CUDA学习笔记3:CUFFT(CUDA提供了封装好的CUFFT库)的使用例子
一、FFT介绍
傅里叶变换是数字信号处理领域一个很重要的数学变换,它用来实现将信号从时域到频域的变换,在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域有广泛的应用。离散傅里叶变换(Discrete Fourier Transform,DFT)是连续傅里叶变换在离散系统中的表示形式,由于DFT的计算量很大,因此在很长一段时间内其应用受到了很大的限制。20世纪60年代(1965年)由Cooley和Tukey提出了快速傅里叶变换(Fast Fourier Transform,FFT)算法,它是DFT的快速算法,使得离散傅里叶变换和卷积这类难度很大的计算工作的复杂度从N2量级降到了Nlog2N量级,大大提高了DFT的运算速度,从而使DFT在实际应用中得到了广泛的应用。
传统上,GPU只负责图形渲染,而大部分的处理都交给了CPU。自二十世纪九十年代开始,GPU的发展迅速。由于GPU具有强大的并行计算能力,加之其可编程能力的不断提高,GPU也用于通用计算,为科学计算的应用提供了新的选择。
2007年6月,NVIDIA公司推出了CUDA (Compute Unified Device Architecture),CUDA 不需要借助图形学API,而是采用了类C语言进行开发。同时,CUDA采用了统一处理架构,降低了编程的难度,同时,NVIDIA GPU引入了片内共享存储器,提高了效率。这两项改进使CUDA架构更加适合进行GPU通用计算。
二、快速傅里叶变换(FFT)
快速傅里叶变换(英语:Fast Fourier Transform, FFT),是快速计算序列的离散傅里叶变换(DFT)或其逆变换的方法[1]。傅里叶分析将信号从原始域(通常是时间或空间)转换到頻域的表示或者逆过来转换。
FFT会通过把DFT矩阵分解为稀疏(大多为零)因子之积来快速计算此类变换。因此,它能够将计算DFT的复杂度从只用DFT定义计算需要的 O(n2),降低到O(nlog n),其中n为数据大小。
快速傅里叶变换广泛的应用于工程、科学和数学领域。这里的基本思想在1965年才得到普及,但早在1805年就已推导出来。1994年美國數學家吉尔伯特·斯特朗把FFT描述为“我们一生中最重要的数值算法”,它还被IEEE科学与工程计算期刊列入20世纪十大算法。
三、FFT的CPU实现
一维FFT基2算法的实现
我们使用按频率抽取的方法实现了一维FFT基2算法。算法的关键代码如下:
(1) 声明双精度复数的结构体:
struct Complex
{
double re; //复数的实部
double im; //复数的虚部
};
(2) 通过幂数获得快速傅里叶变换的长度,并初始化:
count = << power; //power为幂数,count为快速傅里叶变换的长度
a = new Complex[count]; //a为初始化的数组,用来存放时域复数的值
b = new Complex[count]; //b为变换后存放结果的数组
memcpy(a, t, sizeof(Complex)*count); //初始化,将时域数据存放在a中,t为时域数据
(3) 计算旋转因子:
w = new Complex[count / ];
for (i = ; i<count / ; i++)
{
angle = -i*pi * / count;
w[i].re = cos(angle);
w[i].im = sin(angle);
}
(4) 采用频率分解法进行蝶形运算:
for (k = ; k<power; k++)
{
for (j = ; j< << k; j++)
{
bfsize = << (power - k);
for (i = ; i<bfsize / ; i++)
{
p = j*bfsize;
b[i + p] = Add(a[i + p], a[i + p + bfsize / ]); //Add()函数实现复数的加法
b[i + p + bfsize / ] = Mul(Sub(a[i + p], a[i + p + bfsize / ]), w[i*( << k)]);//Mul()函数实现复数的乘法,Sub()函数实现复数的减法
}
}
x = a;
a = b;
b = x;
}
(5) 蝶形运算全部完成后,对结果进行整序,从而得到正确的输出顺序:
for (j = ; j<count; j++)
{
p = ;
for (i = ; i<power; i++)
{
if (j&( << i))
p += << (power - i - );
}
f[j] = a[p];
}
二维FFT基2算法的实现
通过两次调用一维快速傅里叶变换即可实现二维快速傅里叶变换。关键代码如下:
(1) 计算进行傅里叶变换的宽度、高度,以及垂直方向上、水平方向上的迭代次数:
while (w * <= width) //计算进行傅立叶变换的宽度(2的整数次方)
{
w *= ; //w为变换的宽度
wp++; //wp为垂直方向上的迭代次数
