基于GPU的LHAASO--WCDA在线噪声过滤计算方法的研究的开题报告.docx

基于GPU的LHAASO--WCDA在线噪声过滤计算方法的研究的开题报告
一、选题背景
天文观测常受到尘土、臭氧、气溶胶、水汽、动物、植物生物和电磁波辐射等噪声产生的干扰，为了提高天文观测数据的准确性和可靠性，需要对这些噪声进行过滤和去除。随着技术的不断进步，尤其是GPU计算技术的快速发展，基于GPU的计算方法越来越受到关注，其优势在于高速计算、支持并行处理和能够用于大规模数据处理等方面。因此，开发一种基于GPU的在线噪声过滤计算方法，对于天文观测数据的处理具有重要意义。
二、研究内容
本论文的研究内容是基于GPU的LHAASO--WCDA在线噪声过滤计算方法的研究。具体研究内容包括以下几个方面：
1.研究基于GPU的噪声过滤计算方法，将传统的计算方式转换为基于GPU的并行计算方式，提高计算效率。
2.分析WCDA探测器的数据特点，研究不同类型的噪声对于数据产生的影响，确定合适的噪声过滤算法。
3.通过实验验证GPU噪声过滤计算方法的准确性和效率。
三、研究方法
本论文的研究方法主要包括文献研究法、数学模型分析法、实验验证法等。
1.文献研究法：通过查阅相关文献，了解过滤噪声的方法和基于GPU的并行计算模型，为本论文的研究提供理论支持。
2.数学模型分析法：依据文献研究结果，建立基于GPU的噪声过滤计算数学模型，对数据进行处理和分析。
3.实验验证法：通过对实验数据进行噪声过滤和计算，验证GPU噪声过滤计算方法的效果和准确性。
四、研究意义
本论文的研究成果将具有重要的应用价值和促进作用。具体包括以下几个方面：
1.提高LHAASO--WCDA探测器的数据处理效率，优化观测数据的处理质量和准确性。
2.推动基于GPU的计算方法在天文观测数据处理中的广泛应用。
3.对其它领域基于GPU的计算方法有借鉴和启示作用。
五、预期成果
本论文预期达到的成果包括：
1.设计并实现LHAASO--WCDA在线噪声过滤计算方法的基于GPU算法模型。
2.在实验数据上验证基于GPU的噪声过滤计算方法的准确性和效率，评估其性能并进行分析。
3.在论文中详细说明算法原理和实验结果，撰写开题报告、中期报告及毕业论文，并发表相关学术论文和制作相关论文报告PPT。
六、研究进度安排
1.第一阶段（2022年9月-2023年6月）：文献研究、GPU并行计算理论学习、提出噪声过滤算法模型。
2.第二阶段（2023年7月-2024年3月）：噪声过滤算法实现、实验数据收集与处理。
3.第三阶段（2024年4月-2024年12月）：验证基于GPU的噪声过滤计算方法的准确性和效率，分析和评估性能及实验结果。
4.第四阶段（2025年1月-2025年6月）：论文撰写、论文答辩。
七、参考文献
1.蓝凤珍，王军林.天文观测数据处理技术[M].大连:大连理工大学出版社,2015.
2.魏定国.CUDA/gpu应用开发实战教程[M].北京:清华大学出版社,2016.
3.TombesiN，etal.Waveletfilteringmethodappliedtocosmicraydetectors[J].NuclearInstrumentsandMethodsinPhysicsResearchA,1999,427(1):239-244.
4.LiuZY,etal.ThewaterCherenkovDetectorArrayattheTibet-ASgammaObservatory:Overviewandfirstresults[J].AstroparticlePhysics,2017,97:54-64.
5.ZhangLF.AnExperimentforHighEnergyCosmicRaySpectrumandCompositionObservationinTibet[J].ProgressinAstronomy,2019,37(1):1-12.