混合监测技术在并行与分布式性能监测中的应用

主要介绍了混合监测技术在并行与分布式系统性能分析评价中的应用。分析比较了常用的几种监测技术,给出了各自的优缺点,介绍了混合监测中的事件的定义,自动装备的过程。事件的采集和分析这向个关键步骤,提出装备的层交化。最后提出了混合监测中会遇到一些问题并给出了相应的解决方法。     

PC机上基于2D纹理映射的三维体绘制算法

体绘制技术因其卓越的图象质量而被广泛应用,尤其是在医学方面.然而传统的体绘制技术(如光线跟踪法)因计算量大、绘制时间长等不足,限制了其在PC机上的应用.本文立足于目前标准的PC硬件平台和OpenGL1.1标准,在不显著降低图象质量的前提下,采用2D纹理映射技术来提高图象的绘制速度,将大量的三次线性插值运算转换为二次线性插值运算,并充分利用PC硬件的2D纹理映能力来加速绘制速度.实验结果表明,2D纹理映方法明显提高了图象的绘制速度,并具有较好的图象质量.随着PC硬件的发展,为提高体绘制速度和改善图象质量提供了更广阔的空间.     

嵌入式系统软硬件协同设计中的快速样机平台

提出一种嵌入式系统软硬件协同设计的快速样机平台设计方案，该方案使用系统级可编程芯片和处理机软核技术来构成快速样机平台所需的FPGA阵列和规模可调的处理机，以此实现软硬件的更紧密灵活的耦合和更小的通信延迟．可重构逻辑的应用使得该快速样机平台具有简单规整的结构，一方面使得快速样机平台之间的扩展连接更为容易，另一方面使得FPGA芯片中的逻辑资源能得到更充分利用．     

MS-3监测系统对Java多线程程序的监测

多线程是Java语言的重要特点之一，但是Java语言的线程调度是由操作系统来完成的，开发人员无法获知各线程的具体执行情况，而常规的软件调试工具对线程的分析会对目标程序有较大的干扰。该文利用基干事件的混合监测系统MS-3，对Java多线程程序的各线程行为进行了精确的分析。     

基于SDL/MSC的实时嵌入式系统概念级设计

概念级设计是实时嵌入式系统设计自动化的第一步 ,由于它的性能直接关系到整个系统的设计质量 ,所以也是非常重要的一步 .除了对所设计系统的功能进行描述、验证之外 ,概念级设计还应该对所设计系统的性能进行分析 .否则 ,如果将错误带到下一阶段 ,将会使整个设计付出沉重的代价 .在简单介绍了实时嵌入式系统的自动化设计原理 ,并分析了目前人们采用的三种概念级设计方法缺点之后 ,文章提出了基于 SDL / MSC描述与验证的 ,适用于单 FPGA或多 FPGA系统的概念级设计方法 .这种方法包括系统的 SDL/ MSC描述与验证、有向无环图 (DAG)的产生、DAG子图划分等几部分 .在文章的最后 ,还指出了这种设计方法存在的不足     

并行和分布式计算机监测系统的实现原理

通用分布式监测系统ＭＳ－１是一种面向并行和分布式计算机系统而设计的行为监测和分析系统。它基于事件驱动的监测原理，并采用软硬件混合实现方式和扩充插 ＰＣ机联网的分布式结构。     

基于约束紧迫度和反向调节算法的硬/软件划分

硬／软件协同设计的关键问题之一是硬／软件划分，本文提出了基于约束紧迫度和反向调节算法的硬／软件划分方法，在约束紧迫度算法中，首先根据时间紧迫度来决定节点是映射到硬件还是映射到软件，然后根据硬／软件面积的紧迫度选择节点的执行时间／面积，反向调节算法则是通过节点之间存在的松驰时间来对系统进行进一步的优化，实验表明，该算法在总体性能上要优于文献[18]中提出的MIBS算法。     

概率构造算法与遗传算法融合的可重构计算系统硬件任务划分

提出一种概率构造算法与遗传算法融合的算法,通过引入表示划分结果多样性的度量方法,利用概率构造算法产生具有多样性的较优的初始群体,并在此基础上利用遗传算法寻求最优解.实验结果表明,该算法能够获得比已有的基于列表的划分算法更优的划分结果,比采用完全随机初始群体的遗传算法缩短了运行时间.     

基于Eclipse平台的边界扫描测试软件的开发

复旦大学研制的类蜂巢结构快速样机平台(HLRESP)采用模块化结构，可以灵活配置和选择功能模块，而扫描链路的设计，以及扫描链路的完整性测试和互连测试对平台极为重要，为了满足该系统的测试和调试的需要，该文设计并实现了一个基于Eclipse平台的边界扫描测试软件。该软件能够自动生成测试向量，分析响应数据并准确定位故障。     

可重构系统中的实时任务在线调度与放置算法

有效的任务调度与放置是发挥可重构计算性能优势的重要因素.针对实时任务在二维可重构器件上的在线调度问题,定义了调度算法完全识别的概念,即算法不会拒绝能够成功调度的任务.提出了新的实时在线调度与放置算法,充分利用了任务的时间信息,实现了完全识别的调度.实验表明,与已有的算法相比,新算法显著地改善了调度效果,而运行开销没有明显增加.