}
while (h * <= height)//计算进行傅立叶变换的高度(2的整数次方)
{
h *= ; //h为变换的高度
hp++; //hp为水平方向上的迭代次数
}
(2) 两次调用一维快速傅里叶变换:
for (j = ; j<h; j++) //在垂直方向上进行快速傅立叶变换
{
FFT1D(&t[w*j], &f[w*j], wp);
}
for (j = ; j<h; j++) //转换变换结果
{
for (i = ; i<w; i++)
{
t[j + h*i] = f[i + w*j];
}
}
for (j = ; j<w; j++) //水平方向进行快速傅立叶变换
{
FFT1D(&t[j*h], &f[j*h], hp);
}
四、FFT的GPU实现
对一维或多维信号进行离散傅里叶变换的FFT变换自身具有可“分治”实现的特点,因此能高效地在GPU平台上实现。CUDA提供了封装好的CUFFT库,它提供了与CPU上的FFTW库相似的接口,能够让使用者轻易地挖掘GPU的强大浮点处理能力,又不用自己去实现专门的FFT内核函数。使用者通过调用CUFFT库的API函数,即可完成FFT变换。
常见的FFT库在功能上有很多不同。有些库采用了基2变换,只能处理长度为2的指数的FFT,而其他的一些可以处理任意长度的FFT。CUFFT4.0提供了以下功能:
(1) 对实数或复数进行一维、二维或三维离散傅里叶变换;
(2) 可以同时并行处理一批一维离散傅里叶变换;
(3) 对任意维的离散傅里叶变换,单精度最大长度可达到6400万,双精度最大长度可达到12800万(实际长度受限于GPU存储器的可用大小);
(4) 对实数或复数进行的FFT,结果输出位置可以和输入位置相同(原地变换),也可以不同;
(5) 可在兼容硬件(GT200以及之后的GPU)上运行双精度的变换;
(6)支持流执行:数据传输过程中可以同时执行计算过程。
一维FFT算法的CUDA实现
关键代码如下:
#include <cufft.h> //CUFFT文件头
#define NX 1024
#define BATCH 1 cufftDoubleComplex *data; //显存数据指针 //在显存中分配空间
cudaMalloc((void**)&data, sizeof(cufftDoubleComplex)*NX*BATCH); //创建CUFFT句柄
cufftHandle plan;
cufftPlan1d(&plan, NX, CUFFT_Z2Z, BATCH); //执行CUFFT
cufftExecZ2Z(plan, data, data, CUFFT_FORWARD); //快速傅里叶正变换 //销毁句柄,并释放空间
cufftDestroy(plan);
cudaFree(data);
二维FFT算法的CUDA实现
二维FFT算法实现中,同一维FFT不同的是:
(1) 输入参数:没有BATCH,增加了NY。NX为行数,NY为列数;
(2) FFT的正变换的输入位置和输出位置不同。
关键代码如下:
#include <cufft.h> //CUFFT文件头 #define NX 1024
#define NY 1024 cufftDoubleComplex *idata, *odata; //显存数据指针 //在显存中分配空间
cudaMalloc((void**)&idata, sizeof(cufftDoubleComplex)*NX*NY);
cudaMalloc((void**)&odata, sizeof(cufftDoubleComplex)*NX*NY); //创建CUFFT句柄
cufftHandle plan;
cufftPlan2d(&plan, NX, NY, CUFFT_Z2Z); //执行CUFFT
cufftExecZ2Z(plan, idata, odata, CUFFT_FORWARD); //快速傅里叶正变换 //销毁句柄,并释放空间
cufftDestroy(plan);
cudaFree(idata);
cudaFree(odata);
三维FFT算法的CUDA实现
#define NX 64
#define NY 64
#define NZ 128 cufftHandle plan;
cufftComplex *data1, *data2;
cudaMalloc((void**)&data1, sizeof(cufftComplex)*NX*NY*NZ);
cudaMalloc((void**)&data2, sizeof(cufftComplex)*NX*NY*NZ);
/* Create a 3D FFT plan. */
cufftPlan3d(&plan, NX, NY, NZ, CUFFT_C2C); /* Transform the first signal in place. */
cufftExecC2C(plan, data1, data1, CUFFT_FORWARD); /* Transform the second signal using the same plan. */
