Статья

Название статьи СТРУКТУРНО-ПРОЦЕДУРНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА ПРОГНОЗИРОВАНИЯ КРАТНЫХ ВОЛН НА ПЛИС
Автор Д.А. Сорокин, А.Ю. Матросов, Е.Е. Семерникова, К.Н. Алексеев
Рубрика РАЗДЕЛ I. ПРИНЦИПЫ ПОСТРОЕНИЯ И АРХИТЕКТУРА СУПЕРКОМПЬЮТЕРОВ
Месяц, год 12, 2016
Индекс УДК 004.382.2
DOI 10.18522/2311-3103-2016-12-1628
Аннотация Рассматриваются особенности решения на высокопроизводительных вычислительных системах задачи прогнозирования кратных волн-помех с помощью алгоритма SRMP. Данный алгоритм относится к классу вычислительно трудоемких сильносвязанных задач, в которых число информационных межпроцессорных обменов и обменов между процессорами и элементами памяти сравнимо или превышает число выполняемых операций. Для эффективной реализации данной задачи требуется обеспечение многоканальности в сочетании с нелинейным доступом к данным, что практически неосуществимо на вычислительных системах традиционной архитектуры. В связи с этим представлен альтернативный подход к решению задачи SRMP, основанный на идее построения единого вычислительного контура на реконфигурируемых вычислительных системах (РВС). Особенность РВС заключается в том, что данные вычислительные системы используют программируемые логические интегральные схемы (ПЛИС) в качестве основного вычислительного компонента и способны адаптироваться под вычислительную структуру решаемой задачи. Структурно-процедурная организацией вычислений, одна из самых эффективных для РВС, предполагает непосредственное отображение базового информационного графа задачи на вычислительное поле системы. Для такой реализации задачи SRMP требуется наличие вычислительного ресурса, которым современные РВС на данный момент не обладают. Принимая во внимание особенности алгоритма, был предложен подход, позволивший преобразовать базовый информационный граф задачи и разработать структуру вычислительного конвейера, так что в каждой вычислительной ПЛИС появляется возможность синтезировать несколько конвейеров, в зависимости от доступного вычислительного ресурса. При этом в связи с нелинейным доступом к исходным данным, предложена особая организация вычислений, позволяющая каждому конвейеру работать независимо друг от друга. Предложенная структурно-процедурная реализация задачи SRMP c использованием единого вычислительного контура может быть легко масштабируема, позволяет обрабатывать данные в темпе их поступления, не требует скоростного межкристального обмена и хранения результатов промежуточных вычислений. Из этого следует, что при увеличении доступного вычислительного ресурса производительность задачи будет расти практически линейно.

