基于CUDA的IDW并行算法及其实验分析

近些年来,空间数据获取技术得到了迅猛的提高,例如LIDAR,通常可以产生成千上万个点,这对计算机的处理能力提出了挑战。最近,图形处理器(GPU)的计算能力得到了巨大的提升,致使GPU的通用计算引起了关注。GPU是流处理器的集合,最近的设备的流处理器超过240个,浮点峰值比CPU快10多倍。在GPU上编程和编译的环境称计算统一设备架构(CUDA),它提供了可以简单生成并行代码的途径。基于CUDA的并行计算,在很多领域得到了应用,但是在空间插值方面应用较少。反距离权插值(IDW)算法,因容易计算,在空间插值中经常被使用。然而,当维数增加时,提升计算时间是紧要的,故本文提出CUDA的IDW并行算法。并在相同的条件下,对比CUDA和CPU的算法的运行时间,数值实验表明,CUDA算法的运行速度是CPU算法的6倍左右。