RT - Journal Article T1 - Real-Time DOA Estimation of Underwater Sound Sources Using GPU JF - jsdp YR - 2021 JO - jsdp VO - 18 IS - 2 UR - http://jsdp.rcisp.ac.ir/article-1-990-fa.html SP - 45 EP - 56 K1 - DOA estimation of sound sources K1 - MVDR algorithm K1 - Parallel processing K1 - GPU K1 - CUDA AB - جهت­‌یابی منابع صوت به‌کمک روش‌­های مبتنی بر آرایه فازی، اهمیت فراوانی در حوزه‌­های مختلف از جمله سونار، بینایی ربات و تشخیص عیوب مکانیکی دارد. روش­‌های شکل­‌دهی‌­پرتو وفقی، از جمله الگوریتم کمینه‌­واریانس بدون‌­اعوجاج از قدرت تفکیک بالایی نسبت به روش‌­های غیروفقی برخوردار هستند؛ اما این برتری در ازای پیچیدگی محاسباتی این الگوریتم­‌ها به‌دست آمده است. این مسأله باعث می‌­شود در کاربردهایی که نیاز به جهت­‌یابی زمان­‌حقیقی منبع صوت دارند، به‌ندرت از این الگوریتم‌­ها استفاده شود. از سوی دیگر، یک ویژگی­ مهم روش‌­های شکل‌­دهی‌­پرتو وفقی از جمله کمینه‌واریانس، پتانسیل بالای این الگوریتم‌­ها برای موازی­‌سازی است. هدف این مقاله، پیاده­‌سازی موازی الگوریتم کمینه‌­واریانس با به کارگیری واحد پردازنده گرافیکی (GPU) به جای واحد پردازنده مرکزی (CPU)، به‌منظور افزایش سرعت اجرا و رسیدن به حالت زمان‌­حقیقی است. برای دست‌­یابی به این هدف از مدل برنامه­‌نویسی کودا برای پیاده‌­سازی الگوریتم بر روی پردازنده گرافیکی استفاده شده است. به‌منظور بررسی عملکرد پیاده‌­سازی موازی الگوریتم کمینه­‌واریانس، دو مدل GPU متفاوت و همچنین CPU ­به‌کاربرده شده است. صحت عملکرد پیاده­‌سازی­‌های مختلف در این مقاله به‌وسیله داده‌­های واقعی سونار و همچنین داده­‌های شبیه­‌سازی تأیید شد. نتایج نشان می­‌دهد که می‌­توان با استفاده از یک آرایه 64 حس‌گره، جهت منابع صوت زیر آب را با استفاده از الگوریتم کمینه­‌واریانس به‌صورت زمان­‌حقیقی و با قدرت تفکیک بالا تخمین زد. LA eng UL http://jsdp.rcisp.ac.ir/article-1-990-fa.html M3 10.52547/jsdp.18.2.45 ER -