.png){kind=icon}
返回
CPU-GPU Heterogeneity Based Pipeline Parallel Architecture in Physical Layer Processing
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10466-3_21.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效性能分析与软硬件解耦对于评估未来通信技术至关重要。然而，当前通用处理器在评估无线协议栈性能时，未能充分利用中央处理器（CPUs）和图形处理器（GPUs）的协同计算能力，导致计算密集型任务处理效率低下，且无法满足实时场景的高吞吐量需求。为解决此问题，本文提出了一种基于CPU-GPU协同调度的流水线并行处理架构。在多数据帧的流水线并行处理过程中，该架构根据实时负载和处理器结构，智能地将计算任务分配给最合适的处理单元，从而提高处理效率、降低功耗并增强系统整体性能。实验结果表明，在中端异构平台上，该流水线并行架构实现了172.15%的吞吐量提升和63.26%的延迟降低；在高性能平台上，实现了326.32%的吞吐量提升和76.54%的延迟降低，展示了跨硬件级别的鲁棒性。这些改进缓解了现有软件定义无线电（SDR）仿真架构的瓶颈。
Keyword:
CPU-GPU pipeline
Dynamic resource allocation
Energy efficiency
期刊
N
IF:
0
论文数:
27
被引数:
0
机构
查看更多机构
引用论文
A Survey on Open Radio Access Networks: Challenges, Research Directions, and Open Source Approaches.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏A DSP Acceleration Framework For Software-Defined Radios On X86 64ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏Understanding O-RAN: Architecture, Interfaces, Algorithms, Security, and Research Challenges了解o-ran: 架构、接口、算法、安全性和研究挑战
OAAI
OAAI分享收藏Accelerating Channel Estimation and Demodulation of Uplink OFDM symbols for Large Scale Antenna Systems using GPU利用GPU加速大规模天线系统上行链路OFDM符号的信道估计与解调OAAI
OAAI分享收藏6G Networks and the AI Revolution-Exploring Technologies, Applications, and Emerging ChallengesSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏 没有更多内容