[논문]GPU를 이용한 기타의 음 합성을 위한 효과적인 병렬 구현

강성모; 김종면

doi:10.9708/jksci.2013.18.8.001

초록
AI-Helper

본 논문에서는GPU 환경에서 기타의 음합성을 위한 물리적 모델링의 효율적인 병렬구현 방법을 제안한다. 물리적 모델링을 이용하여 기타의 개방현(E2, A2, D3, G4, B3, E4)들의 기본음을 합성하기 위해 각 개방현 음 합성을 위한 적절한 필터 계수를 사용하였고, 지연 라인의 길이를 조절하였다. 또한 물리적 모델링 알고리즘을 분석한 결과 지연 라인의 길이만큼 병렬성을 갖는 것을 확인하였다. 따라서 각 개방현의 기타 음을 합성하기 위해 지연 라인의 길이만큼CUDA 코어를 할당한 후 최적의 성능을 보이도록 알고리즘을 병렬 구현하였다. 모의실험결과, GPU를 이용하여 합성한 기타 음과 원음과의 스펙트럼이 매우 유사하였고, GPU는 기존 고성능 TI DSP보다 68배, CPU보다 3배의 성능 향상을 보였다. 또한, 본 논문에서는 물리적 모델링 알고리즘을 멀티 GPU시스템에서도 구현하고 성능을 분석하였다.

Abstract ▼ AI-Helper

This paper proposes an effective parallel implementation of a physical modeling synthesis of guitar on the GPU environment. We used appropriate filter coefficients and adjusted the length of delay line for each open string to generate 44,100 six-polyphonic guitar sounds (E2, A2, D3, G4, B3, E4) by u...

This paper proposes an effective parallel implementation of a physical modeling synthesis of guitar on the GPU environment. We used appropriate filter coefficients and adjusted the length of delay line for each open string to generate 44,100 six-polyphonic guitar sounds (E2, A2, D3, G4, B3, E4) by using physical modeling synthesis. In addition, we analyzed the physical modeling synthesis algorithm and observed that we can exploit parallelism inherent in the length of delay line. Thus, we assigned CUDA cores as many as the length of delay line and effectively implemented the physical modeling synthesis using GPU to achieve the highest performance. Experimental results indicated that synthetic guitar sounds using GPU were very similar to the original sounds when we compared their spectra. In addition, GPU achieved 68x and 3x better performance than high-performance TI DSP and CPU, respectively. Furthermore, this paper implemented and evaluated the performance of multi-GPU systems for the physical modeling algorithm.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

GPU를 이용한 기타 음 합성 알고리즘의 성능을 평가하기 위해 GPU와 CPU의 성능을 비교하였다. 그림 7은 CPU와 GPU에서 6개 현의 음을 각각 합성하는데 걸리는 시간을 보여준다.
Visual Profiler는 CUDA나 OpenCL 실행 파일을 실행하여 타임라인을 통하여 GPU상에서 알고리즘의 성능 분석과 병목 현상에 대한 정보를 볼 수 있는 크로스 플랫폼 성능 프로파일링 도구이다[11]. Visual Profiler를 이용하여 여기신호를 호스트(Host)에서 디바이스(Device)로 전송하는데 필요한 시간 HtoD, 합성 음을 디바이스에서 호스트로 읽어오는데 필요한 시간 DtoH, 실제 음 합성에 사용되는 시간을 측정하였다.
본 논문에서는 1개의 GPU와 CPU 간의 성능 비교 뿐만 아니라 다수의 GPU를 사용하였을 경우 음 합성 알고리즘의 성능 추이 변화도 분석하였다. 이러한 다수의 GPU 환경에서 성능을 분석하기 위해 NVIDIA에서 제공하는 Visual Profiler을 이용하였다.
본 논문에서는 네 가지의 형태의 GPU 시스템에서 기타 음 합성 알고리즘의 성능을 평가하였을 뿐만아니라 기존 고성능 TI DSP(TI TMS320C6416)와 CPU(Xeon x5690)와의 성능도 비교하였다. 표 3은 GPU 장치의 수(1, 2, 3, 6)를 변화시키며 측정한 성능을 상용 프로세서들과 비교한 결과를 보여준다.
본 논문에서는 물리적 모델링 기반의 기타 음 합성 알고리즘을 병렬화하였으며, OpenCL을 사용하여 GPU 상에서 효율적으로 실행되도록 맵핑(mapping)하였다. 병렬 구현된 알고리즘의 결과를 확인하기 위해 44.
본 논문에서는 물리적 모델링 기반의 기타 음 합성을 GPU상에서 병렬처리 될 수 있도록 OpenCL을 사용하여 알고리즘을 병렬 구현한다. 인텔 Xeon(R) x5690 @ 3.

