این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۸، شماره ۲، صفحات ۴۵-۵۶
عنوان فارسی جهت‌یابی زمان‌حقیقی منابع صوت زیر آب با استفاده از واحد پردازنده گرافیکی
چکیده فارسی مقاله جهت­‌یابی منابع صوت به‌کمک روش‌­های مبتنی بر آرایه فازی، اهمیت فراوانی در حوزه‌­های مختلف از جمله سونار، بینایی ربات و تشخیص عیوب مکانیکی دارد. روش­‌های شکل­‌دهی‌­پرتو وفقی، از جمله الگوریتم کمینه‌­واریانس بدون‌­اعوجاج از قدرت تفکیک بالایی نسبت به روش‌­های غیروفقی برخوردار هستند؛ اما این برتری در ازای پیچیدگی محاسباتی این الگوریتم­‌ها به‌دست آمده است. این مسأله باعث می‌­شود در کاربردهایی که نیاز به جهت­‌یابی زمان­‌حقیقی منبع صوت دارند، به‌ندرت از این الگوریتم‌­ها استفاده شود. از سوی دیگر، یک ویژگی­ مهم روش‌­های شکل‌­دهی‌­پرتو وفقی از جمله کمینه‌واریانس، پتانسیل بالای این الگوریتم‌­ها برای موازی­‌سازی است. هدف این مقاله، پیاده­‌سازی موازی الگوریتم کمینه‌­واریانس با به کارگیری واحد پردازنده گرافیکی (GPU) به جای واحد پردازنده مرکزی (CPU)، به‌منظور افزایش سرعت اجرا و رسیدن به حالت زمان‌­حقیقی است. برای دست‌­یابی به این هدف از مدل برنامه­‌نویسی کودا  برای پیاده‌­سازی الگوریتم بر روی پردازنده گرافیکی استفاده شده است. به‌منظور بررسی عملکرد پیاده‌­سازی موازی الگوریتم کمینه­‌واریانس، دو مدل GPU متفاوت و همچنین CPU ­به‌کاربرده شده است. صحت عملکرد پیاده­‌سازی­‌های مختلف در این مقاله به‌وسیله داده‌­های واقعی سونار و همچنین داده­‌های شبیه­‌سازی تأیید شد. نتایج نشان می­‌دهد که می‌­توان با استفاده از یک آرایه 64 حس‌گره، جهت منابع صوت زیر آب را با استفاده از الگوریتم کمینه­‌واریانس به‌صورت زمان­‌حقیقی و با قدرت تفکیک بالا تخمین زد.  
کلیدواژه‌های فارسی مقاله جهت‌یابی منابع صوت، الگوریتم کمینه‌واریانس، پردازش موازی، واحد پردازنده گرافیکی، مدل برنامه‌نویسی کودا
عنوان انگلیسی Real-Time DOA Estimation of Underwater Sound Sources Using GPU
چکیده انگلیسی مقاله Direction of Arrival (DOA) estimation of sound sources using phased array-based methods has a lot of importance in various fields, including sonar, robot vision, and mechanical defect detection. Adaptive beamforming methods, such as the MVDR (Minimum Variance Distortionless Response) algorithm, have high resolution compared to non-adaptive methods (Delay and Sum algorithm); but this advantage is achieved in return for the computational complexity of these algorithms. This makes it hard to use these algorithms in applications that require real-time sound source DOA estimation. On the other hand, an important feature of the adaptive beamforming methods including MVDR is the high potential of these algorithms for parallelization. The purpose of this paper is the parallel implementation of the MVDR algorithm by employing Graphical Processor Unit (GPU) instead of Central Processor Unit (CPU) to increase the execution speed and achieve the real-time mode. For this purpose, the CUDA (Compute Unified Device Architecture) programming model has been used to implement the algorithm on the GPU. CUDA is a parallel computing platform and application programming interface (API) model created by Nvidia. It allows software developers to use a CUDA-enabled GPU for parallel processing. In order to investigate the performance of parallel implementation of the MVDR algorithm, two different GPUs, as well as CPUs, have been used. The performance validity of various implementations in this paper was confirmed by real sonar data as well as simulation data. The results show that using an array of 64 sensors, it is possible to estimate the DOA of underwater sound sources in real-time mode and with high resolution using the MVDR algorithm.
کلیدواژه‌های انگلیسی مقاله DOA estimation of sound sources, MVDR algorithm, Parallel processing, GPU, CUDA
نویسندگان مقاله احسان ایمانی فر | Ehsan Imani far
Department of Biomedical Engineering-Bioelectric, Amirkabir University of Technology
دانشکده مهندسی پزشکی-بیوالکتریک، دانشگاه صنعتی امیرکبیر

امیر اخوان | Amir Akhavan
Department of Electrical and Computer Engineering, Isfahan University of Technology
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

علی اصغر آبنیکی | ali asghar abniki
Center of Excellence in Hydrodynamics and Dynamic of Marine Vehicles, Department of Mechanical Engineering, Sharif University of Technology
مرکز پژوهشی مهندسی دریا، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریف

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1675-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش داده‌های رقمی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات