交替迭代最小化稀疏穿墙成像快速算法

针对墙后目标成像分辨率与成像速度不能同时有效满足的问题,提出一种参数交替迭代最小化框架的墙后隐藏目标稀疏成像快速算法。首先,该算法利用稀疏信号贝叶斯模型的最大后验估计准则得到包含参数与成像体散射系数矢量的目标函数,然后在优化最小化框架（MM）下求解出对应的最优化函数,最后利用目标函数对应的优化函数对成像体散射系数、噪声功率和超参数进行交替迭代求解。仿真和实验结果表明,该方法对墙后点目标以及扩展目标进行高质量成像,并且大大提高算法速度。     

Voronoi图栅格生成算法GPU并行实现

针对矢量法生成Voronoi图计算与存储复杂的缺点,重点分析研究了Voronoi图的栅格生成方法。对不同的栅格生成算法的复杂性和效率进行了比较分析,并针对以往方法速度较慢的问题,提出一种CUDA平台下GPU并行栅格扫描的方法。该方法利用GPU的多线程特性,将各个栅格的计算分散到不同的线程中并行处理。相比其他栅格生成方法,该方法不需要考虑栅格的规模,能够以几乎线性的时间完成Voronoi图的生成,极大地提高了生成速度。     

基于GPU的Viterbi并行解码算法的设计与实现

针对GPU并行计算特征,对Viterbi解码自身做了并行处理探索,并提出使用Zero-Termination卷积码来实现基于GPU的Viterbi解码分块并行处理.设计的实现结果表明:Zero-Termination卷积码的简单而适用于GPU分块并行;误码率降低,特别是在信噪比低的情况下,Zero-Termination卷积码误码率比不损失码率的卷积码要低.同时,还实现了基于GPU的7,9,15三种不同约束长度的Viterbi解码,获得了良好的误码性能曲线及高吞吐率表现.     

基于GPU并行运算的红外运动目标实时增强算法

在一些复杂场景中,红外目标容易受到背景杂波及噪声的干扰,因此难以被准确地检测和识别出来。提出了一种基于光流的红外运动目标增强算法,即利用运动目标与背景之间的速度场差异对目标进行增强处理.同时,对该算法进行了基于计算机图形处理器(Graphic Processor Unit,GPU)并行运算的优化,使其可以在线实时运行.与运动目标检测中常用的帧差法和背景差分法相比,本文算法具有更好的稳健性。由于对实际的红外视频进行了运动目标增强处理,该算法表现出了较好的增强效果和实时性能.     

基于 GPU 加速的并行字符串匹配算法

在分析了经典的串行字符串匹配算法（BF ,KMP ,BM ,BDM ,Shift -And/Shift -Or ,ZZL）基础上,对ZZL算法的预处理过程进行改进,并结合GPU的单指令多线程的并行计算特点,对ZZL算法进行并行改进,以达到处理大规模数据的速度提升。     

GPU编程加速信号处理算法运算速度初探

本文对两种使用较频繁,且运算复杂度较高的算法——FFT运算和FIR低通滤波器运算,在GPU上和CPU上运算效率的实验进行分析.从分析结果可以看到GPU由于其特有的运算加速能力,必将在无线电监测领域得到广泛应用.     

PRESTO折叠的优化及其GPU并行

本文讨论的是基于CUDA并行计算架构对折叠进行GPU并行化,在并行之前对折叠先进行优化,消除其中的数据循环依赖并且重构目标函数,重写CUDA核函数在GPU上实现折叠并取得良好的效果。PRESTO(PulsaR Exploration and Search Toolkit)是一套完整开源的脉冲星搜索工具,其中包含适于各个搜索流程的工具。折叠(prepfold)也是其中之一,是用于搜索周期信号的,对候选体折叠生成相应的脉冲轮廓图,并基于这些脉冲轮廓图对候选体进行初筛。     

基于GPU的图形电磁计算加速算法

本文利用现代图形加速卡中GPU(Graphics Process Unit)的可编程管线,实现了图形电磁计算(GRECO)方法.与原有的方法相比,在利用物理光学和物理绕射理论的基础上,计算速度提高了20倍左右.并且利用GPU实现了射线追踪算法,用于目标上多次散射的计算,使得GRECO方法可以快速计算具有凹腔结构目标的电磁散射.本方法对于目标识别和逆合成孔径成像等方面的研究具有重要的应用价值.     

自适应高斯融合双通道的去雾算法

针对传统图像去雾算法存在的对比度下降和颜色偏移等问题,提出一种结合高斯融合的自适应双通道雾霾图像复原算法。首先,考虑到大气光应小于有雾图像最大值,且大于有雾图像最小值,根据亮度控制因子自适应控制的方式得到融合中通道,并获得中通道下的局部大气光;其次,提出双通道线性传输,即用最大值通道辅助完成线性传输,再用高斯函数加权融合的方法实现清晰图像最优通道估计,从而得到最优透射率;最后,结合复原模型恢复清晰图像。实验表明,所提方法有效解决了图像对比度下降与颜色偏移等问题,去雾效果良好、亮度适宜且颜色保真度更高。另外,该方法在定量指标上同样具有优越的表现。      

