L'elaborazione numerica del segnale senza alias (DASP) Ë un insieme di metodologie che utilizzano campionamenti non uniformi e algortimi specializzati nell'elaborazione numerica dei segnali che permettono l'elaborazione di segnali senza la conoscenza del supporto spettrale nelle gamme di frequenza che sono di larghezza superiore alla metà della frequenza di campionamento media. L'applicazione di grid computing permette ai ricercatori di quest'area di progettare ed analizzare sequenze di campionamento non-uniformi più efficientemente di quanto non fosse possibile in precedenza.
Sfida
Nella tradizionale elaborazione numerica dei segnali (DSP) i segnali sono campionati ad intervalli temporali uniformemente distribuiti. Mentre questi sistemi di campionamento hanno evidenti vantaggi, come facilitare l'uso di algoritmi di elaborazione efficienti (es. trasformata veloce di Fourier (FFT)), ma soffrono di una ben nota limitazione che impedisce il loro utilizzo in gamme di frequenza più ampie della metà della velocità di campionamento. Questa limitazione, conosciuta come aliasing, non permette di differenziare le componenti sinusoidali dei segnali se la somma o differenza delle loro frequenze è un multiplo intero della frequenza di campionamento.
L'elaborazione numerica del segnale senza alias (DASP) Ë un approccio che offre effettive soluzioni nell'elaborazione dei segnali con una stima conservativa del supporto spettrale. È utilizzato attentamente nella progettazione di sistemi di campionamento non-uniformi low-rate e in algoritmi di elaborazione più adeguati. Soluzioni di tipo DASP si basano su campionamenti casuali oppure su campionamenti non uniformi. Comunque, la selezione dell'ottimale sequenza di campionamento è un problema di elaborazione costoso e le soluzioni basate su un singolo computer potrebbero richiedere lunghi tempi di attesa prima dei risultati. La possibile miglior sequenza di campionamento può essere selezionata attraverso la generazione di tutte le possibile sequenze di campionamento e poi calcolare un valore, per ognuna di queste sequenze, che descrive la loro efficienza. Questo significa trovare tutte le soluzioni di un'equazione lineare e poi, per ognuna di quelle soluzioni, generare tutte le possibili permutazioni degli intervalli di campionamento. Per i tipici problemi il numero di soluzioni possono essere di poche centinaia generando circa 109 permutazioni. Calcolare il rendimento per ognuna di queste permutazioni può richiedere settimane su un computer indipendente.
Sinistra: Sinusoidi a 160MHz e 40MHz entrambe adatte alla misura del segnale a 200MSps.
Destra: La sinusoide a 160MHz si adatta molto meglio al campionamento non uniforme rispetto a quella a 40MHz.
Utenti
Gli utenti primari dell'applicazione sono i ricercatori del Gruppo di Ricerca del Centro di Analisi del Sistema dell'Università di Westminster (Center for System Analysis Research Group). Il gruppo è stato finanziato da diversi progetti europei ed inglesi ed una delle principali aree di ricerca dell'elaborazione numerica dei segnali senza alias.
Sito: http://www.westminster.ac.uk/schools/computing/research/electronic-and-communication-engineering/centre-for-systems-analysis.
Soluzione
L'applicazione originale è stata scritta come un codice sequenziale e ha elaborato per settimane su un singolo computer per problemi di media dimensione. L'algoritmo è stato parallelizzato e portato su entrambe le piattaforme Service e Desktop Grid all'interno del progetto europeo EDGeS. Dopo aver trovato tutte le soluzioni per l'equazione lineare, diversi computer del Grid possono lavorare su differenti sottoinsiemi di queste soluzioni generando tutte le permutazioni degli intervalli e trovando la soluzione ottimale dentro al specifico sottoinsieme. La soluzione migliore di tutte può essere dunque trovata come il minimo dei valori calcolati all'interno dei sottoinsiemi.
L'applicazione può essere eseguita su una piattaforma Desktop Grid basata su entrambe le tecnologie BOINC o XtremWeb. L'applicazione è, inoltre, in grado di girare sistemi Service Grid ed è stata utilizzata con successo sulla EGEE Grid e la UK National Grid Service. Come risultato del progetto, gli utenti possono ora sfruttare entrambi i tipi di risorse senza soluzione di continuità e, in modo più appropriato, far girare esperimenti su una più ampia scala rispetto a quanto era possibile precedentemente. Il portale P-GRADE Grid fornisce una conveniente interfaccia utente per l'applicazione e permette ai ricercatori di eseguire le applicazioni senza rendersi conto dei dettagli di basso livello dell'utilizzo dell'infrastruttura Grid.
Parallelizzazione dell'algortitmo DSP
Risultati
Utilizzando l'infrastruttura EDGeS tipici problemi su larga scala possono essere risolti, approssimativamente, 50 volte più velocemente rispetto ad una singola macchina. Ciò ha portato successo negli esperimenti su dati di input che non avevano potuto testare precedentemente. Per esempio, un campionamento che sull'infrastruttura Grid ci impiega meno di 18 ore, vuol dire che su una macchina singola avrebbe impiegato più di un mese. I risultati consentono agli scienzati di eseguire un maggior numero di simulazioni e su una più ampia scala rispetto a quanto era possibile precedentemente. La conveniente interfaccia del portale Grid consente anche loro di iniziare e monitorare gli esperimenti da remoto attraverso un browser internet.
Flusso di lavoro che esegue l'applicazione DSP sull'infrastruttura EDGeS. Il flusso di lavoro è accessibile dal portale P-GRADE.
Esecuzione dell'applicazione DASP sull'infrastruttura EDGeS da dentro il portale P-GRADE
Le attivit‡ risultanti sul Desktop Grid Westminster
Ambiente
L'EDGeS Application Development Method (EADM) è un metodo che standardizza il porting delle applicazioni ad un complesso ambiente Grid. Il metodo assicura che è il miglior percorso possibile da scegliere per il porting.
La metodologia EDGes Application Development utilizzata nel porting dell'applicazione al Grid.
Il progetto EDGeS mantiene una infrastruttura Grid che connette Desktop Grid e Service Grid.
L'infrastruttura Grid di EDGeS.