Скачать в PDF

Ключевые слова Реконфигурируемые вычислительные системы; ПЛИС; прогнозирование кратных волн-помех; алгоритм SRMP; структурно-процедурная организация вычислений.
Библиографический список 1. Хмелевской В.К. Геофизические методы исследования земной коры. Кн. 1. – Дубна: Международный университет природы, общества и человека "Дубна", 1997. – 203 c.
2. Денисов М.С., Фиников Д.Б. Методы подавления кратных волн в сейсморазведке. Ч. 1 // Технологии сейсморазведки. – 2007. – № 1. – С. 5-16.
3. McHugo S., Webb B., Grechishnikova T., Whitebread R. Revealing the reservoir through 3D multiple attenuation // ROGTEC. WesternGeco. – 2014. – No. 10. – P. 22-34.
4. Курин Е.А., Денисов М.С. Применение высокопроизводительных вычислительных систем в задаче подавления многократно отраженных волн-помех // Технологии сейсморазведки. – 2011. – № 4. – С. 35-40.
5. Курин Е.А. Сейсморазведка и суперкомпьютеры // Вычислительные методы и программирование. – 2011. – № 12. – С. 34-39.
6. Verschuur D.J., Berkhout A.J., Wapenaar C.P. A. Adaptive surface-related multiple elimination // Geophysics. – 1992. – No. 9. – P. 1166-1177.
7. Berkhout, A.J., Verschuur D.J. Estimation of multiple scattering by iterative inversion, Part I: theoretical considerations // Geophysics. – 1997. – No. 5. – P. 1586-1595.
8. Barnes S., van Borselen R., Salazar H., Vàzquez A., Ronzón I., Martinez R. Application of True-Azimuth 3D SRME to an Onshore Mexican Data Set // Society of exploration geophysi-cists: Сборник статей международной конференции, Houston, Texas, USA, 2011.
9. van Dedem E.J., Verschuur D.J. 3D surface-related multiple prediction: A sparse inversion approach // Geophysics. – 2005. – No. 3. – P. 31-43.
10. Huang X., Sun C., Niu B., Wang H., Zeng M. Surface-related multiple prediction and suppres-sion based on data-consistence: a theoretical study and test // Chinese journal of geophysics.
– 2005. – No. 1. – P. 188-196.
11. Artman B. Passive seismic imaging: дис. … канд. техн. наук. – Stanford, 2007. – С. 126-132.
12. Artman B., Alvarez G., Matson K. Image-space surface-related multiple prediction // Geophys-ics. – 2007. – No. 2. – P. 113-122.
13. Wang J., Wang S. Practical implementation of SRME for land multiple attenuation // GeoConvention: Integration: Сборник статей международной конференции, Calgary, Canada, 2013.
14. Verschuur E., Dragoset B., Moore I., Bisley R. A perspective on 3D surface-related multiple elimination // Geophysics. – 2010. – No. 5. – P. 245-261.
15. Каляев А.В., Левин И.И. Модульно-наращиваемые многопроцессорные системы со структурно-процедурной организацией вычислений. – М.: Янус-К, 2003. – 380 с.
16. Левин И.И. Реконфигурируемые мультиконвейерные вычислительные структуры. – Рос-тов-на-Дону: ЮНЦ РАН, 2008. – С. 3-13.
17. Левин И.И., Пелипец А.В., Сорокин Д.А. Решение задачи LU декомпозиции на реконфигурируемых вычислительных системах: оценка и перспективы // Известия ЮФУ. Технические науки. – 2015. – № 7 (168). – С. 62-70.
18. Каляев И.А., Левин И.И. Реконфигурируемые мультиконвейерные вычислительные сис-темы для решения потоковых задач // Информационные технологии и вычислительные системы. – 2011. – № 2. – С. 12-22.
19. Сорокин Д.А., Дордопуло А.И. Методика сокращения аппаратных затрат в сложных сис-темах при решении задач с существенно-переменной интенсивностью потоков данных // Известия ЮФУ. Технические науки. – 2012. – № 4 (129). – С. 213-219.
20. Сорокин Д.А. Методы решения задач с переменной интенсивностью потоков данных на реконфигурируемых вычислительных системах: дис. … канд. техн. наук. – Таганрог, 2012. – С. 51-58.
21. Рабинер Л., Голд Б. Теория и применение цифровой обработки сигналов. – М.: Мир, 1978. – 848 с.
22. Введение в цифровую фильтрацию / под ред. Р. Богнера и А. Константинидиса. – М.: Мир, 1976. – 216 с.
23. Семерников Е.А., Доронченко Ю.И., Трунов И.Л. Макропроцессор цифровой обработки сигналов для многопроцессорных вычислительных систем со структурно-процедурной организацией вычислений // Материалы Международной научной конференции “Искусственный интеллект. Интеллектуальные и многопроцессорные системы-2004”. – 2004. – С. 80-84.
24. Семерников Е.А., Доронченко Ю.И. Конвейерный макропроцессор цифровой обработки сигналов со структурно-процедурной организацией вычислений // Вестник компьютерных и информационных технологий. – 2005. – № 8. – С. 49-55.

Comments are closed.