CN117786848B 一种基于gpu的航天器系统高效仿真方法、存储介质及计算机 （哈尔滨工业大学）

一种基于GPU的航天器系统高效仿真方法、一种基于GPU的航天器系统高效仿真方法、于基于GPU的航天器系统高效仿真方法的研究较少，巨型星座的高效率仿真需求无法满足的问CPU仿真框架；建立轨道动力学GPU并行计算模载荷GPU并行计算模型，根获取通信载荷仿真结2建立轨道动力学GPU并行计算模型，根据所述轨道动力学GPU并行建立卫星通信载荷GPU并行计算模型，根据所述卫星通信载荷GPU并建立卫星导航载荷GPU并行计算模型，根据所述卫星导航载荷GPU并行将所述动力学仿真结果、通信载荷仿真结果和导航载荷仿真结所述建立轨道动力学GPU并行计算模型，根据所述轨道动力学GPU并在GPU显存中为卫星轨道位置速度数据申请存储空间，并将卫星轨道位置速度数据传所述建立卫星通信载荷GPU并行计算模型，根据所述卫星通信载荷GPU并所述建立卫星导航载荷GPU并行计算模型，根据所述卫星导航载荷GPU并采用网格划分方法将全球按照经纬度划分为网格点，每个网格点的CPU将导航星座卫星的位置信息和网格点位置GPU接收所述信息并进行并行计算网格点的导航精度因子值，并将导航精度因子值传2.根据权利要求1所述的一种基于GPU的航33.根据权利要求2所述的一种基于GPU的4.根据权利要求1所述的一种基于GPU的航天器系统高5.根据权利要求1所述的一种基于GPU的在GPU显存中为卫星轨道位置速度数据申请存储空间，并将卫星轨道位置速度数据传输到6.一种计算机可读存储介质，其特征在于，所4行卫星轨道递推和星座覆盖性能计算等，但目前关于基于GPU的航天器系统高效仿真方法[0005]本发明针对目前关于基于GPU的航天器系统高效仿真方法的研究较少，巨型星座5[0019]在GPU显存中为卫星定轨数据申请存储空间，并将卫星定轨数据传输到GPU内存[0020]在GPU显存中为卫星轨道位置速度数据申请存储空间，并将卫星轨道位置速度数[0023]进一步的，还提供一种优选方式，所述在GPU显存中为卫星定轨数据申请存储空[0035]CPU初始化每个波束的方位俯仰角信息，并将卫星平台的位置和姿态信息传递给[0041]GPU接收所述信息并进行并行计算网格点的导航精度因子值，并将导航精度因子6储介质用于储存计算机程序，所述计算机程序执行上述任一项所述的一种基于GPU的航天器执行根据上述中任一项中所述的一种基于GPU的航天器系[0045]本发明解决目前关于基于GPU的航天器系统高效仿真方法的研究较少，巨型星座[0046]本发明所述的一种基于GPU的航天器系统高效仿真方法，使7[0060]本实施方式利用CPU进行功能模型的建立和整体框架的模拟，确保系统的整体结析卫星在轨道上的运动；姿态动力学与控制模型描述卫星的姿态变化和相应的控制系统，拟和评估卫星通信系统的性能；卫星导航载荷模型包括卫星上用于导航和定位的载荷设8置有助于提高仿真的准确性和效率。尽管本方法是对基于GPU的航天器系统高效仿真方法[0070]本实施方式中每个功能模型代表了航天器系统的一个重要方面，例如轨道运动、[0071]实施方式三、本实施方式是对实施方式二所述的一种基于GPU的航天器系统高效9于GPU的航天器系统高效仿真方法的进一步限定，所述建立轨道动力学GPU并行计算模型，[0076]在GPU显存中为卫星定轨数据申请存储空间，并将卫星定轨数据传输到GPU内存[0077]在GPU显存中为卫星轨道位置速度数据申请存储空间，并将卫星轨道位置速度数[0080]本实施方式中GPU相较于CPU具有更多的并行计算核心，能够同时处理大量数卫星定轨数据和轨道位置速度数据存储在GPU显存中，减少了数据在CPU和GPU之间的频繁[0081]本实施方式首先在CPU上进行轨道输入参数的预处理，包括解算卫星双行元文件最小化数据传输时间。GPU内存中申请存储空间用于存储卫星定轨数据和轨道位置速度数GPU的并行架构使得大规模的计算可以以更高效的方式完成。计算完成后，将计算结果从[0082]实施方式五、本实施方式是对实施方式四所述的一种基于GPU的航天器系统高效[0088]本实施方式通过在GPU显存中为卫星定轨数据申请存储空间，并将数据直接存储[0089]实施方式六、本实施方式是对实施方式四所述的一种基于GPU的航天器系统高效作，可以有效减少这方面的开销。通过在GPU显存中为卫星轨道位置速度数据申请储存空[0095]本实施方式所述的在GPU显存中为卫星轨道位置速度数据申请存储空间，将数据[0096]实施方式七、本实施方式是对实施方式一所述的一种基于GPU的航天器系统高效[0098]CPU初始化每个波束的方位俯仰角信息，并将卫星平台的位置和姿态信息传递给[0101]本实施方式通过GPU并行算法，将多波束的覆盖计算和网格点信干比计算分解为[0103]实施方式八、本实施方式是对实施方式一所述的一种基于GPU的航天器系统高效[0106]GPU接收所述信息并进行并行计算网格点的导航精度因子值，并将导航精度因子[0107]本实施方式采用GPU并行计算模型，可以同时处理多个网格点的导航精度因子值并行计算后即时将导航精度因子值传回CPU，使得模型能够在仿真过程中实时获取导航载个网格点独立进行。这种网格划分方法能够更好地捕捉全球范围内导航载荷的变化情况。CPU负责将导航星座卫星的位置信息和网格点位置信息传递给GPU。这些信息在GPU执行计执行根据实施方式一至实施方式八中任一项中所述的一种基于GPU的航天器系统高效仿真[0113]利用CPU实现航天器系统仿真主要功能模块的串行仿真框架，搭建航天器系统轨[0121]1)通过cudaMalloc函数在GPU显存中为卫星轨道位置速度数据申请存储空间，并将这部分GPU显存空间的首地址作为指针存放在[0122]2)通过cudaMemcpy函数，将卫星轨道位置速度存储到上一步申请的GPU内存空间[0127]多波束覆盖区的计算与网格点信干比的计算可以分解为大量独立的部分同时执信干比计算的同时进行。这个特性使得多波束同频干扰信干比计算的GPU并行算法很容易传递给GPU，GPU上并行计算网格点的导航精度因子值并传回给CPU，得