9T次每秒的浮點運算能力，比intel core i7運算能力高10倍以上，因此，基于GPU的多層水體光子傳輸半解析蒙特卡洛仿真方法具有很大優勢。

發明內容

本發明在于克服現有技術的不足，提供一種基于GPU的多層水體光子傳輸半解析蒙特卡洛仿真方法，通過對多層水體光子傳輸半解析蒙特卡洛模型使用GPU并行運算，提高了多層水體光子傳輸半解析蒙特卡洛仿真的計算速度，同時，使用CPU對GPU輸出的記錄數組進行統計，可以獲得不同散射次數的回波信號強度與深度的變化情況。

本發明采用如下技術方案：

一種基于GPU的多層水體光子傳輸半解析蒙特卡洛仿真方法，包括：

S101，在CPU的內存中分配固定的輸入輸出數據儲存空間；

S102，在GPU的顯存中分配固定的輸入輸出數據儲存空間；

S103，在CPU端對輸入參數賦初值，并將初值傳入GPU端；所述輸入參數包括水體狀態參數、光子初始狀態參數和其它配置參數；

S104，在GPU端進行并行光子計算；

S105，記錄接收能量及接收深度；

S106，判斷所有光子是否都完成模擬，如果否，重復對所述輸入參數賦初值，并將初值傳入GPU端，如果是，累計記錄結果并傳回CPU端；

S107，在CPU端對記錄結果進行統計繪圖，輸出不同散射次數的回波信號強度與深度的變化情況，獲得最終仿真結果。

優選的，在CPU的內存中分配輸入輸出數據儲存空間的函數為Malloc；在GPU的顯存中分配輸入輸出數據儲存空間的函數為cudaMalloc；將CPU端所賦初值傳入GPU端所使用的函數為cudaMemcpy。