[논문]OpenCL을 활용한 CPU와 GPU 에서의 CMMB LDPC 복호기 병렬화

박주열; 홍정현; 정기석

doi:10.14372/iemek.2016.11.6.325

[국내논문] OpenCL을 활용한 CPU와 GPU 에서의 CMMB LDPC 복호기 병렬화
Parallel LDPC Decoder for CMMB on CPU and GPU Using OpenCL 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.11 no.6, 2016년, pp.325 - 334

박주열 (Hanyang University) , 홍정현 (Hanyang University) , 정기석 (Hanyang University)

Abstract ▼ AI-Helper

Recently, Open Computing Language (OpenCL) has been proposed to provide a framework that supports heterogeneous computing platforms. By using an OpenCL framework, digital communication systems can support various protocols in a unified computing environment to achieve both high portability and high performance. This article introduces a parallel software decoder of Low Density Parity Check (LDPC) codes for China Multimedia Mobile Broadcasting (CMMB) on a heterogeneous platform. Each step of LDPC decoding has different parallelization characteristics. In this paper, steps suitable for task-level parallelization are executed on the CPU, and steps suitable for data-level parallelization are processed by the GPU. To improve the performance of the proposed OpenCL kernels for LDPC decoding operations, explicit thread scheduling, loop-unrolling, and effective data transfer techniques are applied. The proposed LDPC decoder achieves high performance by using heterogeneous multi-core processors on a unified computing framework.

Keyword

AI 본문요약
AI-Helper

문제 정의

본 논문은 CMMB 표준을 지원하는 LDPC 부호복호기를 OpenCL 프레임워크를 활용해 CPU와 GPU로 구성된 이종 컴퓨팅 환경에서 병렬처리 하는 기법을 제안한다. CMMB 표준은 9216bits 길이의 부호어 길이를 가지며 1/2과 3/4의 두 가지 부호율을 지원한다.

제안 방법

본 논문에서는 OpenCL을 활용해 태스크 단위 병렬화가 적합한 단계는 CPU에서 병렬처리 하고, 데이터 단위 병렬화가 적합한 단계는 GPU에 병렬처리 한다. 또한 작성한 LDPC 복호 OpenCL 커널이 병렬처리되는 타겟 연산장치의 하드웨어 특성을 반영한 스레드 스케줄링 및 데이터 전송 기법을 적용했다. 이종 연산장치를 위한 통합된 연산 프레임워크를 활용한 결과, 기존 China Multimedia Mobile Broadcasting (CMMB) 표준 LDPC 복호기의 C언어로 구현된 디자인 대비 최대 13.
일반적으로 CPU는 태스크 단위의 병렬화에 적합하며 GPU는 데이터 단위의 병렬화에 적합한 하드웨어 구조를 가지고 있다. 본 논문에서는 테스크 단위 병렬화가 가능한 1차원 주소행렬 생성 커널을 CPU에서 병렬처리하고, 데이터 단위 병렬화가 가능한 LDPC 복호 커널을 GPU에서 병렬처리 했다. 또한 효율적인 데이터 전송을 위해 CPU 커널에는 무복사 기법을 적용했고, GPU 커널은 지역메모리를 활용하도록 작성했다.
본 논문에서는 테스크 단위 병렬화가 가능한 1차원 주소행렬 생성 커널을 CPU에서 병렬처리하고, 데이터 단위 병렬화가 가능한 LDPC 복호 커널을 GPU에서 병렬처리 했다. 또한 효율적인 데이터 전송을 위해 CPU 커널에는 무복사 기법을 적용했고, GPU 커널은 지역메모리를 활용하도록 작성했다. 그 결과 제안하는 LDPC 복호기는 C 디자인 대비 최대 13.

데이터처리

OpenCL 프레임워크에서 타겟 CPU는 4개의 PE 로 구성된 하나의 CU로 정의되며, GPU는 64개의 PE로 구성된 14개의 CU로 정의된다. 본 논문에서는 타겟 이종 플랫폼에서 signal-to-noise (SNR) 값을 변화시켜 가며 제안하는 LDPC 복호기의 성능을 비교했다. 자세한 실험 결과는 다음과 같다.

성능/효과

2011년도에 제안된 (다)의 경우, CPU와 GPU를 모두 활용하고 있지만 각각 OpenMP와 Compute Unified Device Architecture (CUDA) 라는 독립적인 컴퓨팅 프레임워크를 이용해 복호기를 병렬처리 했다 [11, 14]. 실험 결과 통합된 컴퓨팅 프레임워크로 CPU와 GPU의 하드웨어 자원을 충분히 활용한 OpenCL LDPC 복호기가 C디자인 대비 최대 13.64배 빨랐으며, 가장 성능이 우수한 것을 확인 할 수 있었다.
또한 효율적인 데이터 전송을 위해 CPU 커널에는 무복사 기법을 적용했고, GPU 커널은 지역메모리를 활용하도록 작성했다. 그 결과 제안하는 LDPC 복호기는 C 디자인 대비 최대 13.64배, 기존 병렬 복호기 대비 최대 1.29배의 성능 향상을 얻을 수있었다. 앞으로 전역 메모리 공간이 통합된 모바일 환경과 field-programmable gate array (FPGA)를 포함한 이종 컴퓨팅 환경에서 OpenCL을 활용한 LDPC 복호기의 성능 향상 연구를 진행 할 예정이다.

