1、圖形處理器(Graphics Processing Unit，GPU)的飛速發(fā)展不但帶動了虛擬現(xiàn)實、計算仿真以及圖像處理等領(lǐng)域的高速前進，更將其應(yīng)用范圍擴展到圖像處理以外的通用計算領(lǐng)域。其中，利用NVIDIA提出的CUDA平臺執(zhí)行高性能并行計算任務(wù)正成為新的熱點研究課題。越來越多的計算密集型應(yīng)用通過高效的并行化設(shè)計使得其性能在GPU上得到很大地提高。
　　有限脈沖響應(yīng)(Finite Impulse Response，F(xiàn)IR)濾波處

2、理在數(shù)字信號處理中應(yīng)用極其廣泛。為了提高FIR濾波器的性能，例如更加陡峭的截止帶，需要提高FIR濾波器的階數(shù)。而高階FIR濾波處理是一個典型的計算密集型應(yīng)用。雖然基于頻域的FIR濾波器的實現(xiàn)較基于時域的實現(xiàn)，其計算復(fù)雜度已有很大的降低，但是對于高采樣率系統(tǒng)的數(shù)據(jù)流進行高階FIR濾波處理，仍然是一項充滿技術(shù)挑戰(zhàn)的難題。
　　本文在傳統(tǒng)的基于頻域FIR濾波處理算法Overlap-save方法的基礎(chǔ)之上，根據(jù)新一代GPU體系結(jié)構(gòu)的特點，

3、提出了一種高效的并行Overlap-save方法，并利用CUDA在NVIDIA GTX465進行了實現(xiàn)。針對GPU計算帶寬遠(yuǎn)大于其存儲帶寬的特點，該并行Overlap-save方法通過將輸入數(shù)據(jù)劃分為2倍的FFT長度的方法，極大地簡化了輸入數(shù)據(jù)和輸出結(jié)果的搬移操作，并徹底消除了由于條件分支而引起的內(nèi)核函數(shù)執(zhí)行效率的下降。同時，通過安排Warp中相鄰線程搬移相鄰數(shù)據(jù)的方法，充分地利用了GPU內(nèi)存訪問合并的能力，最大限度地利用了GPU所能提

4、供的存儲帶寬，從而使得并行Overlap-save方法更加適合GPU的并行體系結(jié)構(gòu)。同時，為了能夠部分地隱藏輸入數(shù)據(jù)和結(jié)果數(shù)據(jù)在主機內(nèi)存和GPU內(nèi)存之間進行數(shù)據(jù)傳輸?shù)臅r間，本算法利用了CUDA所提供的異步數(shù)據(jù)傳輸?shù)姆椒ǎ瑥亩沟脭?shù)據(jù)的傳輸與FIR處理計算能并行執(zhí)行。
　　實驗結(jié)果表明，并行Overlap-save算法其性能與相同的基于頻域的FIR濾波并行算法在多核CPU上——Intel Core i7上利用開源并行FFTW庫進行的