基于GPU的数字图像处理算法

随着社会不断的发展,计算机处理技术逐渐的提高,传统的计算机图形应用发生了较大的改变,将以往的处理方式格局进行改变,从而促进信息技术中的虚拟现实、仿真技术等图像领域的发展。同时这对GPU使用性能也在大幅度的提高,从而满足日益复杂的图像处理要求。基于此,本文对GPU的数字图像处理计算法进行了简单的研究。     

GPU加速在集成成像的应用

针对在计算3D集成成像过程中耗时较多的问题,采用了一种新的硬件加速方法——GPU加速,分别在不同透镜数目和三维物体复杂度下,对CPU和GPU的运算时间进行对比。结果表明:计算复杂度大于数据拷贝时间时,GPU的整体加速效果明显,并且随着计算复杂度的提高,加速效果越来越显著。     

SAR图像压缩采样恢复的GPU并行实现

压缩采样(CS)技术被尝试应用于合成孔径雷达(SAR)图像的压缩。然而,高分辨SAR图像数据量大,导致压缩采样后的恢复过程计算量大,传统的中央处理器(CPU)无法实时成像。为解决这一问题,该文在图形处理器(GPU)平台上设计了CS的并行方法,并实现了SAR图像压缩。实验结果表明,在保证SAR图像压缩性能的前提下,该文设计的GPU并行处理速度能够提高到CPU串行处理的8.8倍。     

基于GPU的LCS算法加速机制研究与实现

协议特征识别技术中用到了一种重要的LCS算法,它是一种字符串比对算法,提取出字符串中的最长连续公共子串。然而,通过理论分析和实验表明：这个查找过程是一个时间复杂度较高的运算过程,如果输入的数据分组比较大,那么运行的时间将会非常长,为此不得不控制输入数据分组的大小和数量,这严重限制了所采用样本集的大小。提出了基于GPU对LCS运算实现加速的方法。在此基础上搭建和配置了CUDA平台,在此平台下研究并实现了LCS算法的并行性。通过对LCS算法在CUDA下并行性的研究,有效地加快了LCS算法的运行速度。实验结果表明,GPU下LCS算法的运行效率比CPU有了显著的提高。     

基于GPU加速的改进的光线投射算法研究

传统的医学图像体绘制算法大多通过CPU端实现,为解决传统算法存在绘制时间较长,交互不够流畅,且使用平台单一等问题,提出了一种基于图形处理器(GPU)的医学序列影像的实时体绘制技术。通过对不透明度值设置阈值,提前终止光线计算,并在光线遍历体数据时,调整采样间距,改进了光线投射算法。实验结果表明,对其中一组最大数据(931张切片)的绘制时间为1.3 s左右,交互时的绘制帧数在20~40之间。在绘制时间方面,不仅比传统的基于CPU的算法有大幅度提高,相比于前人的基于GPU的算法也有明显改进,加速比可以达到1.5左右。     

基于GPU加速的各向异性双边滤波图像抽象化绘制算法

本文提出基于GPU加速的图像及视频的实时抽象化绘制算法。首先通过运用Kuwahara滤波实现图像的颜色特征快速聚类,其次采用各向异性双边滤波算法对图像沿结构张量场进行平滑,从而获得连续的、局部区域色彩一致的结果图像,实验表明该算法简单、易于实现。     

基于lq最小化算法的稀疏信号分离

稀疏分解寻求从完备的（过完备）函数（基）集合中得到信号最稀疏的表示,即用尽可能少的基精确地表示原信号,从而获得信号的内在本质特性。通过l1最小化算法可以将稀疏信号表示为过完备集下一组基的线性组合,但得到的解通常并不是最稀疏的,在此提出了利用lq（0〈q≤1）最小化算法对稀疏信号进行分离,通过试验证明了此方法能够更准确的分离出源信号,同时讨论了参数的选取对试验结果的影响。     

采用GPU并行架构的基于互信息和粒子群算法的异源图像配准

对于异源可见光与红外图像配准,以互信息为相似性度量条件,以粒子群算法为搜索算法,在搜索空间中搜索极大值点,通过改变图像分辨率,由粗到精,逐步实现可见光图像与红外图像的配准,对粒子群算法、统计互信息和仿射变换3个部分的内在并行性,利用CUDA C语言实现GPU-CPU异构编程.实验证明,在不降低精度的前提下提高了算法效率,得到了很好的加速比,算法正确匹配率高,鲁棒性好,计算效率高.     

基于GPU加速的地形生成方法

三维地形是虚拟仿真领域中视景系统的比较重要的一部分。当前在地形仿真领域中,通常使用的都是DEM实时生成技术,但是DEM实时生成技术的数据量比较大,也比较复杂。通常情况下,在虚拟仿真系统中注重的是产生实时动画的效果,因此,算法的效率就显得比较重要。由于分形地形生成方法具有简洁高效的特点,在地形生成领域中得到了普遍的使用。本篇文章将论述的是基于GPU加速的分形地形生成方法。     

一种双通道时分交替ADC误差半盲校正算法

采样时间偏移误差校正一直是时分交替ADC各通道间失配校正的难点.传统的盲校正方式因采用自身信号作为参考信号,会在某些情况下出现校正出错的情形.在分数阶延时滤波器的基础上,通过在模拟信号中预留一定带宽给校正信号及其失真信息来实现采样时间误差的半盲校正,克服盲校正算法中出现校正出错的情形,并且采用变步长算法,实现了收敛速度和稳态误差的优化,最后给出相应的仿真结果.该算法为时分交替ADC的校正提供了一种新的思路.