cufftExecC2C(plan, data2, data2, CUFFT_FORWARD); /* Destroy the cuFFT plan. */
cufftDestroy(plan);
cudaFree(data1); cudaFree(data2);
五、实例
#include <assert.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <math.h>
// Include CUDA runtime and CUFFT
#include <cuda_runtime.h>
#include <cufft.h> // Helper functions for CUDA
#include "device_launch_parameters.h" #define pi 3.1415926535
#define LENGTH 100 //signal sampling points
int main()
{
// data gen
float Data[LENGTH] = { ,,, };
float fs = 1000000.000;//sampling frequency
float f0 = 200000.00;// signal frequency
for (int i = ; i < LENGTH; i++)
{
Data[i] = 1.35*cos( * pi*f0*i / fs);//signal gen,
} cufftComplex *CompData = (cufftComplex*)malloc(LENGTH * sizeof(cufftComplex));//allocate memory for the data in host
int i;
for (i = ; i < LENGTH; i++)
{
CompData[i].x = Data[i];
CompData[i].y = ;
} cufftComplex *d_fftData;
cudaMalloc((void**)&d_fftData, LENGTH * sizeof(cufftComplex));// allocate memory for the data in device
cudaMemcpy(d_fftData, CompData, LENGTH * sizeof(cufftComplex), cudaMemcpyHostToDevice);// copy data from host to device cufftHandle plan;// cuda library function handle
cufftPlan1d(&plan, LENGTH, CUFFT_C2C, );//declaration
cufftExecC2C(plan, (cufftComplex*)d_fftData, (cufftComplex*)d_fftData, CUFFT_FORWARD);//execute
cudaDeviceSynchronize();//wait to be done
cudaMemcpy(CompData, d_fftData, LENGTH * sizeof(cufftComplex), cudaMemcpyDeviceToHost);// copy the result from device to host for (i = ; i < LENGTH / ; i++)
{
printf("i=%d\tf= %6.1fHz\tRealAmp=%3.1f\t", i, fs*i / LENGTH, CompData[i].x*2.0 / LENGTH);
printf("ImagAmp=+%3.1fi", CompData[i].y*2.0 / LENGTH);
printf("\n");
}
cufftDestroy(plan);
free(CompData);
cudaFree(d_fftData); }
CUDA学习笔记3:CUFFT(CUDA提供了封装好的CUFFT库)的使用例子的更多相关文章
- CUDA学习笔记2:CUDA(英伟达显卡统一计算架构)与已有的VS项目结合
一.步骤 1.先新建一个简单的控制台应用程序,项目名称为Mytest,如下图所示: 2.在项目中添加一个名为Test.cu文件,如下图所示: 3.在解决方案资源管理器中选择该项目并点击右键,在弹出的菜 ...
- CUDA学习笔记4:CUDA(英伟达显卡统一计算架构)代码运行时间测试
CUDA内核运行时间的测量函数 cudaEvent_t start1; cudaEventCreate(&start1); cudaEvent_t stop1; cudaEventCreate ...
- 并发编程学习笔记(4)----jdk5中提供的原子类及Lock使用及原理
(1)jdk中原子类的使用: jdk5中提供了很多原子类,它会使变量的操作变成原子性的. 原子性:原子性指的是一个操作是不可中断的,即使是在多个线程一起操作的情况下,一个操作一旦开始,就不会被其他线程 ...
