(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211059853.3 (22)申请日 2022.09.01 (65)同一申请的已公布的文献号 申请公布号 CN 115146485 A (43)申请公布日 2022.10.04 (73)专利权人 南京国睿信维软件 有限公司 地址 210013 江苏省南京市 鼓楼区古平岗4 号院53号楼7楼 (72)发明人 王凯　张毅　庄志鹏　罗思成　 (74)专利代理 机构 南京苏创专利代理事务所 (普通合伙) 32273 专利代理师 张艳 (51)Int.Cl. G06F 30/20(2020.01)审查员 陆丹 (54)发明名称 基于GPU加速的射频链路仿真方法 (57)摘要 本发明涉及一种基于GPU加速的射频链路仿 真方法， 包 括： 将CPU端数据传输到GP U显存， 对每 个射频元器件的snp文件进行拉格朗日插 值， GPU 上执行的拉格朗日算法逻辑为： 频率值对应线程 块的行索引， S参数的相位幅度对应线程块的列 索引， 取出需要插值的频率值所在数组前后相邻 的频率值和与之对应的S参数的相位幅值放入 GPU的共享内存然后进行插值计算； 生成多个链 路方案； 将数量庞大的链路方案根据GPU的多处 理器的数量进行分块， 每块交给一个CUDA流去处 理； 将指标算法写进GP U的一个线 程， 实现多任务 的并行。 本发明GPU与CPU异构执行， 硬件空间与 传统集群相比所占空间小 且高效。 权利要求书2页 说明书6页 附图10页 CN 115146485 B 2022.11.29 CN 115146485 B 1.一种基于GPU加速的射频链路仿真方法， 其特 征在于： 包括以下步骤： 步骤1） 将数据传输到GPU显存： 在CPU端将链路中的级联信息和涉及到的所有射频元器 件的snp数据和其他属 性载入到主机的内存上并设置该内存为页锁内存， 页锁内存映射到 GPU的显存， 减少GPU与主机的数据传输； 步骤2） 拉格朗日插值： 将步骤1） 中传输到GPU显存上的数据作 为初始数据， 并提取出初 始数据中射频链路的起始频率、 终止频率、 频率 步进数据， 在GPU上 执行拉格朗日插值 算法； 拉格朗日算法理论支持如下： 对于某个多 项式函数， 已知有给定的d+1个取值 点： ； 其中， 代表第个自变量，  代表第个因变量； 为拉格朗日基函数： ； L(x)为拉格朗日插值多 项式： ； 基于CUDA指令的拉格朗日算法逻辑为： 频率值对应线程块的行索引， S参数的相位幅度 对应线程块的列索引， 取出需要插值的频率值所在数组前后相邻的频率值和与之对应的S 参数的相位幅值 放入GPU的共享内存然后进行插值计算； 步骤3） 生成多个链路方案： 步骤2） 中链路中所涉及的所有射频元器件的数据准备完成 后， 利用十进制的思想来同构生成多个链路方案， 算法逻辑如下： N为组成链路的节点数； n为组成链路的第n个节点，  n=0,1,2……N； 为组成链路的第n个节点总共 包含 种元器件； 为组成链路的第n个节点的第 种元器件，  =1,2,3…… ； 对应的链路方案索引数为： ； 步骤4） 划分CUDA流： CUDA流表示一个GPU操作队列， 该队列中的操作将以添加到流 中的 先后顺序而依次执 行； 将一个流看做是GPU上的一个任务， 不同任务并行 执行； 该步骤是将数量庞大的链路方案根据GPU的多处理器的数量进行分块， 每块交给一个 CUDA流去处 理， 算法逻辑如下： cNum为链路的方案数量； smNum为GPU中多处 理器的数量； streamNum为CUDA流的数量；权　利　要　求　书 1/2 页 2 CN 115146485 B 2cNumPerSt ream为每 个CUDA流中链路方案的数量； CUDA流的数量设置为 等于GPU多处理器的数量， 有利GPU硬件的高效利用； streamNum=s mNum； 最后一个CUDA流对应的方案数为： cNumPerSt ream=cNum%streamNum； 其他的CUDA流对应的方案数为： cNumPerSt ream=cNum/streamNum； 步骤5） 基于GPU的射频链路计算： 包括计算S参数、 OIP3、 噪声系数和1dB压缩点， 以频率 维度和链路方案数维度组成一个二维的线程块， 每个射频链路方案和一个频率点对应一个 GPU线程， 将指标算法写 进线程， 实现多链路、 多频率 点的并行。 2.根据权利要求1所述的基于GPU加速的射频链路仿真方法， 其特征在于： 步骤  1) 中 对射频元器件的snp数据使用主机的页锁内存来存储不需要显示的传输到GPU显存里， 是一 种数据使用和数据传输 重叠的模式。 3.根据权利要求1所述的基于GPU加速的射频链路仿真方法， 其特征在于： 步骤  2) 中 所述基于GPU的拉格朗日插值算法使用了CUDA代码编写， 取出需要插值的频率值所在数组 前后相邻的频率 值和与之对应的S参数的相位幅值 放入GPU的共享内存然后进行插值计算。 4.根据权利要求1所述的基于GPU加速的射频链路仿真方法， 其特征在于： 步骤  3) 中 所述链路中所涉及的所有射频元器件的数据准备完成后， 利用十进制的思想来同构生成多 个链路方案 。 5.根据权利要求1所述的基于GPU加速的射频链路仿真方法， 其特征在于： 步骤  4) 中 所述划分CUDA流 来分块计算数据。 6.根据权利要求1所述的基于GPU加速的射频链路仿真方法， 其特征在于： 步骤  5) 中 所述以频率 维度和链路方案数维度组成一个二维的线程块， 每个射频链路方案和一个频率 点对应一个 GPU的线程， 将指标算法写进线程， 利用GPU实现多个链路、 多个频率点指标计算 的并行。权　利　要　求　书 2/2 页 3 CN 115146485 B 3