Evaluación del rendimiento computacional en un esquema de coprocesamiento cpu-gpu de tres algoritmos matching pursuit para la compresion de datos sismicos

Los algoritmos Matching Pursuit son cada vez más utilizados por su eficiencia para hacer representaciones sparse de señales digitales. En este trabajo se implementan tres versiones del algoritmo Matching Pursuit en un esquema de coprocesamiento CPU - GPU con el propósito de comprimir trazas sísmicas...

Full description

Autores:
Cárdenas Arenas, Mayra Alejandra
Noriega Zambrano, Reynaldo Fabian
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2015
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/32572
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/32572
https://noesis.uis.edu.co
Palabra clave:
Matching Pursuit
Gpu
Trazas Sísmicas
Compresión
Matching Pursuit
Gpu
Seismic Traces
Compression
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:Los algoritmos Matching Pursuit son cada vez más utilizados por su eficiencia para hacer representaciones sparse de señales digitales. En este trabajo se implementan tres versiones del algoritmo Matching Pursuit en un esquema de coprocesamiento CPU - GPU con el propósito de comprimir trazas sísmicas. Los tres algoritmos evaluados fueron Matching Pursuit, Weak Matching Pursuit y Least - Squares Orthogonal Matching Pursuit. Adicionalmente, el trabajo busca hacer una selección entre los tres algoritmos teniendo en cuenta el factor de compresión y el rendimiento computacional. El diccionario utilizado en el algoritmo está basado en ondiculas Morlet y se diseñó teniendo en cuenta los contenidos en frecuencia de las señales a comprimir. Nuestros resultados sugieren que el algoritmo Least - Squares Orthogonal Matching Pursuit presenta un mejor factor de compresión y rendimiento computacional en comparación con los algoritmos evaluados. Como trabajo adicional se calculó el tiempo que necesita cada una de las funciones presentes en los algoritmos para determinar los cuellos de botella de cada uno de estos, nuestros resultados muestran que la función transpuesta es la que mayor tiempo ocupa en los algoritmos Matching Pursuit y Weak Matching Pursuit. En el algoritmo Least - Squares Orthogonal Matching Pursuit la función con mayor tiempo fue el producto matriz matriz.