대상 데이터

본 논문에서 사용된 GPU 프로세서는 NVIDIA사의 GeForce GTX 580으로, GTX 580 아키텍처는 그림 1과 같이 16개의 스트리밍 멀티프로세서(streaming multiprocessor, SM)를 가진다. SM은 명령어를 인출하여 전체 스트리밍 프로세서(streaming processor, SP)에 전송하고, 각 SP들은 명령어를 동시에 수행한다.
본 실험에서 사용된 CPU는 인텔사의 Xeon x5690이며, 연산에 사용된 GPU는 NVIDIA의 GeForce GTX 580이다. 표 1은 물리적 모델링 합성을 이용한 기타 음 합성을 위해 사용된 전체 시스템의 실험 환경을 보여준다.
하나의 SM마다 19개의 CUDA 코어를 사용하여 7개의 SM이 할당되어 한번에 133개의 샘플이 합성된다. 즉 1초 길이의 기타 음 합성을 위해서는 이와 같은 과정을 332번 반복하여 총 44,156개의 샘플을 합성한다.
하나의 여기 신호 샘플을 하나의 CUDA 코어에 할당 되도록 하여 지연 라인의 길이만큼 CUDA 코어에 맵핑한다. 하나의 SM마다 19개의 CUDA 코어를 사용하여 7개의 SM이 할당되어 한번에 133개의 샘플이 합성된다. 즉 1초 길이의 기타 음 합성을 위해서는 이와 같은 과정을 332번 반복하여 총 44,156개의 샘플을 합성한다.

이론/모형

본 논문에서는 1개의 GPU와 CPU 간의 성능 비교 뿐만 아니라 다수의 GPU를 사용하였을 경우 음 합성 알고리즘의 성능 추이 변화도 분석하였다. 이러한 다수의 GPU 환경에서 성능을 분석하기 위해 NVIDIA에서 제공하는 Visual Profiler을 이용하였다. Visual Profiler는 CUDA나 OpenCL 실행 파일을 실행하여 타임라인을 통하여 GPU상에서 알고리즘의 성능 분석과 병목 현상에 대한 정보를 볼 수 있는 크로스 플랫폼 성능 프로파일링 도구이다[11].

