可编程图形处理器加速无条件稳定的Crank–NicolsonFDTD分析三维微波电路.pdfVIP

可编程图形处理器加速无条件稳定的 Crank–Nicolson FDTD分析三维微波电路 1 1 1 1 2 徐侃 陈如山 杜磊 朱剑 杨阳 （南京理工大学通信工程系，南京 210094)1 （南京航空航天大学信息科学与技术学院，南京 210094)2 eerschen@ 摘 要：本文使用图形处理器（GPU）加速无条件稳定的Crank–Nicolson 时域有限差分方法(CN-FDTD)中的迭代计算。在CN-FDTD 仿真中，稳定的双共轭梯度法(Bi-CGSTAB)作为求解器用于求解每个时间步所产生的线性系统。提出了一种基于GPU 的双共轭梯 度法，在迭代过程中，稀疏矩阵矢量乘和向量操作都被GPU 的多个处理器并行处理。由于GPU 具有强大的并行处理能力，使用基 于GPU 的双共轭梯度法，CN-FDTD 仿真所需的时间可以大大降低。借助NVIDIA 公司提供的统一计算设备架构(CUDA)编程模型， 实现了该基于GPU 的双共轭梯度求解器。最后用GPU 加速的CN-FDTD 方法分析了若干微波电路，其数值结果表明了GPU 加速 处理的有效性。 关键词：图形处理器；CN-FDTD；稳定的双共轭梯度法；CUDA GPU Accelerated Unconditionally Stable Crank–Nicolson FDTD Method for Analyzing Three-Dimensional Microwave Circuits 1 1 1 1 2 K. Xu , R. S. Chen , L. Du , J. Zhu , Y. Yang （Department of Communication Engineering, Nanjing University of Science and Technology of China, 1 Nanjing 210094 ） （College of Information Science Technology, Nanjing University of Aeronautics and Astronautics of China, Nanjing 2 210094) Abstract: The programmable Graphics Processing Unit (GPU) is employed to accelerate the iteration calculation in the unconditionally stable Crank–Nicolson fiinite-difference time-domain (CN-FDTD) method. In order to solve the linear system generated by the CN-FDTD at each time step, the Bi-Conjugate Gradient Stabilized method (Bi-CGSTAB) is used. Furthermore, both the Sparse Matrix-Vector Product (SMVP) and vector operations in the iteration are performed by multiple processors of the GPU, therefore a GPU-based solver called GPU-BI-CGSTAB