CPU和GPU混合集群的负载均衡策略

为了充分利用GPU集群(Cluster)中各节点的资源,提高GPU集群(Cluster)整体的计算效率.本文以3G网络中海量视频质量分析为研究背景,提出了一种面向CPU和GPU集群的负载均衡策略,构建了一个GPU异构集群系统.实验表明,该负载均衡策略能很好地利用GPU和CPU计算资源、提高集群计算效率.     

基于GPU的H.264并行解码算法

针对并行处理H.264标准视频流解码问题,提出基于CPU/GPU的协同运算算法。以统一设备计算架构(CUDA)语言作为GPU编程模型,实现DCT逆变换与帧内预测在GPU中的加速运算。在保持较高计算精度的前提下,结合CUDA混合编程,提高系统的计算性能。利用NIVIDIA提供的CUDA语言,在解码过程中使DCT逆变换和帧内预测在GPU上并行实现,将并行算法与CPU单机实现进行比较,并用不同数量的视频流验证并行解码算法的加速效果。实验结果表明,该算法可大幅提高视频流的编解码效率,比CPU单机的平均计算加速比提高10倍。     

双路频分复用荧光共焦显微探测技术研究

报道了结合频分复用技术来提高荧光共焦生物显微探测系统探测能力的实现原理和方法。通过对双路激发光信号的载频调制,将激发光聚焦到生物样品上产生荧光信号,再通过傅里叶变换、滤波和解调制过程,最后将两路荧光信号强度随时间变化曲线进行还原。实验搭建了紫外波段激励光源的双频复用荧光共焦显微成像系统,并成功探测到了鼠神经海马细胞样品发出的双点荧光信号。频分复用共焦显微成像系统能够多通道、实时、快速地探测生物细胞荧光信号,并具有较高的时间和空间分辨率。     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

ISHSN：一种异构传感网融合系统

针对异构传感网导致的系统融合问题,提出了一种异构传感网融合系统(ISHSN)。ISHSN由物联网关和接入代理构成,物联网关对于上行数据进行同一化转换,对于下行控制命令按照目的传感网控制协议进行转换;接入代理进行数据汇集、链路合并以及命令转发,并且运用基于历史增量信息预测的接入代理调度算法,有效分散传感网接入负载。实验表明ISHSN在异构传感网数据汇集以及传感网控制方面具有良好的可扩展性和可用性。