성능/효과

67배의 성능 향상을 보였다. 또한 1개의 GPU를 사용한 기타 음 합성은 TI DSP보다 실행시간에서 약 68배 높은 성능을 보였으며, CPU보다는 약 3배의 성능 향상을 보였다. 향후에는 기타 음 합성 알고리즘을 위해 성능 및 에너지 효율 측면에서 GPU 내 최적의 코어 개수를 결정하는 연구를 수행할 예정이다.
1kHz의 샘플링율로 합성된 음과 원음의 청취 및 스펙트럼 분석 결과 거의 동일함을 알 수 있었다. 또한 음 합성에 사용되는 GPU의 수를 변화시키며 실험한 결과 GPU가 1개에서 2개로 늘어날 때 실행시간은 약 1.97배, 3개일 때 약 2.69배, 6개일 때 약 3.4배의 성능 향상을 보였다. 하지만 데이터 전송을 위한 시간을 포함한 총 실행시간은 2개 일 때 약 1.
1kMz, 16비트의 양자화 데이터 음을 합성하였으며, 합성음은 원음과의 스펙트럼 비교 결과 원음과 매우 유사함을 확인할 수 있었다. 또한 제안한 방법의 성능 평가를 위해 TI DSP와 실행 시간 측면에서 성능을 비교하여 좋은 결과를 보였다.
본 논문에서는 물리적 모델링 기반의 기타 음 합성 알고리즘을 병렬화하였으며, OpenCL을 사용하여 GPU 상에서 효율적으로 실행되도록 맵핑(mapping)하였다. 병렬 구현된 알고리즘의 결과를 확인하기 위해 44.1kHz의 샘플링율로 합성된 음과 원음의 청취 및 스펙트럼 분석 결과 거의 동일함을 알 수 있었다. 또한 음 합성에 사용되는 GPU의 수를 변화시키며 실험한 결과 GPU가 1개에서 2개로 늘어날 때 실행시간은 약 1.
표 3은 GPU 장치의 수(1, 2, 3, 6)를 변화시키며 측정한 성능을 상용 프로세서들과 비교한 결과를 보여준다. 성능 비교 결과, 신호처리 분야에서 많이 사용되는 TI DSP보다 최소 68배에서 최대 232배 높은 성능을 보였으며, CPU보다 최소 3배에서 최대 10배 높은 성능 향상을 보였다.
본 논문에서는 물리적 모델링 기반의 기타 음 합성을 GPU상에서 병렬처리 될 수 있도록 OpenCL을 사용하여 알고리즘을 병렬 구현한다. 인텔 Xeon(R) x5690 @ 3.47GHz와 NVIDIA Geforce GTX 580 상에서 샘플링율이 44.1kMz, 16비트의 양자화 데이터 음을 합성하였으며, 합성음은 원음과의 스펙트럼 비교 결과 원음과 매우 유사함을 확인할 수 있었다. 또한 제안한 방법의 성능 평가를 위해 TI DSP와 실행 시간 측면에서 성능을 비교하여 좋은 결과를 보였다.
4배의 성능 향상을 보였다. 하지만 데이터 전송을 위한 시간을 포함한 총 실행시간은 2개 일 때 약 1.39배, 3개일 때 약 1.55배, 약 1.67배의 성능 향상을 보였다. 또한 1개의 GPU를 사용한 기타 음 합성은 TI DSP보다 실행시간에서 약 68배 높은 성능을 보였으며, CPU보다는 약 3배의 성능 향상을 보였다.

후속연구

또한 1개의 GPU를 사용한 기타 음 합성은 TI DSP보다 실행시간에서 약 68배 높은 성능을 보였으며, CPU보다는 약 3배의 성능 향상을 보였다. 향후에는 기타 음 합성 알고리즘을 위해 성능 및 에너지 효율 측면에서 GPU 내 최적의 코어 개수를 결정하는 연구를 수행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	각 개방현의 기타 음을 합성하기 위해 지연 라인의 길이만큼 CUDA 코어를 할당한 후 최적의 성능을 보이도록 알고리즘을 병렬 구현한 이유는?	물리적 모델링을 이용하여 기타의 개방현(E2, A2, D3, G4, B3, E4)들의 기본음을 합성하기 위해 각 개방현 음 합성을 위한 적절한 필터 계수를 사용하였고, 지연 라인의 길이를 조절하였다. 또한 물리적 모델링 알고리즘을 분석한 결과 지연 라인의 길이만큼 병렬성을 갖는 것을 확인하였다. 따라서 각 개방현의 기타 음을 합성하기 위해 지연 라인의 길이만큼CUDA 코어를 할당한 후 최적의 성능을 보이도록 알고리즘을 병렬 구현하였다.
	초기의 전자악기의 단점은?	최근 디지털 신호처리 기술과 음향 기술의 발전으로 직접 악기를 연주하지 않고 디지털 신호를 합성하여 오디오 신호를 만들어 내는 전자악기들이 개발되어오고 있다[1-3]. 초기의 전자악기들은 음 합성 시 녹음 된 악기의 음을 변조하여 새로운 음을 생성하는 방식을 주로 사용하지만 아날로그 악기의 부드러운 음색을 충분히 재현하지 못하는 단점을 가지고 있어 이를 보완하기 위한 다양한 음 합성 기법들이 연구되고 있다. 대표적인 음 합성 방법으로는 샘플링 합성, 가산 합성, 감산 합성, 주파수 변조 합성, 스펙트럼 모델링 합성, 물리적 모델링 합성 기법 등이 있다.
	대표적 음 합성 방법은?	초기의 전자악기들은 음 합성 시 녹음 된 악기의 음을 변조하여 새로운 음을 생성하는 방식을 주로 사용하지만 아날로그 악기의 부드러운 음색을 충분히 재현하지 못하는 단점을 가지고 있어 이를 보완하기 위한 다양한 음 합성 기법들이 연구되고 있다. 대표적인 음 합성 방법으로는 샘플링 합성, 가산 합성, 감산 합성, 주파수 변조 합성, 스펙트럼 모델링 합성, 물리적 모델링 합성 기법 등이 있다. 그 중 물리적 모델링 기반의 음 합성 방법은 고음질의 자연스러운 음을 합성할 수 있어 현악기를 위한 음 합성 알고리즘으로 적합하다[4].