- Directx11学习笔记【二】 将HelloWin封装成类
我们把上一个教程的代码封装到一个类中来方便以后的使用. 首先新建一个空工程叫做MyHelloWin,添加一个main.cpp文件,然后新建一个类叫做MyWindow,将于窗体有关的操作封装到里面 My ...
- CUDA学习笔记(二)【转】
来源:http://luofl1992.is-programmer.com/posts/38847.html 编程语言的特点是要实践,实践多了才有经验.很多东西书本上讲得不慎清楚,不妨自己用代码实现一 ...
- CUDA学习笔记1
最近要做三维重建就学习一下cuda的一些使用. CUDA并行变成的基本四路是把一个很大的任务划分成N个简单重复的操作,创建N个线程分别执行. CPU和GPU,有各自的存储空间: Host, CPU a ...
- 算法学习笔记——sort 和 qsort 提供的快速排序
这里存放的是笔者在学习算法和数据结构时相关的学习笔记,记录了笔者通过网络和书籍资料中学习到的知识点和技巧,在供自己学习和反思的同时为有需要的人提供一定的思路和帮助. 从排序开始 基本的排序算法包括冒泡 ...
- 学习笔记:安装swig+用SWIG封装C++为Python模块+SWIG使用说明
这段时间一直在摸索swing,用它来封装C++代码来生成python脚步语言.并总结了swing从安装到配置再到代码封装编译生成动态库的整个过程,下面这篇文章都是我在实际的运用中的一些经验总结,分享给 ...
- CUDA学习笔记(三)——CUDA内存
转自:http://blog.sina.com.cn/s/blog_48b9e1f90100fm5f.html 结合lec07_intro_cuda.pptx学习 内存类型 CGMA: Compute ...
随机推荐
- NYOJ 409 郁闷的C小加(三) (字符串处理)
题目链接 描述 聪明的你帮助C小加解决了中缀表达式到后缀表达式的转换(详情请参考"郁闷的C小加(一)"),C小加很高兴.但C小加是个爱思考的人,他又想通过这种方法计算一个表达式的值 ...
- .net APIHelper client获取数据
using Newtonsoft.Json; using System.Net.Http.Headers; public static class APIHepler { public static ...
- Go语言 7 并发编程
文章由作者马志国在博客园的原创,若转载请于明显处标记出处:http://www.cnblogs.com/mazg/ Go学习群:415660935 今天我们学习Go语言编程的第七章,并发编程.语言级别 ...
- 美团实习Java岗面经,已拿offer
作者:icysnowgx 链接:https://www.nowcoder.com/discuss/71954?type=2&order=3&pos=10&page=1 来源:牛 ...
- nc-使用方法
nc-远程克隆硬盘 A 接收端: nc -lp 333 | dd of=/dev/sda #用nc开启333监听端口 将收到的数据 写入到sda的硬盘上(前提是挂一块硬盘) B ...
- webgote的例子 数据库与sql注入的相关联系(1)
大家好我是时光凉春衫薄 之前将讲的sql注入有点随便了我同事也觉得有些地方看不懂,往后的几天我尽量写的细一点.尽可能让大家能看懂.(新手出道大佬多多指教.欢迎评论批评.) 数据库与sql注入的相关联系 ...
- python之jsonpath的使用
import json import jsonpath import requests url="https://www.lagou.com/lbs/getAllCitySearchLabe ...
- spring web 生命周期理解
spring web /bean 生命周期 反射注解 aop代理类生成 init servlet 初始化 load spring-context.xml load XmlParser 类解析对象 ...
- IO的学习与使用
一.IO的学习方法:IO中包含了很多的类,推荐的学习方式是:“举一反三,掌握一种,以此类推”. 二.I/O操作的目标: 输入:从数据源(在数据源和程序之间建立的一个数据流淌的“管道”)中读取数据(文件 ...
- ansible command模块将返回值写入变量
ansible 中command模块支持 register参数将远程命令执行的输出结果存储在变量中,后续可以在when中对该变量进行检索确定下一步任务. --- - name: cat /etc/re ...