利用数据流引擎从维纳后验中快速采样图像数据
天体物理仪器与方法
2018-12-03 v1 宇宙学与河外天体物理
摘要
我们利用数据流引擎(DFE)构建含噪且不完备图像数据的高效维纳滤波器，并从维纳后验中快速抽取相容真实底层图像的概率样本。数据流计算是一种使用可重构硬件的强大方法，可深度流水线化且本质并行。唯一的维纳滤波图像是真实图像的最小方差线性估计(若信号与噪声协方差已知)以及最可能的真实图像(若信号与噪声为高斯分布)。然而，给定解析后验概率分布(即所谓维纳后验)下，许多图像以不同概率与数据相容。该DFE代码还从此后验中抽取大量真实图像样本，以便进一步统计分析。对于大型数据集，维纳滤波图像的朴素计算因随像素数 以 缩放而不切实际。我们采用适于DFE实现的信使场算法，从维纳后验中抽取样本，即以正确概率抽取与观测含噪图像相容的无噪图像样本。维纳滤波图像可通过对该算法的微小修改获得。我们展示了在1U MPC-X机箱中配置8个DFE、与提供32个CPU线程的1U服务器相比，从抽取128图像的10个样本中获得的加速下限为11.3 0.8。我们还讨论了在天文学中的潜在应用，以提供更优的暗物质图并改进宇宙学参数的确定。
引用
@article{arxiv.1810.02821,
title = {Fast Sampling from Wiener Posteriors for Image Data with Dataflow Engines},
author = {Niall Jeffrey and Alan F. Heavens and Philip D. Fortio},
journal= {arXiv preprint arXiv:1810.02821},
year = {2018}
}
备注
20 pages, 5 figures, accepted by Astronomy and Computing