基于压缩域的脑成像大数据体可视化方法

脑科学是当今国际科技研究的前沿邻域,而对高精度脑成像数据进行可视化是脑神经科学在结构成像方面的基础性需求。针对高精度脑成像数据可视化过程中存在的数据量大以及绘制效率低的问题,提出了基于分类分层矢量量化和完美空间哈希相结合的压缩域可视化方法。首先对体数据进行分块,记录每块的平均值并依据块内体数据的平均梯度值是否为0进行分类;其次运用分层矢量量化对平均梯度值不为0的块进行压缩;然后用分块完美空间哈希技术存储压缩得到两个索引值;最后对上面的压缩体数据进行解码得到恢复体数据,采用分块完美空间哈希对原始体数据与恢复体数据作差得到的残差数据进行压缩。绘制时,只需将压缩得到的数据作为纹理加载到GPU内,即可在GPU内完成实时解压缩绘制。实验结果表明,在保证较好图像重构质量的前提下,该算法减少了数据的存储空间,提高了体可视化的绘制效率,从而可以在单机上处理较大的数据。     

大气再分析产品应用平台通用框架及组件设计

大气再分析产品涵盖了历史一段时期内的大气温度、压强、湿度、风速风向等变量的四维格点化信息,可以广泛应用到气候变化、武器装备设计等多个领域。针对再分析产品的数据格式及应用特点,再分析产品应用平台通用框架采用经典MVC三层模型,基于第三方软件开发和集成了解码、统计分析、可视化等应用组件和标准化的IO接口。以往ASCII格点数据需要用户导出GRIB格式数据,利用拼接软件拼接产生,耗时且十分麻烦。点面结合的混合数据管理,能实现对PB级再分析产品的高效管理,具有高扩展、低延迟等特点。场单元及点单元的点面结合管理方式可满足不同时空跨度的数据检索应用需求。     

多核与众核上MNF并行算法与性能优化

高光谱遥感影像降维最大噪声分数变换(maximum noise fraction rotation,简称MNF rotation)方法运算量大,耗时长.基于多核CPU与众核MIC(many integrated cores)平台,研究MNF算法的并行方案和性能优化.通过热点分析,针对滤波、协方差矩阵运算和MNF变换等热点,提出相应并行方案和多种优化策略,量化分析优化效果,设计MKL(math kernel library)库函数实现方案并测评其性能;设计并实现基于多核CPU的C-MNF和基于CPU/MIC的M-MNF并行算法.实验结果显示,C-MNF算法在多核CPU取得的加速比为58.9~106.4,而基于CPU/MIC异构系统的M-MNF算法性能最好,加速比最高可达137倍.     

一种采用相位补偿的线谱相干检测器

分析了加窗和实信号情况下相干线谱检测器的检测性能。从频谱泄漏现象出发,通过对实信号做加窗处理,有效地降低了信号傅里叶变换后频谱泄漏的旁瓣级,提升了弱信号的探测能力;针对分段处理时同一频率不同数据段出现的相位差,采用相位补偿的方法,实现了各段数据的相干叠加。理论分析和计算机仿真表明,相比于平均功率谱检测器(Average Power Processor,AVGPR),加窗相位补偿检测器(Window Phase-Compensated Processor,WPCPR)有10 lg L(L为分段数)信噪比的提高,从而拓宽了相干线谱检测的适用范围。此外,还从频域波束形成的角度,给出了WPCPR能提高信噪比的一种物理解释,并指出了仿真中信噪比增益与理论值存在差异的原因。     

电动扬声器悬置系统蠕变效应建模

对电动扬声器悬置系统的蠕变效应进行了分数阶建模。通过将标准线性固体模型中的牛顿黏壶替换为分数阶Abel黏壶,提出了悬置系统分数阶标准线性固体力顺模型。使用Klippel扬声器单元电阻抗激光测量系统,测量了2只具有不同橡胶折环的中频扬声器单元的电阻抗和传递函数(振膜输出位移/输入声压),并采用最小二乘法拟合实测曲线,得到了模型参数。通过与已有的考虑蠕变效应的4参数对数模型和标准线性固体模型拟合结果的对比,结果表明:分数阶标准线性固体模型能够准确描述力顺损耗因数随频率的变化规律,对蠕变效应具有更好的模拟精度。     

