一种基于GPU计算的干涉数据快速傅里叶变换方法与流程

本发明属于傅里叶变换光谱仪数据处理领域，特别是一种基于GPU计算的干涉数据快速傅里叶变换方法。

背景技术：

干涉数据光谱复原基于傅里叶变换光谱学理论，傅里叶变换光谱学表明，干涉图与光谱图之间是傅里叶变换对关系，由此可通过对干涉数据进行傅里叶变换得到光谱图。目前研究和工程中为提高光谱复原效率，一般采用基于硬件实现的干涉数据处理技术，如中国科学院西安光学精密机械研究所殷世民、相里斌、周锦松等提出了一种基于FPGA的干涉式成像光谱仪实时数据处理系统研究[J](红外与毫米波学报,2007,26(4):274-278)，该方法提高了光谱复原效率，但基于FPGA硬件编程实现，配置困难，不易复用。而通用GPU计算(General Purpose Graphics Processing Computing)通过利用GPU的成百上千的计算单元做分布式计算，不仅可以提高数据处理的速率，而且计算任务的实现基于软件算法，便于通用化处理。由于在光谱复原中，干涉图数据中各像素点间关系相对独立，具备像素间并行处理的特点，因此可以将干涉图数据分配给GPU众多的计算单元做分布式FFT计算，以提高干涉图数据进行快速傅里叶变换的效率。

技术实现要素：

本发明的目的在于提供一种基于GPU计算的干涉数据快速傅里叶变换方法，解决了传统基于硬件的实时光谱复原技术实现复杂，难以通用化的问题。

实现本发明目的的技术解决方案为：一种基于GPU计算的干涉数据快速傅里叶变换方法，步骤如下：

步骤1：对傅里叶变换光谱仪采集到干涉图像进行预处理，得到预处理后的二维干涉数据，根据二维干涉数据的横维像素点数创建一维索引空间，并将一维索引空间映射到GPU，计算快速傅里叶变换所需的旋转因子表：

对于横维为L点的，结构为(n×m)×L的预处理后的二维干涉数据，n为单幅干涉图横向像素点数，m为单幅干涉图横向像素点数，L为依据实际所需光谱分辨率选定的干涉图数目，n为单幅干涉图横向像素点数，m为单幅干涉图纵向 像素点数，需计算拥有L/2个元素的旋转因子表；创建并行一维索引空间NDRange(L/2,1,1)，空间大小为L/2，将上述一维索引空间映射到GPU，GPU分配L/2个处理单元用于计算旋转因子，L/2个处理单元计算L/2个元素时，仅需单个处理单元计算一个元素的时间，待处理单元计算完毕，得到旋转因子表。

步骤2：在GPU内部开辟t块缓存并建立流水线结构。

步骤3：将二维干涉数据映射到GPU的二维索引空间进行多重逆序操作：

对于结构为的二维干涉数据，k为干涉数据的分割因子，创建多重逆序二维索引空间其中X维大小为L，Y维大小为将所述多重逆序二维索引空间映射到GPU，GPU分配个处理单元对缓存中的组数据同时进行逆序操作。

步骤4：将干涉数据映射到GPU的二维索引空间进行多重迭代蝶形运算，得到复原光谱数据：

对于结构为的二维干涉数据，创建多重迭代蝶形运算二维索引空间其中X维大小为L/2，Y维大小为将多重迭代蝶形二维索引空间映射到GPU，GPU分配个处理单元，对缓存中的组干涉数据同时进行迭代蝶形运算，得到复原光谱数据。

所述步骤1中，对干涉图像预处理方法如下：对傅里叶变换光谱仪采集到的干涉图像，进行消直流和切趾。

所述步骤2中，建立流水线结构，实现方法如下：

在GPU内部开辟t块缓存，t为大于0的整数，将步骤1中的结构为(n×m)×L的预处理后的二维干涉数据分解为tk个批次，k为干涉数据的分割因子，且k为 大于0的整数；将分解后的结构为的各块二维干涉数据分别送入GPU中开辟的t块缓存中，单块缓存对应结构为的二维干涉数据；按此顺序操作缓存，GPU内第一块缓存读出数据时，正值第二块缓存执行数据处理，同时第三块缓存开始写入数据，以此类推，在t块缓存中形成异步操作。

本发明与现有技术相比，其显著优点在于：(1)能够提高光谱复原中快速傅里叶变换的效率，适用于通用化处理。(2)流水线结构适用于大规模光谱数据的处理。

附图说明

图1为本发明基于GPU计算的干涉数据快速傅里叶变换方法的流程图。

图2为本发明在GPU内部开辟t块缓存并建立流水线结构示意图。

图3为本发明二维索引空间示意图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

结合图1～图3，一种基于GPU计算的干涉数据快速傅里叶变换方法，步骤如下：

步骤1：对傅里叶变换光谱仪采集到干涉图像进行预处理，得到预处理后的二维干涉数据，根据二维干涉数据的横维像素点数创建一维索引空间，并将一维索引空间映射到GPU，计算快速傅里叶变换所需的旋转因子表：

