Lattice structure for parallel calculation of orthogonal wavelet transform on GPUs with CUDA architecture

• Autorzy: Puchala D. , Szczepaniak B. , Yatsymirskyy M.

Warianty tytułu

PL

Równoległe obliczanie ortogonalnych przekształceń falkowych na procesorach GPU o architekturze CUDA w oparciu o struktury kratowe

• Języki publikacji: EN

Abstrakty

EN

In this paper, we present a novel approach to calculation of discrete wavelet transform (DWT) on modern Graphics Processing Units (GPUs) with CUDA architecture which takes advantage of highly parallel lattice structure. The experimental results obtained for model signals show that the proposed approach allows to obtain several times acceleration compared with sequential calculations carried out on the CPU while taking into account not only time of calculations but also time required for data transfers.

W artykule zaproponowano nowe podejście do obliczania dyskretnego przekształcenia falkowego (DWT) na nowoczesnych procesorach graficznych (GPUs) o architekturze CUDA oparte o wysoce równoległe struktury kratowe. Wyniki badań eksperymentalnych przeprowadzonych na sygnałach modelowych pokazują, że zaproponowane podejście daje możliwość uzyskania kilkukrotnego przyśpieszenia obliczeń w porównaniu do obliczeń sekwencyjnych na CPU, biorąc pod uwagę nie tylko czas obliczeń , ale również czasy przesyłu danych.

Słowa kluczowe

EN

discrete wavelet transform; lattice structure; GPU computation; CUDA architecture

PL

dyskretne przekształcenie falkowe; struktura kratowa; obliczenia GPU; architektura CUDA

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 7
• Strony: 52--54
• Opis fizyczny: Bibliogr. 8 poz., rys., tab., wykr.

Twórcy

autor

Puchala D.

• Institute of Information Technology, Lodz Technical University, ul. Wólczańska 215, 90-924 Lodz, Poland

autor

Szczepaniak B.

• Institute of Applied Computer Science, Lodz Technical University, ul. Stefanowskiego 18/22, Lodz, Poland

autor

Yatsymirskyy M.

• Institute of Information Technology, Lodz Technical University, ul. Wólczańska 215, 90-924 Lodz, Poland

Bibliografia

• [1] Colderbank A. R., Daubechies I., Sweldens W., Boon-Lock Yeo: Lossless Image Compression Using Integer to Integer Wavelet Transform, Proceedings International Conference On Image Processing, Vol. 1, 1997.
• [2] Li T., Li Q., Zhu S., Ogihara M.: A survey on Wavelet Applications in Data Mining, SIGKDD Explorations, Vol. 4, Issue 2, 2002.
• [3] Dash P. K., Iian Lee Wen Chun, Chilukuri M. V.: Power Quality Data Mining Using Soft Computing And Wavelet Transform, TENCON 2003.Conference on Convergent Technologies for the Asia-Pacific Region, Bangalore, India, 2003.
• [4] Uytterhoeven G., Rose D., Bultheel A.: Wavelet Transform Using the Lifting Scheme, Report ITA-Wavelets-WP1.1, 28 April 1997.
• [5] Yatsymirskyy M., Lattice structures for synthesis and implementation of wavelet transforms, Journal of Applied Computer Science, 17(1), pp. 133–141, 2009.
• [6] Yatsymirskyy M., Stokfiszewski K.: Effectiveness of lattice factorization of two-channel orthogonal filter banks, Joint Conference NTAV/SPA 2012, September 2012.
• [7] Mallat S.: A theory for multiresolution signal decomposition: the wavelet representation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 11(7), pp. 674-–693, June 1989.
• [8] Artu Yildrim A., Ozdogan C.: Parallel wavelet-based clustering algorithm on GPUs using CUDA, Procedia Computer Science, 3 (2011), pp. 396–400, 2011.