基于GPU的射电望远镜实时非成像后端
天体物理仪器与方法
2014-02-03 v1
摘要
自旋转射电暂现源（RRATs）发现以来，对单脉冲射电搜索的兴趣急剧增加。由于这些搜索产生的大量数据，特别是在未来射电望远镜的规划巡天中，此类搜索必须实时进行。这促使了多种搜索技术和实时流水线原型的开发。在本工作中，我们研究了GPU的适用性。我们设计并实现了一个可扩展、灵活的基于GPU的暂现源搜索流水线，包含多个处理阶段，包括射频干扰（RFI）抑制、消色散、事件检测与分类，以及数据量化和持久化。这些阶段被封装为一个独立框架。优化的GPU直接消色散实现相比优化的CPU实现实现了超过一个数量级的加速。我们使用基于密度的聚类算法，结合候选选择机制，将同一事件引起的检测分组，并自动将其分类为RFI或天体起源。该装置部署在Medicina BEST-II阵列上，进行了多次测试观测。最后，我们计算了处理SKA1-mid非成像流水线所有波束所需的GPU数量。我们还研究了GPU在波束形成中的适用性，我们的实现达到了峰值理论性能的50%以上。我们还证明，对于大型阵列，以及在观测中生成的波束需要在GPU外部处理的情况下，系统将受到PCIe带宽限制。这可以通过在GPU本身上处理合成波束来缓解，我们通过将波束形成器集成到暂现源检测流水线中证明了这一点。
引用
@article{arxiv.1401.8258,
title = {A Real-Time, GPU-Based, Non-Imaging Back-End for Radio Telescopes},
author = {Alessio Magro},
journal= {arXiv preprint arXiv:1401.8258},
year = {2014}
}
备注
PhD Thesis, 153 pages. arXiv admin note: text overlap with arXiv:0904.0633, arXiv:1106.5836, arXiv:1201.5380, arXiv:1109.3186, arXiv:1106.5817, arXiv:1112.2579 by other authors