후속연구

29배의 성능 향상을 얻을 수있었다. 앞으로 전역 메모리 공간이 통합된 모바일 환경과 field-programmable gate array (FPGA)를 포함한 이종 컴퓨팅 환경에서 OpenCL을 활용한 LDPC 복호기의 성능 향상 연구를 진행 할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	OpenCL 프레임 워크는 무엇으로 구성되어 있는가?	OpenCL은 이종 연산장치를 위한 표준화 된 산업 표준 연산 프레임워크다. OpenCL 프레임 워크는 소프트웨어 개발을 지원하기 위해 C기반의 프로 그래밍 언어인 OpenCL C, 라이브러리 및 application programming interfaces (API) 들로 구성되어 있다. OpenCL 표준은 다음과 같이 플랫폼, 실행, 및 메모리 모델로 정의할 수 있다.
	LDPC는 무엇인가?	LDPC는 높은 부호정정 성능을 가진 에러 정정 코드로, 메시지 교환을 통해 에러를 정정하는 알고리즘을 반복적으로 연산한다 [3]. 복호화 과정의 연산량은 패리티 검사 행렬인 H-matrix의 크기에 영향을 받는다 [4].
	LDPC의 복호화 과정 연산량은 무엇에 영향을 받는가?	LDPC는 높은 부호정정 성능을 가진 에러 정정 코드로, 메시지 교환을 통해 에러를 정정하는 알고리즘을 반복적으로 연산한다 [3]. 복호화 과정의 연산량은 패리티 검사 행렬인 H-matrix의 크기에 영향을 받는다 [4]. 따라서 행렬 H 의 크기가 급격히 증가하는 최신 표준의 고속 데이터 전송의 안정성을 확보하기 위해 LDPC 복호기를 병렬처리 하는 연구가 활발히 진행되고 있다 [5-8].

참고문헌 (14)

Y.H. Park, C.H. Kim, J.M. Kim, "Implementation and performance evaluation of the faddev-leverrier algorithm using GPGPU," IEMEK J. Embed. Sys. Appl., No. 8, Vol. 3, 2013 (in Korean).
Khronos OpenCL Working Group, "The OpenCL specification version 1.2," Document Revision 19, 2012.
R.G. Gallager, "Low-density parity check codes," IEEE IRE Transactions on Information Theory, Vol. 8, No. 1, pp. 21-28, 1962.

상세보기
S.M. Choi, B.H. Moon, J.T. Ryu, S.H. Park, "Performance analysis on error correction scheme for wireless sensor network over node-to-node interference," IEMEK J. Embed. Sys. Appl., Vol. 2, No. 1, 2006 (in Korean).
S. Wang, S. Cheng, Q. Wu, "A parallel decoding algorithm of LDPC codes using CUDA," Proceedings of Asilomar Conference on Signals, Systems and Computers, pp. 171-175, 2008.
G. Falcao, S. Leonel, S. Vitor, "Massive parallel LDPC decoding on GPU," Proceedings of the 13th ACM SIGPLAN Symposium on Principles and practice of parallel programming, pp. 83-90, 2008.
H.W. Ji, J.H. Cho, W.Y. Sung, "Memory access optimized implementation of cyclic and quasi-cyclic LDPC codes on a GPGPU," Journal of Signal Processing Systems, Vol. 64, No. 1, pp. 149-159, 2011.

상세보기
G. Falcao, V. Silva, L. Sousa, "How GPUs can outperform ASICs for fast LDPC decoding," Proceedings of the 23rd international conference on Supercomputing, pp. 390-399, 2009.
J. Shen, J. Fang, H. Sips, A. L. Varbanescu, "Performance traps in OpenCL for CPUs," Proceedings of IEEE 21st Euromicro International Conference on Parallel, Distributed and Network-Based Processing, pp. 38-45, 2013.
B. R. Gaster, L. Howes, D. R. Kaeli, P. Mistry, D. Schadd, "Heterogeneous computing with OpenCL: Revised OpenCL 1.2 Edition," Morgan Kaufmann, 2012.
J.Y. Park, K.S. Chung, "Parallel LDPC decoding using CUDA and OpenMP," EURASIP Journal on Wireless Communications and Networking, Vol. 2011, No. 1, pp. 1-8, 2011.
Advanced Micro Devices, "AMD accelerates parallel processing OpenCL programming guide," 2013.
D. Leonardo, R. Menon, "OpenMP: an industry standard API for shared-memory programming," IEEE Computational Science and Engineering, Vol. 5, No.1, pp. 46-55, 1998.

상세보기
Nvidia, "Compute unified device architecture programming guide Version 2.0," 2008.

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

[국내논문] OpenCL을 활용한 CPU와 GPU 에서의 CMMB LDPC 복호기 병렬화
Parallel LDPC Decoder for CMMB on CPU and GPU Using OpenCL 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

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

[국내논문] OpenCL을 활용한 CPU와 GPU 에서의 CMMB LDPC 복호기 병렬화 Parallel LDPC Decoder for CMMB on CPU and GPU Using OpenCL 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

박주열 (3) 홍정현 (3) 정기석 (22)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] OpenCL을 활용한 CPU와 GPU 에서의 CMMB LDPC 복호기 병렬화
Parallel LDPC Decoder for CMMB on CPU and GPU Using OpenCL 원문보기

AI 본문요약
AI-Helper