BER- Симуляций с Parallel Computing Toolbox

Этот пример использует:

Этот пример показывает, как улучшить скорость выполнения систем связи с использованием симуляций BER. Чтобы улучшить эффективность этих систем, одним из доступных опций является параллелизация симуляций. Этот пример представляет использование Parallel Computing Toolbox™ (PCT) в симуляциях BER. Он представляет два возможных способа параллелизации симуляций BER и рекомендует лучший метод.

Проверка лицензии и открытие параллельного пула

В этом разделе проверяется доступность PCT. При наличии он открывает параллельный пул работников и присваивает переменной numWorkers максимальное количество доступных работников в пуле. Если он недоступен, он присваивает numWorkers = 1, в этом случае пример выполняется на одном ядре.

[licensePCT,~] = license( 'checkout','Distrib_Computing_Toolbox');
if ( licensePCT && ~isempty(ver('parallel')))
    if isempty(gcp('nocreate'))
        parpool;
    end
    pool = gcp;
    numWorkers = pool.NumWorkers;
else
    numWorkers = 1;
end

Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 12).

Инициализация

Этот пример параллелизирует пример Пространственного Мультиплексирования, чтобы продемонстрировать использование РСТ. Ниже приведены параметры, необходимые для моделирования этого примера.

EbNo = 1:2:11;  % Eb/No in dB
N = 2;          % Number of transmit antennas
M = 2;          % Number of receive antennas
modOrd = 2;     % constellation size = 2^modOrd
numBits = 1e6;  % Number of bits
numErrs =  100; % Number of errors
lenEbNo = length(EbNo);
% Create a local random stream to be used for data generation for
% repeatability. Use the combined multiple recursive generator since it
% supports substreams.
hStr = RandStream('mrg32k3a'); % Setting the random stream
[berZF,berMMSE] = deal(zeros(lenEbNo,3));
[nerrsZF,nbitsZF,nerrsMMSE,nbitsMMSE] = deal(zeros(numWorkers,lenEbNo));

Параллелизм между Eb/No Области значений

Первый метод параллелизируется между областью значений Eb/No, где один рабочий обрабатывает одно значение Eb/No. Здесь эффективность ограничена временем, необходимым для обработки максимального значения Eb/No.

simIndex = 1;
str = 'Across the Eb/No range';
disp('Performing BER simulations with one worker processing one Eb/No value ...');

Performing BER simulations with one worker processing one Eb/No value ...

tic
parfor idx = 1:lenEbNo
    [BER_ZF,BER_MMSE] = simBERwithPCT(N,M,EbNo,modOrd, ...
        idx,hStr,numBits,numErrs);
    berZF(idx,:) = BER_ZF(idx,:);
    berMMSE(idx,:) = BER_MMSE(idx,:);
end
timeRange = toc;
clockBERwithPCT(simIndex,timeRange,timeRange,str);

Параллелизация между количеством работников в параллельном пуле

Второй метод параллелизируется по количеству доступных работников, где каждый рабочий процесс обрабатывает полную область значений Eb/No. Однако каждый рабочий процесс подсчитывает (всего ошибок/numWorkers) ошибки перед переходом к следующему значению Eb/No. Этот метод одинаково эффективно использует все доступные ядра.

simIndex = simIndex + 1;
str = 'Across the number of available workers';
seed = 0:numWorkers-1;
disp('Performing BER simulations with each worker processing the entire range ...');

Performing BER simulations with each worker processing the entire range ...

tic
parfor n = 1:numWorkers
    hStr = RandStream('mrg32k3a','Seed',seed(n));
    for idx = 1:lenEbNo
        [BER_ZF,BER_MMSE] = simBERwithPCT(N,M,EbNo,modOrd, ...
            idx,hStr,numBits/numWorkers,numErrs/numWorkers);
        nerrsZF(n,idx) = BER_ZF( idx,2);
        nbitsZF(n,idx) = BER_ZF( idx,3);
        nerrsMMSE(n,idx) = BER_MMSE(idx,2);
        nbitsMMSE(n,idx) = BER_MMSE(idx,3);
    end
end
bZF = sum(nerrsZF,1)./sum(nbitsZF,1);
bMMSE = sum(nerrsMMSE,1)./sum(nbitsMMSE,1);
timeWorker = toc;

Ниже приведены результаты, полученные на компьютере с ОС Windows ® 10, 64-разрядной, Intel ® Xeon ® CPU W-2133, 3.6GHz 64GB оперативной памятью с использованием шести ядер. Таблица показывает сравнение эффективности вышеуказанных методов. Мы видим, что второй метод работает лучше, чем первый. Это результаты, полученные за один запуск, которые могут варьироваться от прогона до прогона.

--------------------------------------------------------------------------------------------
Type of Parallelization                             | Elapsed Time (sec)| Speedup Ratio
1. Across the Eb/No range                           |            1.9986 |       1.0000
2. Across the number of available workers           |            0.8362 |       2.3902
--------------------------------------------------------------------------------------------

График ниже показывает кривые BER, полученные для нулей принуждением (ZF) и минимальной средней квадратичной невязкой (MMSE) с использованием различных методов параллелизации.

plotBERwithPCT(EbNo,berZF(:,1),berMMSE(:,1),bZF,bMMSE);

Figure Spatial Multiplexing contains an axes. The axes with title 2x2 Uncoded QPSK System contains 8 objects of type line. These objects represent BER-ZF with parallelization across Eb/No, BER-MMSE with parallelization across Eb/No, BER-ZF with parallelization across workers, BER-MMSE with parallelization across workers.

Чтобы сгенерировать таблицу сравнения эффективности для вашей машины, раскомментируйте следующую строку кода и запустите весь этот скрипт.

% clockBERwithPCT(simIndex,timeRange,timeWorker,str);

Приложение

В этом примере используются следующие функции:

Документация