CUDA加速的1024阶FIR低通滤波器：频响与并行算法研究

本篇硕士学位论文主要探讨了在CUDA架构下实现的频域有限 impulse response (FIR) 滤波器的设计与并行算法研究。FIR滤波器是一种常用的信号处理技术，特别是在通信和音频处理等领域，因其线性相位特性而备受青睐。1024阶FIR低通滤波器的设计中，通过MATLAB利用kaiser窗函数生成滤波系数，确保了滤波器在特定频率范围内具有良好的阻带抑制和通带增益特性，如4.12公式所示的2.286·N·Ato+8=81.54 dB的通带增益和4.13公式中的0.1102·(0cs-8.7)=8.027 dB的过渡带衰减。 滤波器的设计首先在频域中进行，然后通过CUDA技术将其并行化，以提高处理速度。CUDA是NVIDIA公司推出的一种并行计算平台，它将计算任务分解到GPU的大量核心上，从而显著提升了大规模数据处理能力。论文的核心部分详细介绍了如何在MATLAB中利用CUDA进行FIR滤波器的并行实现，包括关键代码hn=firl(N, Z, kaiser(N), p)的运用，以及滤波效果在时域和频域的可视化，如图4.5和4.6所示。 输入信号是两个不同频率的正弦信号，其中一部分（Z<以）在滤波器的通带内，另一部分（五>Z）在阻带内。经过CUDA加速的FIR滤波后，噪声得到有效抑制，滤波前后信号的对比在图4.7和图4.8中清晰可见。这一并行算法的研究不仅展示了GPU在信号处理中的优势，还突出了其在提高滤波效率和性能方面的潜力。 论文作者陈震在东北大学信息科学与工程学院的指导下，针对CUDA在频域FIR滤波的并行化进行了深入研究，并在2012年6月提交了这篇硕士论文。论文的研究成果对于理解和优化GPU在高性能计算中的应用具有实际价值，尤其是在实时处理高数据量的信号处理任务时，这种并行算法的效率提升尤为重要。此外，论文还强调了创新性和独创性的声明，确保了所有研究成果的原创性。