基于FPGA+PCI的并行计算平台实现

介绍了一种基于PCI总线和多片并行FPGA的高速计算平台。FPGA+PCI板卡利用普通PC机作为CPU,通过PCI总线互联,实现了一个并行高速的通用数字运算平台。利用VHDL语言编写各种算法,可用于加解密算法实现和高速数字信号处理等领域,而速度相当于数台PC机并行运算。     

基于FPGA的反投影算法并行化实现

反投影算法是一种基于时域处理的雷达成像算法。针对该算法运算效率低、处理速度慢的问题,通过分析反投影算法的原理及其运算过程,提出一种算法并行化加速方法,即基于现场可编程门阵列,将算法中的反投影运算单元设计成专用的反投影运算硬件加速模块,并通过模块内的流水线处理及多个模块间的并行计算提高该算法的运算效率。运用该方法对2 048×4 096大小的目标网格点进行反投影成像,成像时间为139 s,平均单点成像时间是基于GPU加速方法的3倍,并且成像结果和计算机成像结果误差极小。实验结果表明,该并行化方法可有效提高反投影算法的运算效率。     

基于FPGA的快速中值滤波算法*

针对传统中值滤波算法排序量多、速度慢的缺点,提出了一种基于FPGA的中值滤波快速算法。充分利用两个相邻滤波窗口中的相关排序信息,随着一列新像素的移入,同时更新已有的排序信息,从而完成中值滤波处理。该算法将每个窗口查找中值的比较次数降到很低,达到了快速抑制噪声及保持图像细节的目的。     

基于FPGA的卷积神经网络并行加速设计

为提升在资源、功耗受限的嵌入式平台上运行的深度卷积网络算法的速度和能效,提出一种基于现场可编程门阵列(FPGA)的卷积并行加速方案。利用卷积层与批归一化(batch normalization,BN)层融合减少计算复杂度;利用数据分片减少片上存储消耗;利用数据复用、并行计算提升运算速度,减少系统硬件开销;利用设计空间探索找到最符合硬件资源约束的计算并行度。实验结果表明,在100MHz的工作频率下,加速器的峰值计算性能可以达到52.56GFLOPS,性能是CPU的4.1倍,能耗仅为GPU的9.9%,与其它FPGA方案相比综合性能有一定的提升。     

插值前置的仿射变换FPGA实现方法

目前实时视频的仿射变换FPGA实现方法主要基于反向映射原理。该方法在缓存一帧图像后采用四邻域像素的双线性插值得到仿射图像,但是四邻域像素的存储器读写需要FPGA提供四倍于原始图像流的传输带宽,导致FPGA无法同时兼顾存储资源消耗与数据吞吐率。针对该问题,提出了一种插值前置的仿射变换FPGA实现方法,该方法采用四角点映射方式将双线性插值计算提前到存储器缓存原始图像之前,避免双线性插值直接读写存储器所导致的数据带宽倍增问题。实验结果表明,与基于反向映射的仿射变换FPGA实现方法相比,该方法在保证高数据吞吐率的同时,降低了存储资源的消耗。     

图像预处理算法在FPGA中的实现

本文论述了现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)在实时数字图像处理中的应用,同时给出了滤波算法的基本组成框图、VHDL程序的流程图等。因此,图像处理的速度能满足实时性的要求。     

基于混合并行的Kriging插值算法研究

普通Kriging方法是进行空间降水插值的一种有效方法。然而一方面由于海量数据插值计算量大,另一方面该算法的时间复杂度大,为减少空间降水插值的计算时间,采用OpenMP和MPI混合并行技术,实现Kriging并行算法。在Windows操作系统上搭建并行计算环境,实验数据表明,该并行算法能有效地节省计算时间。     

基于FPGA的并行可变长解码器的实现

介绍了一种采用并行方式构建的多符号可变长码解码器。该解码器通过增加结构的复杂性和对硬件资源的占用,换取可变长码解码的高吞吐量。这种结构突破了可变长码码字之间的前向依赖性,可并行侦测出Buffer中的所有可能的码字。采用FPGA实现了这种结构。     

基于FPGA的32位并行乘法器的设计与实现

首先分析比较了几种典型的乘法器实现结构，然后采用树型组合方式，对其结构进行了优化，最后在FPGA上设计并实现了一个高性能的32位并行乘法器。     

基于FPGA的SVPWM发生器的实现

在工业与民用的电力传动控制系统中,常采用电动机驱动机械运动,空间矢量脉宽调制SVPWM是一种驱动电动机旋转的高效脉宽调制方式。本论文详细介绍了空间矢量脉宽调制系统的工作原理及其功能架构,提出了一种基于现场可编程门阵列FPGA的SVPWM发生器的硬件设计方案,并在一片FPGA中得到了具体验证和实现,该方案结合了SVPWM与FPGA的优点,在高性能运动控制系统中有重要的应用价值,为设计高性能的电机控制专用芯片奠定了基础。     

基于文化基因算法和犹豫模糊集的聚类算法及其分布并行实现

为了提高海量高维小样本数据的聚类准确率和效率,提出一种基于递归文化基因和云计算分布式计算的高维大数据聚类系统.基于Spark分布式计算平台设计迭代的聚类系统,分为基于递归文化基因的特征归简处理和基于密度的聚类处理.前者将基因微阵列的聚类准确率结果作为主目标,特征数量作为次目标,递归地化简特征空间;后者基于犹豫模糊集理论...     