声压传感器与振速传感器中心不一致带来的定向误差分析

声矢量传感器由声压传感器和质点振速传感器组成,可用在空间某点同步测量声场的声压和质点振速信息。但矢量传感器在实际制作时,可能存在声压传感器和质点振速传感器中心不一致的情况,即矢量声场的非共点测量。这会使得声压与振速通道之间的接收信号存在时延差,从而影响矢量传感器的定向性能。从理论上分析了时延差对平均声强法定向的影响,即降低了信号处理的信噪比及引入π相位的定向误差,并提出采用互相关声能流法进行定向。通过仿真分析了中心不一致、入射角度和信噪比等因素对不同类型的目标定向结果的影响,并验证和讨论了互相关声能流定向算法的有效性和适用性。     

M-COSTAS复合编码连续主动声呐信号研究

连续主动声呐利用连续发射的声信号进行目标探测,相比于脉冲主动声呐具有可连续跟踪、时间增益更高等优势。连续主动声呐技术研究的一个重要内容是发射信号设计,本文在M序列和COSTAS圆序列的基础上提出了一种复合连续循环编码信号(M-COSTAS)。仿真结果表明,该信号可以得到近似于理想“图钉状”的距离/速度输出结果,并可利用COSTAS圆序列的循环特性实现较高的目标重访率(Target Revisit Rate)。与相同时宽带宽积的LFM-COSTAS信号相比,M-COSTAS在测距时可实现更低的旁瓣;与相同相位编码宽度和时宽的M序列编码信号相比,M-COSTAS可实现更高的距离/速度分辨力;此外,M-COSTAS的测距性能受M序列影响,M序列越长,距离向的旁瓣输出越低,且距离分辨力越高。      

气象数据归档元数据索引重组织的并行算法设计与验证

气象资料归档和检索系统(MARS)实现了气象科学数据包括数值预报产品的归档和检索管理。但是,随着精细化数值预报技术的提高,MARS系统管理的气象科学数据呈海量增长趋势,对归档和检索处理技术提出了新的挑战。针对MARS系统归档操作时物理视图元数据索引结构串行更新效率低的问题,提出一种并行处理更新方法。该方法能够有效降低数据归档时物理索引结构再组织的系统开销。实验表明,相比原始的串行更新算法,采用索引结构并行更新的处理方法,使系统物理视图元数据索引结构的最大更新效率平均提高3倍左右,从而提高了气象科学数据快速归档效率。     

布尔矩阵乘的分布式异构并行优化

布尔多项式求解是当今密码代数分析中的关键步骤,F4算法是布尔多项式求解的高效算法。分析了Lachartre为F4矩阵专门设计的高斯消去算法,针对其中布尔矩阵乘这一耗时的计算步骤,设计并实现了分布式异构(CPU+MIC)并行算法。布尔矩阵相对于普通矩阵主要体现在矩阵元素取值区间不一样上,由于布尔矩阵元素(0,1)导致矩阵乘操作的特殊性,普通矩阵乘的优化方法不能很好地满足布尔矩阵乘的需求。分别从布尔矩阵的存储、OpenMP多线程组织、访存、任务划分和调度等方面进行了性能优化,实现了布尔矩阵乘的分布式异构并行算法。通过随机生成布尔矩阵测试,优化后的分布式异构并行程序相较于分布式同构并行程序达到了2.45的加速比,体现了良好的性能提升。     

一种基于声压和加速度的矢量水听器定向方法

根据远场条件下水中声波的加速度和振速方向相同、相位相差π/2的特点,给出了一种加速度型矢量水听器的目标定向方法。基本原理是先计算声压与水平加速度和垂直加速度的互谱,再将互谱的虚部相除,最后求反正切得到目标的方位。相比于常规的复声强器,该方法省略了从加速度转变成振速的积分过程,降低了对滤波器的要求、减少了计算量,具有简单、易于工程实现等优点。光纤矢量水听器的湖上试验数据表明,基于声压和加速度的定向方法与复声强器具有相似的定向性能。