ЖУРНАЛ «СТА» 4/2018

способствует параллельной обработ- ке данных; ● относительно простое программиро- вание через языки высокого уровня (CUDA, C, C ++, Python и т.д.); ● поддержка OpenACC и OpenCL для реализации быстрой обработки цик- лических алгоритмов для повышения производительности; ● более высокая вычислительная мощ- ность по сравнению с процессорами общего назначения. Таким образом, архитектура GPGPU подходит для приложений, которые предназначены для массовой парал- лельной обработки больших объёмов данных и/или интенсивных математи- ческих вычислений (рис. 2), в частно- сти, с проведением нескольких вычис- лений, основанных на однократном об- ращении к памяти. Высокие вычисли- тельные нагрузки с обработкой на мно- жестве модулей требуют, чтобы задерж- ки доступа к памяти были минимизи- рованы, это можно сделать за счёт уско- ренного вычисления без необходимо- сти активного кэширования данных. Согласно NVIDIA, архитектурные пре- имущества GPGPU могут обеспечить от 10- до 100-кратного роста производи- тельности по сравнению с процессора- ми общего назначения в таких прило- жениях, как компьютерное зрение, рас- шифровка паролей и имитационное моделирование. Разумеется, эти преимущества сопря- жены с проблемами, и их следует учи- тывать при рассмотрении решений для анализа информации в ответственных приложениях. Принимая GPGPU в качестве наибо- лее эффективного решения, доступно- го сегодня для анализа сигналов, как с точки зрения производительности, так и потребления мощности, мы рассмот- рим три особенно перспективные обла- сти применения GPGPU в военных приложениях: обработка данных с ра- дара, гидролокатора и обработка изоб- ражений. П РИМЕРЫ ПРИМЕНЕНИЙ ПРОДУКТОВ ADLINK Радиолокационные системы Радиолокатор с синтезированной апертурой (SAR – Synthetic Aperture Radar), радар с фазированной решёткой и гибридные радиолокационные систе- мышироко распространены как в граж- данской сфере, так и при сборе военной информации. Они применяются в си- стемах противовоздушной обороны, противоракетных системах, системах предупреждения столкновения самолё- тов, системах наблюдения за морской поверхностью, системах альтиметрии и управления полётом, а также системах обнаружения целей для управляемых ракет (рис. 3, 4). Использование GPGPU в данной сфере для ускорения вычисле- ний насчитывает почти десять лет. Рас- смотрим результаты тестов производи- тельности, проведённых ПитеромМор- рисом и его коллегами из научно- исследовательской организации оборо- ны Индии (India’s Defense Research & Development Organization), которая сравнила систему на базе процессоров Intel ® Xeon ® с восемью графическими процессорами NVIDIA Quadro FX 3800 (выпущенными в 2009 году) с эквива- лентной системой на PowerPC. Система, управляемая GPGPU, в раз- личных задачах работы с радаром (об- работка данных, обнаружение движу- щихся целей, работа с доплеровскими системами и т.д.) оказалась производи- тельнее в 16–82 раза. ОБ ЗОР / АППА РАТ НЫЕ С Р Е ДС Т В А СТА 4/2018 40 www.cta.ru Рис. 4. Радарная установка Рис. 3. Дисплей радара Рис. 2. Система управления радаром