排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
RICE算法在无损压缩系统有着广泛的应用。由于RICE算法采用了变长的自适应熵编码,因此在解码时需要对压缩流进行逐位判断和解析,这给高速解压缩的实现带来了困难。现有的RICE解码实现在解码速度和通用性上都不理想。针对RICE算法中自适应熵编码的特点,设计了一种基于有限状态机和查找表的并行RICE解码结构,可在FPGA上完成8比特宽度的并行解码,解码速度最高可达176 MB/s;同时,该解码结构适用于编码参数k变化的情况,具有很强的通用性。 相似文献
2.
在分析高速译码处理技术的基础上,提出了基于GPU平台RS译码的解决方案,并基于CUDA编程环境完成了RS译码处理的研究与实现.经测试表明,本文基于GPU的RS译码处理模块在理论纠错范围内的处理速度达900Mbps以上,满足实际遥感信道的译码要求. 相似文献
3.
目的 克服传统遥感图像超分辨率重建方法依赖同一场景多时相图像序列且需预先配准等缺点,解决学习法中训练效率低和过拟合问题,同时削弱插值操作后的块效应,增强单幅遥感图像超分辨率重建效果。方法 首先构造基于四层卷积的深度神经网络结构,并在结构中前三层卷积后添加参数修正线性单元层和局部响应归一化层进行优化,经过训练得到遥感图像超分辨率重建模型,其次,对多波段遥感图像的亮度空间进行双三次插值,然后使用该模型对插值结果进行重建,并在亮度空间重建结果指导下,使用联合双边滤波来提升其色度空间边缘细节。结果 应用该方法对实验遥感图像进行2倍、3倍、4倍重建时在无参考指标上均优于对比方法,平均清晰度提升约2.5个单位,同时取得了较好的全参考评价结果,在2倍重建时峰值信噪比较传统插值法提升了约2 dB,且平均训练效率较其他学习法提升3倍以上,所得遥感图像重建结果在目视效果上更加细致、自然。结论 实验结果表明,本文设计的网络抗过拟合能力强、训练效率高,重建时针对单幅遥感图像,无需依赖图像序列且不受波段影响,重建结果细节表现较好,具有较强的普适性。 相似文献
4.
针对星载SAR多普勒中心频率估计算法复杂及运算量大的特点,基于GPU技术手段开展实时数据处理技术研究。选用Tesla C1060构建GPU专用科学计算平台,针对雷达卫星数据进行了数据处理实验,完成了系统结构设计。完成了多普勒中心频率估计算法分析\,基于CUDA编程模型构建以及MLCC算法优化设计等关键技术。结果表明:在不考虑全局拟合数据处理的情况下,实现了多普勒中心频率估计的处理速度达到Radarsat\|1卫星下行速率的12倍以上。为进一步进行精确的多普勒中心估计及实时SAR成像处理系统的研制提供了依据。 相似文献
5.
6.
针对SAR地面系统实时关键成像技术进行研究,采用GPU(Graphic Processing Unit)硬件平台CUDA(Computer Uniformed Device Architecture)编程模型,对传统合成孔径雷达的RDA(Range Doppler Algorithm)算法核心部分进行了针对性的设计与实现,并在GPU专用科学计算平台Tesla C1060上进行了实验。结果表明其处理速度是一台主流4核心8线程CPU的20倍以上,并且相对RadarSat\|1卫星可以达到10倍左右的实时率;基于GPU的处理方式较好地实现了SAR实时成像系统。 相似文献
1