相控阵三维声纳数据并行处理方法

为满足相控阵三维声纳系统对可视化处理的数据实时性和完整性要求,提出一种三维声纳系统高吞吐量数据的并行处理方法。通过对声纳数据的粗粒度划分,将处理过程进行任务划分并映射到多线程,实现主控板数据处理过程的流水线作业。实验结果表明,在高吞吐量情况下,该方法能将单横截面数据从获取到网络发传完成之间的时延控制在50 ms以下。     

基于USB2.0的高速无线数传接收设备的数据接收存储方法

介绍了一种利用USB2.0接口芯片ISP1581并配合FPGA芯片EP1K30TI144和DSP芯片TMS320F206实现无线数传接收设备中数据接收存储的方法。这种方法具有接口简单、使用方便等特点。     

NXP在汽车收发器中实现同步多通道数据接收

恩智浦半导体（NXP Semiconductors N．V．）推出一款低功耗多通道双向射频收发器NCK2983，内置微处理器，独树一帜地具有并行接收最多三路通道的功能，而非顺序接收。该器件适合用于汽车钥匙和车身控制模块类应用，     

多通道并行传输中接收缓存阻塞的缓解方法

针对多通道并行传输中的接收缓存阻塞问题,分析了引起接收缓存阻塞的原因,提出一种改进的缓解接收缓存阻塞的数据包调度方法,综合考虑通道的带宽、时延和丢包率,引入通道质量的评价函数,优化多通道之间的数据包调度,选择质量最好的通道进行传输,减少由于通道特性不同造成的接收端数据包乱序;提出一种改进的数据包重传策略,基于时延和丢包率选择能使数据包最快到达接收端的通道进行重传;提出一种根据通道的带宽-延迟积估算所需接收缓存大小的方法。仿真实验表明,所提出的调度方法和重传策略能够有效地减轻接收缓存阻塞,与CMT-SCTP相比具有更优的性能,所提出的缓存大小的估算方法也能够准确估算所需接收缓存的大小。     

基于Spark Streaming的视频大数据并行处理方法

视频设备被广泛应用于公共区域、智能交通和工业生产等许多领域,其产生的视频数据具有体量巨大、速度极快、价值稀疏和完全非结构化等大数据典型特征。为了进一步提高视频大数据的处理性能,提出了一种基于Spark Streaming的视频大数据并行处理方法,设计了基于Spark Streaming的视频大数据并行处理框架,针对帧间无关分析算法和帧间相关分析算法分别给出了并行化策略,前者利用数据并行机制将去冗余后的视频帧映射到不同节点并行处理,后者利用流水线并行机制将分析算法的各个算子根据依赖关系映射到不同节点并行处理;结合实际应用对并行处理框架和并行化策略进行了评价,设计了电梯乘客数并行检测算法和电梯门异常并行检测算法,当节点数增加到16个时,电梯乘客数检测算法的性能加速比为615%,电梯门异常检测的性能加速比为253%。     

基于ADSP21160的多通道同步采样并行处理系统

为了满足水声通信以及水下信号处理和目标识别等方面对高速实时并行处理系统的要求,文章设计并研制了一种基于4片SHARC-DSP芯片(ADSP21160)和多通道同步采样ADC芯片的多处理器并行数字信号处理系统,解决了水声通信与阵列信号处理中多通道同步采样和大数据量的高速实时处理的问题,同时该系统具有良好的稳定性和通用性。     

磁共振多通道射频接收线圈性能评估

磁共振成像技术追求高信噪比和快速扫描。与单通道线圈相比,多通道线圈具有高信噪比、高分辨率和成像速度快的特点。为服务于射频线圈设计和制作,开发了基于磁共振k空间数据的多通道射频线圈性能评估软件。此软件可以准确方便地计算多通道线圈噪声耦合矩阵和信噪比。     

工业区块链中基于CUDA的数据并行处理方法

工业区块链数据交易系统能够使交易双方在没有中间商存在的情况下安全地进行交易,简化了交易流程,降低了交易成本。针对大规模数据上链,现有的一般做法是将源数据的哈希值作为元数据存储到区块链,源数据本身则存储在本地或云端。一方面,传统哈希值的计算方式难以满足工业大规模数据高效上链的需求。另一方面,由于只将元数据存储到了区块链,交易时数据需求者在只收到元数据时无法确认源数据本身是否完整。因此,设计了一种基于CUDA的数据并行处理方法,通过合理的数据分块、线程布局等手段加快大规模工业数据哈希值的计算速度,提高上链效率。并且,基于此方法构建了两方数据完整性验证模型,数据需求者在交易时能够在未得到源数据的情况下,根据证明信息有效地验证源数据的完整性,避免了因传输无用数据而付出的通信代价。对于较大规模工业数据,所提出的计算方法可将哈希值计算效率提升至少22%。同时,由安全性分析可知,在数据拥有者持有签名私钥的特殊情况下,数据需求者在交易时可以对源数据进行完整性验证。     

一种支持高效并行处理的矢量数据索引方法

分析了HBase的存储模型和Spark的并行处理机制,提出一种矢量空间数据的分布式存储、索引和并行区域查询方法。设计了基于空间对象中心点的行键存储方案,将中心点的Hilbert编码与经纬度小数位结合实现行键的唯一性,保证地理位置接近的要素在表中存储在相邻的行。实现了基于Spark的空间索引并行构建和区域查询方法,借助空间对象中心点的Hilbert编码快速构建索引,通过多边形区域的最小外接矩形过滤查询结果。实验结果表明,索引并行构建可靠性好速度快,区域查询并行处理算法可行且效率高。     

