基于CUDA架构的FFT并行计算研究

FFT（快速傅里叶变换）是基于提高DFT（离散傅里叶变换）计算的高效算法,它在众多科学和工程领域都得到了广泛的应用。自FFT算法出现以后,从早期的以降低复杂度到近年以来的大规模并行FFT计算,各种优化算法得到广泛的研究。在并行运算领域中,随着可编程的、并行化GPU的不断推广,特别是通用并行统一计算架构CUDA的出现,极大增强了GPU的计算能力,在编程和优化等方面都有显著地提升。鉴于此,本文在分析FFT算法实现的基础上,研究了一种适合GPU运算的FFT并行计算方法,并通过CUDA架构实现了FFT算法在GPU上的运算。该方法的引入在理论不计算数据传输的情况下,使一维FFT运算时间的复杂度由O（N logN2）可以降到O（N/rlogN2）。通过验证,本文提出的CUDA的并行FFT方法得到较好的加速效果,在精度计算上也符合实际的要求,从而证明了该方法的正确性和有效性。     

基于垂直平分线的无线传感器网络定位改进算法

针对传统基于垂直平分线的区域定位算法定位精度低、迭代次数多等缺点,提出一种改进的垂直平分线算法IMBLA。根据未知节点接收到的两锚节点接收信号强度指示( RSSI)值的比值,移动两锚点的垂直平分线,再确定待定位节点与垂直平分线的位置关系。该算法应用基于参考锚节点的高斯校正模型进行RSSI测距,包括有障碍物时的模型,不但适合各种环境,还能有效防止恶意攻击。仿真结果表明,与MBLA和IPAIT算法相比,IMBLA算法的定位精度和网络覆盖率较高。     

随机共振方法在弱信号检测中的应用

针对如何从强噪声背景下提取有用的弱信号问题,利用近年来发展起来的随机共振技术进行了信号检测的研究,发现该方法提取弱信号切实可行.介绍了随机共振的基本原理,提出了随机共振去噪检测弱信号的新方法.并通过仿真研究了系统的随机共振现象,实验证明了随机共振技术在强噪声背景下检测弱信号具有很大的优越性.     

基于WBEM存储网络管理中设备的自动发现

存储网络是由各种存储设备和网络设备组成的面向数据存储的专用网络系统。存储网络中的设备具有很大的动态性,因此,如何获得网络中设备的状态和性能是实现存储网络管理中的一个最基本要求。论文基于WBEM管理框架,引入受管资源注册以及SIP中的注册机制,提出并实现一种存储网络设备的自动发现方法。测试结果表明,论文所提出的设备自动发现算法具有较好的性能和应用价值。     

基于投影缺失正弦图的CT图像重建研究

通过对不完全投影重建的图像结果和正弦图对投影空间的数据分布情况进行分析,并根据工件较敏感部位的位置、形状和密度信息,对缺失的投影数据进行适当的补充。在此基础上,利用滤波反投影算法对补充后的正弦图进行图像的重建。经过实验验证,该方法改善了重建图像的质量,得到了较好的重建效果。     

X射线管原始谱和透射谱的测量及应用

本文基于COMET公司MXR225/22型X射线管,使用高纯锗探测器测量了X射线管大、小焦点几种管电压的X射线原始谱,并测量了小焦点下的初始透射谱,在此基础上测量了X射线穿过几种不同材质(铝、钛、铁和铜)吸收片的透射谱。结果表明：X射线管大、小焦点能谱近似相同,低能端X射线比重较大,原始谱中包含铜、银、钨和铅元素的特征峰;初始透射谱低能端硬化明显,并随着管电压升高,高能端所占比重增大,钨特征峰变得明显,X射线平均能量升高,能谱的X射线强度最大区域在最高能量的1/3附近;金属吸收片对X射线硬化明显,硬化效果强烈依赖于其原子序数。相关结果已在工业CT硬化校正中应用,重建图像质量得到改善。     

CT图像重建滤波反投影析算法的精度研究

CT是常被用于医学和工业领域的计算机断层成像技术,这是一种优质无损诊断技术,即利用投影数据重建物体断层图像。对于精密部件的检测在图像重建无损检测应用中需要有更高的精度要求,CT应用中期待解决的关键问题是怎么样能直接重建出满足工程目标的CT图像。本文就系统地深入地研究了解析式图像重建算法的精度。在重建算法中滤波反投影（FBP）算法是解析法的根本,所以本文以该算法的实现,利用定积分数值计算方法,根据反投影的特点,提出了基于辛普生公式的精确反投影方法。     

彩色图像区域生长算法的道路分割识别

将彩色图像区域生长算法应用到智能交通的道路分割中。针对彩色图像,提出了一种简单的颜色特征提取方法。该方法利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则。实验结果表明：该方法在保证区域连通性的同时,也能够有效的分割出道路区域,同时对各种路况有良好的适应性。     

基于负载均衡的多跳路由分簇算法

提出了改进的算法——基于负载均衡的多跳路由分簇算法.在算法中,考虑簇头节点由于要消耗较多能量,所以选择剩余能量最多的节点来担当簇头,这样可以实现负载均衡.改进后的算法与原有的LEACH算法比较,不仅提高了网络生存周期,而且也提高了能量利用率及较好达到了负载均衡的目的.