LMS algorithms parallelization in GPGPU environment

• Autorzy: Bożejko W. , Dobrucki A. , Walczyński M.

Warianty tytułu

PL

Zrównoleglenie algorytmu LMS w otoczeniu GPGPU

• Języki publikacji: EN

Abstrakty

EN

In this work we propose a methodology of LMS filters class parallelization, used in digital signal processing, used in noise reduction and echo cancelation problems. We propose an approach which uses a GPGPU technology. Parallel approach allows us to decompose a problem into a number of smaller ones, which can be computed faster. Obtained results (especially increasing speed and efficiency) show that the parallel method implemented on a GPU is much more effective than other existing procedures which makes it useful in real-time systems.

PL

W niniejszej pracy proponujemy metodologię zrównoleglenia algorytmów LMS, które są używane w systemach czasu rzeczywistego np. w procesie redukcji hałasu, czy też likwidacji echa. Proponujemy równoległe podejście, które korzysta z technologii GPGPU. Takie podejście pozwala zdekomponować problem na kilka mniejszych, które mogą zostać policzone szybciej. Uzyskane wyniki (w szczególności zwiększenie szybkości i efektywności) pokazują, że realizowana na GPU metoda równoległa jest bardziej efektywna niż inne istniejące procedury, co czyni ją szczególnie użyteczną w systemach czasu rzeczywistego.

Słowa kluczowe

EN

parallel computations; adaptive algorithms; real-time systems

PL

obliczenia równoległe; algorytmy adaptacji; systemy czasu rzeczywistego

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2011
• Tom: Vol. 52, nr 5
• Strony: 49--53
• Opis fizyczny: Bibliogr. 12 poz., tab., wykr.

Twórcy

autor

Bożejko W.

autor

Dobrucki A.

autor

Walczyński M.

• Wrocław University of Technology Institute of Computer Engineering, Control and Robotics, Wrocław

Bibliografia

• [1] Alba E.: Parallel Metaheuristics. A New Class of Algorithms. Wiley & Sons Inc. 2005.
• [2] Benesty J., T. Gansler D. R., Morgan M. M., Sondhi S. L. Gay: Digital Signal Processing: Advences in Network and Acoustic Echo Cancellation. Springer. 2001.
• [3] Bożejko W.: A new class of parallel scheduling algorithms. Wrocław University of Technology Publishing House 2010.
• [4] Bożejko W., Walczyński M., Wodecki M.: Application beamsearch algorithm based on fast Fourier transform for signal analysis (in polish). Automatyka. Zeszyty Naukowe Politechniki Śląskiej. Gliwice 2008. z. 150. pp. 31-38.
• [5] Bożejko W., Smutnicki C., Uchroński M.: Parallel calculating of the goal function in metaheuristics using GPU. In: G. Allen et al. (Eds.): ICCS 2009. Part I. LNCS 5544. 2009. pp. 1022-1031.
• [6] Claasen T. A. C. M., Mecklenbrauker W. F. G.: Comparison of the convergence of two algorithms for adaptive FIR digital filters. IEEE Trans. Acoustic. Speech and Signal Process. ASSP-29. pp. 670-678.
• [7] Duttweiler D. L.: Adaptive filter performance with nonlinearities in the correlation multiplier. IEEE Trans. Acoustic. Speech and Signal Process. ASSP-30. pp. 578-586.
• [8] Goodwin G. C., Sin K. S.: Adaptive Filtering. Prediction and Control. Prentice-Hall. Englewood Cliffs. NJ.
• [9] Harris R. W., Chabries D. M., Bishop F. A.: A variable step (VS) adaptive filter algorithm. IEEE Trans. Acoustic. Speech and Signal Process. ASSP-34. no.2. pp. 309-316.
• [10] Hirsh D., Wolf W. J.: A simple equalizer for efficient data transmission. IEEE Trans. Common Tech. COM -18. no. 1. pp. 5-12.
• [11] Perry A.: Fundamentals of Voice-Quality Engineering in Wireless Networks. Cambridge. 2007.
• [12] Zieliński T. P.: Digital signal processing. From theory to applications (in polish). Wydawnictwa Komunikacji i Łączności. 2007.