空间科学实验图像数据接收处理方法研究

针对空间科学实验设备在系统体积、功耗、可靠性、环境适应性等方面的特殊要求,本文探讨将JPEG图像信息插入视频码流中共用同一信道进行传输的方法,设计了基于PC/104工业总线标准的数据接收系统完成SPI接口串行数据至ISA接口8位并行数据的传输,在进机处理过程中实现图像数据抽取和恢复,并对视频编解码芯片相关的起始码竞争问题进行了修正。     

基于Linux的电网多通道数据自动备份方法

Linux作为一种网络操作系统,在服务器方面的应用越来越广泛。采用多通道数据备份方法可以快速恢复数据,减少数据丢失的风险。文章提出一种基于Linux的电网多通道数据自动备份方法。该方法通过多个通道同时进行备份,能够提高备份效率和容错能力,具有一定的应用价值。     

RDF数据的并行处理及性能评价

语义Web作为数据之网不断汇集并组织Web信息,相关应用因此面临着对语义Web所含大规模RDF数据高效访问的挑战.利用并行处理技术提高性能是一种解决之道,其核心是RDF数据的放置策略和并行查询处理.已有工作尚未系统研究RDF数据放置策略的分类与特点,及其对查询处理性能的影响.分析了RDF数据上各类数据放置幕略及其对查询处理性能影响,通过LUBM测试基准结果分析评价了典型的RDF并行处理策略(数据放置策略及相应并行查询处理)的实际性能,为提出更有效的并行处理策略奠定了基础.     

基于深度学习的企业多源数据融合并行处理方法设计

为解决数据融合处理中的丢失问题,本文进行基于深度学习的企业多源数据融合并行处理方法设计研究。将获取的信息按照其来源与类型划分为多个类别,在计算机终端建立一个空白云存储终端,将所有数据录入云存储空间,使采集的数据在空间中呈现离散化分布状态,计算不同网格区域之间的相似性,按照规范完成对企业多源数据的预处理;引进深度学习算法,将数据录入卷积层,建立数据在深度学习网络中的反向传播训练损失函数,通过不断更新卷积层节点参数的方式,提取多源数据特征,在深度学习网络Sink节点,根据待处理数据的类型,在节点驱动数据的融合并行处理。设计对比实验证明：设计的处理方法在实际应用中的效果最佳,该方法可以有效控制企业多源数据融合并行处理过程中的丢失量,降低企业损失。     

AFDX网络端系统数据接收方法研究与实现

AFDX网络端系统实现符合ARINC664P7协议的网络数据的传输功能,在AFDX网络端系统数据接收方面,总结了AFDX网络数据的特点,分析了查询接收方式和中断接收方式各自的不足,设计并实现了一种基于查询和中断的混合式数据接收方法。该方法在保证查询接收方式高效的前提下,有效降低了对主机系统处理器资源的占用,并解决了中断接收方式引起的丢包问题。     

多通道随机数据流的中断驻留接收技术方案

给出了一种“多通道随机数据流的中为驻留接收技术方案”,详细描述了内存驻留中断接收、开设数据缓冲区、数据段地址保存、驻留／解除和数据缓冲区读取,讨论了高级语言程序信息处理,举出了该技术方案在“水泥生产线微机全自动配为测控系统”中应用的实例,介绍了测试方法和步骤,给出了高级语言读取数据缓冲区数据及调用源程序     

多通道射频数字化接收组件的设计与实现

数字接收组件是数字阵列雷达(DAR)的关键部件之一,其性能直接影响雷达系统的整体性能.本文在研究关键技术的基础上设计并实现了一个四通道射频数字化接收组件.首先分析了ADC性能参数对射频前端设计的影响以及前端器件参数的选择问题;然后给出了一种有效的分布式电源设计方案,设计了一种合理的地平面分割方法,提出了一种有效的数据位对齐方法用于接收ADC输出;最后研究了多通道同步的设计和测试技术.接收组件测试结果验证了本文设计方法的有效性.     

基于并行处理机制的数据复用策略研究

针对频繁出现的数据冗余、数据复用效率低下等问题,将列存储方式结合并行处理机制对数据复用策略进行优化。构建了基于MapReduce的数据复用并行化处理模型,利用改进型CSM模式匹配算法结合数据挖掘过程中的数据筛选算法,提出并行化数据复用算法。该算法利用数据属性的模式匹配确定属性列之间的对应关系,使用数据检测方式验证属性列数据复用的可行性,从而进行属性列数据筛选,实现并行化的数据复用策略。在大数据环境下的数据仓库中,对大规模基准数据属性集SSB和TPCH中提取的数据实证分析,实验结果分析中存储量和处理时间分别减少了17%和35%,实验结果验证了并行化数据复用策略在数据存储量、数据处理时间等方面比普通数据复用策略更具高效性。     

基于DSP的多媒体数据并行处理的研究

讨论了多媒体数据并行处理技术的结构和实现方法,并分析了DSP的指令级流水线结构、开发方法和实现技巧,同时在分析和重组数据流的基础上,给出了利用指令级并行流水线优化视频处理中DCT变换算法和运动搜索算法的实例。研究结果表明:采用指令级并行处理技术可以大大加快系统的处理速度,具有较大的实用价值。