一种输入感知的雷达回波快速聚类实现

聚类算法作为数据挖掘中的经典算法,在雷达回波的数据分析中经常被采用。然而对于规模和维度都较大的输入数据集,算法十分耗时。很多研究虽然对聚类算法进行了GPU平台的并行和优化的工作,但都忽略了输入数据集对优化的影响。因此,提出了在GPU/CUDA平台上的一种新颖的雷达快速聚类实现。该实现通过运行时的方式对输入的回波数据进行观察,以获取数据的分布信息,用以指导聚类计算在GPU上执行时的线程块调度。而该运行时模块本身的开销非常小。实验表明,引入这种输入感知的运行时调度支持后,大大削减了GPU的计算负载,获得了相对于一般策略的CUDA实现的20%-40%的性能提升,加强了算法的实时性能。     

组网雷达估测降水系统并行化方案的设计与实现

国家气象局天气组网雷达定量估测降水系统不仅拥有较大的计算量,而且具有较大的数据吞吐量,同时对实时性要求较高。如果缩短其执行时间,无疑将会带来巨大的收益。鉴于这些特点,使用VTune Amplifer XE对串行程序进行了热点分析和并行性分析,得出程序中有较多线程级并行性,从而制定了相应的并行化方案;然后使用Win32多线程和OpenMP两种技术对该程序在Intel四核处理器平台上进行了并行化。程序主要由单站处理和组网处理两部分组成。由于计算资源的限制,并行后的单站处理程序只有大约10%的性能提升,而组网处理程序则可以达到近似线性的性能提升。通过调整计算负载,并行化版本的加速比可以达到5.5。最后,可以得出该并行化方法适用于计算密集且数据吞吐量较大的一类应用。     

大负载高精度光栅拼接柔顺并联机构的设计方法

由于加工工艺的限制，通常采用多块小口径光栅机械式拼接的方法来制备大尺寸光栅。为保证打靶成功，要求光栅拼接机构可以实现纳米级的运动精度。基于压电陶瓷驱动的柔顺并联机构可以达到纳米级的运动精度，但是柔性关节的引入降低了机构的承载能力。为解决柔顺并联机构中存在的“大负载”与“高精度”之间的矛盾，引入驱动与承载单元解耦的思想，基于约束设计法提出一种满足大口径光栅拼接机构大行程、大负载、高精度要求的新型光栅拼接柔顺并联机构，该机构具有刚柔混合、串并混联、三面正交、单点支撑、存在一条恰约束被动支链的特点。为实现光栅拼接机构的高精度运动，对设计的新型光栅拼接机构进行运动学分析，并搭建试验系统测试拼接机构的运动精度。试验结果表明利用所提设计方法设计的光栅拼接柔顺并联机构能满足拼接机构的任务要求。