对傅里叶变换光谱仪采集到的干涉图像，进行消直流和切趾得到二维干涉数据，常用的消直流方法有最小二乘法、差分法、低通滤波法等方法，常用的切趾函数有三角窗、矩形窗、Happ-Genzel窗等。

对于横维为L点的，结构为(n×m)×L的预处理后的二维干涉数据，n为单幅干涉图横向像素点数，m为单幅干涉图横向像素点数，L为依据实际所需光谱分辨率选定的干涉图数目，n为单幅干涉图横向像素点数，m为单幅干涉图纵向像素点数，需计算拥有L/2个元素的旋转因子表；创建并行一维索引空间NDRange(L/2,1,1)，空间大小为L/2，将上述一维索引空间映射到GPU，GPU 分配L/2个处理单元用于计算旋转因子，L/2个处理单元计算L/2个元素时，仅需单个处理单元计算一个元素的时间，待处理单元计算完毕，得到旋转因子表。

步骤2：在GPU内部开辟t块缓存并建立流水线(overlap)结构：

在GPU内部开辟t块缓存，t为大于0的整数，将步骤1中的结构为(n×m)×L的预处理后的二维干涉数据分解为tk个批次，k为干涉数据的分割因子，且k为大于0的整数；将分解后的结构为的各块二维干涉数据分别送入GPU中开辟的t块缓存中，单块缓存对应结构为的二维干涉数据；按此顺序操作缓存，GPU内第一块缓存读出数据时，正值第二块缓存执行数据处理，同时第三块缓存开始写入数据，以此类推，在t块缓存中形成异步操作，如图2所示。

步骤3：将二维干涉数据映射到GPU的二维索引空间进行多重逆序操作：

对于结构为的二维干涉数据，创建多重逆序二维索引空间 如图3所示，其中X维大小为L，Y维大小为将所述多重逆序二维索引空间映射到GPU，GPU将分配个处理单元对缓存中的组数据同时进行逆序操作。

步骤4：将干涉数据映射到GPU的二维索引空间进行多重迭代蝶形运算，得到复原光谱数据：

对于结构为的二维干涉数据，创建多重迭代蝶形运算二维索引空间如图3所示，其中X维大小为L/2，Y维大小为将多重迭代蝶形二维索引空间映射到GPU，GPU将分配 个处理单元，对缓存中的组干涉数据同时进行迭代蝶形运算， 得到复原光谱数据。

实施例1

以基于Sagnac干涉成像光谱仪采样的干涉数据进行快速傅里叶变换为例，针对单幅干涉图大小512×512像素，取512幅干涉图的情况，处理步骤如下：

步骤1：对傅里叶变换光谱仪采集到干涉图像进行预处理，得到预处理后的二维干涉数据，根据二维干涉数据的横维像素点数创建一维索引空间，并将一维索引空间映射到GPU，计算快速傅里叶变换所需的旋转因子表：

对傅里叶变换光谱仪采集到的干涉图像，用最小二乘法消直流，用三角窗进行切趾。

对于横维为512点的，结构为(512×512)×512的预处理后的二维干涉数据，需计算拥有256个元素的旋转因子表；创建并行一维索引空间NDRange(256,1,1)，空间大小为256，将上述一维索引空间映射到GPU，GPU分配256个处理单元用于计算旋转因子，256个处理单元计算256个元素时，仅需单个处理单元计算一个元素的时间，待处理单元计算完毕，得到旋转因子表。

步骤2：在GPU内部开辟3块缓存并建立流水线(overlap)结构：

在GPU内部开辟3块缓存，将步骤1中的结构为(512×512)×512的预处理后的二维干涉数据分解为3×2个批次；将分解后的结构为的各块二维干涉数据分别送入GPU中开辟的3块缓存中，单块缓存对应结构为 的二维干涉数据；按此顺序操作缓存，GPU内第一块缓存读出数据时，正值第二块缓存执行数据处理，同时第三块缓存开始写入数据，以此类推，在t块缓存中形成异步操作，如图2所示。

步骤3：将二维干涉数据映射到GPU的二维索引空间进行多重逆序操作：

对于结构为的二维干涉数据，创建多重逆序二维索引空间如图3所示，其中X维大小512，Y维大小 将所述多重逆序二维索引空间映射到GPU，GPU将分配 个处理单元对缓存中的组数据同时进行逆序操作。

步骤4：将干涉数据映射到GPU的二维索引空间进行多重迭代蝶形运算，得到复原光谱数据：

对于结构为的二维干涉数据，创建多重迭代蝶形运算二维索引空间其中X维大小256，Y维大小 将多重迭代蝶形二维索引空间映射到GPU，GPU将分配 个处理单元，对缓存中的组干涉数据同时进行蝶形运算，计算完毕后得到复原光谱数据。

采用本发明所述的一种基于GPU计算的干涉数据快速傅里叶变换方法，既可有效提高光谱复原中快速傅里叶变换的效率，也能有效处理大规模干涉数据。