三维叠前随机噪声衰减预测算子计算的GPU并行算法初探.pdfVIP

预测滤波。其整个计算包括三个部分：（1）FFT 计算；（2 ）预测算子计算；（3 ）滤波处理。串行单线程程序各部分运行时间 如表1 所示。 Table1 Hotspot table of Three-dimension Pre-stack RNA 表1 三维叠前RNA 计算热点表 算 子 长 度运 行 时 间 FFT 计算时间 预测算子计算时间 预测滤波计算时间 预测算子计算时间占用比例 7 20s 258s 102s 67.9% 9 162s 2404s 603s 75.9% 12 242s 32116s 2023s 93.4% 从表1 可以看出： （1） 三维叠前RNA 计算部分最耗时的部分为预测算子计算部分，即它为整个计算的热点； （2 ） 随着算子长度的增加，预测算子的计算时间呈量级增长，其热点表现得越来越明显。 为了提高三维叠前RNA 的计算效率，必须首先提高预测算子计算部分的计算效率，本文将通过对预测算子计算的串行 算法进行分析，利用CUDA 技术设计适合GPU 运行的三维叠前RNA 预测算子计算的GPU 并行算法，从而加速三维叠前 RNA 的计算效率。 2 预测算子计算串行算法及GPU 并行化分析 三维叠前RNA 的理论基础是F-XYZ 域预测去噪技术，其串行算法过程如下： （1） 采用分窗技术，把庞大的输入数据体，按照i , j , k 方向划分为Data_Num 个小的空间窗数据s t ，其中i 表 i, j ,k   示CROSSLINE 方向不同的线；j 表示INLINE 方向不同的CMP ；k 表示共CMP 道集中的炮检距 （或道号）。 （2 ） 选取一个s t 做傅里叶变换，得到频谱数据S  ，频率个数为N ； i, j ,k   i, j ,k   （3 ） 对 而言，选取其中一个频率 ，设该频率的预测算子为 ，并设其预测误差能量为 ，根据复数 S   xl , m , n Q i, j ,k   最小平方原理，则有 2 L M 1N 1 Q Si  l , j  m , k  nxl , m , n Si , j , k Min （1） i j k l 1 m 0 n 0 Q L M 1N 1    0 得：  Si  l , j  m , k  n Si  p , j  q , k  r xl , m , n Si , j , k Si 