基于MapReduce的并行聚类算法设计与实现

针对目前聚类算法对大数据处理效率较低的问题,研究云平台上高效并行化的聚类算法十分必要。在HDFS分布式文件系统基础上,设计一种并行聚类算法P-ISODATA,利用MapReduce编程框架的执行机制将传统ISODATA聚类算法并行化,并在Map阶段之后加入Combine阶段以减少网络传输开销,进一步提高执行效率。实验从著名UCI机器学习库上选取若干数据集作为测试数据,分析了新并行算法P-ISODATA性能,结果表明基于P-ISODATA算法具有优良的加速比、数据伸缩率和扩展率,可以有效地应用于大规模数据的处理。     

基于Spark的并行FP-Growth算法优化与实现

频繁模式挖掘作为模式识别的重要问题,一直受到研究者的广泛关注。FP-Growth算法因其高效快速的特点,被大量应用于频繁模式的挖掘任务中。然而,该算法依赖于内存运行的特性,使其难以适应大规模数据计算。针对上述问题,围绕大规模数据集下频繁模式挖掘展开研究,基于Spark框架,通过对支持度计数和分组过程的优化改进了FP-Growth算法,并实现了算法的分布式计算和计算资源的动态分配。运算过程中产生的中间结果均保存在内存中,因此有效减少数据的I/O消耗,提高算法的运行效率。实验结果表明,经优化后的算法在面向大规模数据时要优于传统的FP-Growth算法。     

基于颜色空间和核函数的FCM图像分割算法

首先在确定模糊聚类的初始聚类数和初始聚类中心方面,引入颜色直方图应用于FCM聚类算法中。其次再将空间信息引入到FCM中,重建包含邻域信息的新的隶属度迭代函数。最后,用内核诱导距离取代原算法中的欧式距离,对实验图像的特征进行优化,并对算法进行评价对比。实验结果表明,该算法具有良好的分割质量和效果,并且也具有较强大的噪声抑制能力。     

基于HSV颜色空间的彩色图像的盲水印算法研究

提出了一种新的针对彩色图像的盲水印算法。算法通过在彩色图像空域中嵌入形状和排布都比较规则的锚点来标记图像中嵌入水印的位置,从而在图像经过缩放裁剪等几何变换后仍然能够比较容易地找到水印嵌入的准确位置。实验表明算法对色彩和几何变换都有良好的鲁棒性。     

基于空间分解并行策略的演化算法研究

在分析已有的演化算法并行化实现策略的基础上,基于自强3000高性能计算机,设计实现了一种基于空间分解并行策略的演化算法（SP-PEA）。SP-PEA采用可分解／可拼接编码方式,使用了多种杂交和变异算子,获得了较好的收敛性能和可扩展性。在自强3000上的试验结果表明,SP-PEA在处理多维函数优化问题时与基于群体分组并行策略的演化算法相比有较好的收敛性能,能够以更快的速度收敛到最优解。     

改进的Dividing Cubes算法及其并行实现

体绘制是三维数据场可视化的有力工具，而并行处理则是最有希望使其达到交互式显示速度的途径，本文首先提出了一种ＤｉｖｉｄｉｎｇＣｕｂｅｓ算法的改进方案，以节省该地的执行时间和空间，更为重要的是，改进后的算法在不同视线方向下的绘制时间的差别大为减少，这对于在害时状态下匀速显示一连串视角微不变化的三维数据场非常重要，在此基础上，本文给出该算法的基于分布式内存的ＭＩＭＤ结构的并行实现方案，高效的静态数据分解     

一种基于光并行匹配的专家系统模型ESBOPM及其硬件支持系统

本文在分析影响专家系统效率的主要因素基础上,提出了一种基于光并行匹配的专家系统模型ESBOPM及其光电混合型硬件支持系统。在ESBOPM中,为了适应光并行匹配的需要采用了知识的类产生式表示方法、知识编码、知识匹配操作并行化等技术。在硬件支持系统方案中,利用光信息处理技术并行化特点实现匹配操作并行化的硬件支持。性能分析和实验结果表明ESBOPM及其硬件支持系统是有效的、合理的并且能显著地提高专家系统响应速度。     

基于组件的算法测试系统的建模与实现

为构建一个通用的信息融合算法测试系统,采用组件技术,定义通用的接口规范,使得在不同平台不同环境下开发的算法在符合接口规范的条件下,完全与系统兼容.在后期的算法的维护和改进过程中,接口不变的情况下只对内部处理进行修改,就能够实现算法的再测试,形成一个有利于算法开发与研究的辅助平台.