CUDA：CUDA中的一维三次样条插值

Question

我正在制作医疗成像设备。我想用CUDA制作更快的设备

我从CCD接收1024次大小的1d数据。 在我执行IFFT之前 我必须应用高性能插值算法（如三次样条插值） 每个1024个大小的数据（然后1d插值512次）。

1. 是否有任何CUDA库可以执行三次样条插值？ （我发现有一个库，但它是2或3维图像。 由于我需要执行其他复杂的过滤功能，我需要全局内存上的数据，而不是纹理内存上的数据。）

2. 是否有任何NUFFT（非均匀快速傅立叶变换）库（不需要为CUDA编写）？ 我想如果我有NUFFT功能，我不需要单独进行插值和IFFT，这样可以制作更快的设备。

Answer 1

由于越来越多的人问过这个问题，我也扩展了我的CUDA三次插值代码和一维三次插值。您可以在此处找到更新的代码：http://www.dannyruijters.nl/cubicinterpolation/

还可以在CI.zip的examples子目录中的cudaAccuracyTest示例中找到包含1D立方插值的工作CUDA示例。

对于那些对SSE方法更感兴趣的人，我在examples子目录的referenceCubicTexture3D示例中有一些SSE优化的多线程三次插值代码（尽管是3D，而不是1D）。

编辑：立方插值代码现在可在github上使用。 1D立方插值代码为here。

Answer 2

关于＃1

Ruijters的bi / tricubic样条插值，我认为你所引用的http://dannyruijters.nl/cubicinterpolation，（已编辑！）现在适用于1D数据，谢谢！请参阅Danny Ruijters在此页面上的回答。

关于＃2

以下是我所了解的一些NUFFT实现，以及对它们的简要介绍。

1. @ ardiyu07提到的第一个图书馆，Greengard，等人的快速高斯网格化的实现，是在Fortran，我不知道，所以我没有长时间看这个（尽管这确实提供了III型）非均匀到非均匀变换）。
2. 第二个是Ferrara在Matlab / MEX中实现Greengard的算法，我无法让它给我正确的解决方案（请参阅我刚发布的关于Mathworks FileExchange效果的评论）。
3. Potts，et al。，http://www-user.tu-chemnitz.de/~potts/nfft/我无法在Windows中编译它，所以我放弃了它。它还有III型NUFFT。
4. Fessler等人，http://web.eecs.umich.edu/~fessler/code/用Matlab / MEX编写，至少为Linux和Windows提供预编译的二进制文件。绝对是由非专业程序员编写的，但它是我能够正常工作的4个中唯一的一个。我甚至在几个地方更改了他们的Matlab源代码（基本上是通过查看Octave错误被引发的位置）之后才能在GNU Octave中工作，因为Octave可以使用预编译的MEX二进制文件。这也使用了与Greengard或Potts'不同的算法，基于最小 - 最大标准（其解决方案保证最小化最大DFT误差），但缺少III型NUFFT（仅I型和II型：其中一个域具有要统一）。
5. 我相信第五次NUFFT /“网格化”实施是由哈格里夫斯等人提出的：http://www-mrsrl.stanford.edu/~brian/gridding/（论文http://dx.doi.org/10.1109/TMI.2005.848376）。它在Matlab / MEX中。按原样，不与此前列表中的前四个一样，因为它非常嵌入其MRI背景中。
6. 这里是第六个实现，在Cython（快速Python）中，具有III型非均匀到非均匀变换和一些其他不错的功能，唉GPL：https://github.com/mrbell/gfft

我正在以冰川的速度工作，将Fessler的算法移植到Python / Cython，也许是CUDA（“可能”因为只是对标准（CU）FFT进行零填充和线性插值似乎运行得很好）。祝你好运。

Answer 3

1. 我不知道那个算法，但是如果你发现你对你的设备的思考速度足够快，那你为什么不把实现从使用纹理内存改为一个简单的数组，也许你使用共享内存可以做更多的加速吗？

2. 我发现一些用matlab和fortran 77编写：

   http://www.cims.nyu.edu/cmcl/nufft/nufft.html

   http://www.mathworks.com/matlabcentral/fileexchange/25135-nufft-nufft-usffft

Answer 4

老实说，GPU的并行性似乎有点低。具有SSE优化的6核可能在这里胜过GPU。