참고문헌 (11)

M. karjalainen, T.Maki-Patola, A. Kanerva, A. Huovilainen, and P. janis, "Virtual air guitar," in Proc. of AES Convention, pp. 2-19, Oct. 2004.
L. Kessous, J. Castet, and D. Arfib, "GXtar, an interface using guitar techniques," in Proc. of International Conference on New Interfaces for Musical Expression, pp. 192-195, June 2006.
J. Kanebako, J. Gibson, and L. Mignonneau, "Mountain guitar : a musical instrument for everyone," in Proc. of International Conference on New Interfaces for Musical Expression, pp. 396-397, June 2007.
M. Kang, S. Cho, and U. Chong, "Implementation of Non-Stringed Guitar Based on Physical Modeling Synthesis," Journal of the Acoustical Society of Korea, Vol. 28, No. 8, pp.119-126, Feb. 2009.
J. E .Stone, D. Gohara, G. Shi, "OpenCL : A parallel programming standard for heterogeneous computing systems", Computing in Science and Eng, Vol. 12, No. 3, pp. 66-73, May 2010.
H.-G. Jeon, J.-W. Ahn, J.-M. Kim, and C.-H. Kim, "Memory Delay Comparison between 2D GPU and 3D GPU," Journal of The Korea Society of Computer and Information, Vol. 17, No. 7, pp. 1-11, July 2012.

원문보기 상세보기
H.-J. Choi, S.-G. Kang, J.-M. Kim, and C.-H. Kim, "Analysis of the CPU/GPU Temperature and Energy Efficiency depending on Executed Applications," Journal of The Korea Society of Computer and Information, Vol. 17, No. 5, pp. 9-19. May 2012.

원문보기 상세보기
O. E. Albayrak, I. Akturk, O. Ozturk, "Effective Kernel Mapping for OpenCL Applications in Heterogeneous Platforms," Proc. of International Conference on Parallel Processing Workshop, pp. 81-88, Sept. 2012.
NVIDIA Fermi Compute Architecture Whitepaper, http://www.nvidia.com/content/PDF/fermi_white_papers/NVIDIA_Fermi_Compute_Architec ture_Whitepaper.pdf
V. Valimaki, J. Juopaniemi, M. Karjalainen, and Z. Janosy, "Physical Modeling of Plucked String Instruments with Application to Real-time Sound Synthesis," J. Audio Eng. Soc., Vol. 44, No. 5, pp. 331-353, May 1996.
NVIDIA Visual Profiler, https://developer .nvidia .com/nvidia-visual-profiler

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

GPU를 이용한 기타의 음 합성을 위한 효과적인 병렬 구현
An Effective Parallel Implementation of Sound Synthesis of Guitar using GPU 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

GPU를 이용한 기타의 음 합성을 위한 효과적인 병렬 구현 An Effective Parallel Implementation of Sound Synthesis of Guitar using GPU 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

김종면 (79)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

GPU를 이용한 기타의 음 합성을 위한 효과적인 병렬 구현
An Effective Parallel Implementation of Sound Synthesis of Guitar using GPU 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper