一种结合遗传算法和钻石搜索的多模式快速运动估计方法

为了解决视频编码中运动矢量搜索精度与速度的矛盾,本文提出了一种基于遗传算法(GA)和钻石搜索(DS)的多模式快速运动估计方法——MMS算法.它以图像序列的时空预测矢量作为图像活动剧烈程度的判据,自适应选择搜索模式.针对平缓运动类型使用快速的DS搜索模式,针对剧烈运动类型使用GA/DS联合搜索模式.与现有的次优解快速算法相比,MMS有效地解决了在大运动矢量情况下编码器性能下降的问题,可以从整体上提升编码器的性能,接近理想的全搜索法的结果;与其它直接利用GA进行全局优化的方法相比,MMS利用DS配合GA实现加速收敛.此外,通过引入多模式处理的概念,在保证搜索精度的同时,充分发挥了次优解算法的效率,整体编码速度与DS等快速算法的结果十分接近.这一方法为有效地解决运动估计中的矛盾问题提供了一个新的处理框架.实验结果验证了算法的性能.     

搜索雷达阵面规模研究

本文针对搜索雷达阵面规模传统设计方法导致的过设计问题,通过局部到全域的理论分析,提出了一种快速、准确的最小规模计算方法。首先系统阐述了影响平面相控阵体制的搜索雷达天线阵面规模因素,理论推导了多边界约束条件下相控阵阵面收发通道数的通用解析表达式,结合雷达典型应用场景,通过计算给出了高度、俯仰角、方位角和探测距离等约束参数下的最小阵面规模。该方法对于相控阵体制搜索雷达的系统规模、作战使用方式和成本评估等论证和设计工作具有指导意义。     

SQP方法在航空发动机加速寻优控制中的应用

介绍了利用线性加权和法构造评价函数和序列二次规划法(SQP)解多目标最优化问题的算法,解决了某型发动机的加速过程性能寻优控制问题.仿真计算表明通过性能寻优控制可以使发动机具有良好的加速性.应用序列二次规划法进行加速寻优控制,具有良好的沿约束边界搜索的能力,可以充分发掘发动机的性能潜力.序列二次规划法适合用于发动机的加速性能寻优控制.     

基于稀疏自编码的无监督哈希算法

最近邻搜索在大规模图像检索中变得越来越重要。在最近邻搜索中,许多哈希方法因为快速查询和低内存被提出。然而,现有方法在哈希函数构造过程中对数据稀疏结构研究的不足,本文提出了一种无监督的稀疏自编码的图像哈希方法。基于稀疏自编码的图像哈希方法将稀疏构造过程引入哈希函数的学习过程中,即通过利用稀疏自编码器的KL距离对哈希码进行稀疏约束以增强局部保持映射过程中的判别性,同时利用L2范数来哈希编码的量化误差。实验中用两个公共图像检索数据集CIFAR-10和YouTube Faces验证了本文算法相比其他无监督哈希算法的优越性。     

一种基于扩展加减覆盖集的隐写方法

G-LSB-M隐写方法是一种±1隐写嵌入方法,通过减少嵌入时的修改次数提高隐写的嵌入效率.该方法嵌入时所用的加减覆盖集只能通过穷举搜索构造,当嵌入消息分段长度n较大时,穷举搜索的计算代价过高导致无法实现.为了解决这一问题,本文提出了基于扩展加减覆盖集的隐写方法,通过从基础加减覆盖集中去除若干非必需的元素,能够以较小的计算代价构造出扩展加减覆盖集,避免了G-LSB-M方法中的穷举搜索困难,使得使用更长的信息分段进行嵌入成为可能.该方法降低了隐写时的平均修改次数,提高了嵌入效率和隐写的隐蔽性.     

基于车辆环境态势感知的毫米波波束跟踪

针对以往车联网动态环境下采用的波束搜索方法无法解决毫米波窄波束实时匹配这一问题,本文结合射线追踪法,提出采用一种基于车辆环境态势感知的波束搜索方法,以提高波束搜索效率.该方法首先通过射线追踪法计算得到最优波束对指数,并对当前场景进行编码,形成特征向量,建立数据库;而后采用机器学习对测试车辆场景进行训练,产生适用于实际情...     

大孔径超稀疏阵列综合算法研究与应用

超稀疏阵列大孔径场景下最优布阵求解问题是在满足特定副瓣电平要求下,通过对布阵位置和阵元权值的优化获得最稀疏解。该问题属于NP-HARD问题,求解时存在搜索空间大、搜索时间长以及难以求得全局最优解等问题。为了解决上述问题,本文基于交替寻优的思想提出了一种针对大孔径场景下超稀疏阵列方向图综合的快速算法。该算法通过对求解空间进行划分后交替优化快速得出一个初始解,在初始解基础上构建相邻域形成新的求解空间,通过二次搜索寻优得到最优解。本算法通过对初始解空间进行划分和相邻域的构建,可大幅缩短每次优化的时间。本文通过对超稀疏线阵若干场景进行了仿真验证,仿真结果证明了该算法的有效性。     

一种适用于嵌入式平台的Siamese网络匹配算法

在以航天为代表的嵌入式领域,使用传统的模板匹配方法进行目标定位搜索,往往会因为场景复杂,目标物有形变或角度变换而导致匹配的准确率大幅降低.而使用CNN网络直接进行目标检测的算法因网络规模和运算量巨大而难以移植到嵌入式平台上.本文提出一种Siamese网络匹配算法,一方面利用CNN网络的特征提取能力,提高了在复杂场景下的匹配准确性,另一方面利用Siamese的对称性,使用子图对匹配过程进行监督,大大缩减了网络规模,使算法可以移植至嵌入式平台,具有很强的实用性.     

双维度交叉特征点协同匹配的点云拼接算法

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法.首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间.其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角...     

基因信息处理中的量子搜索特性

DNA复制和蛋白质合成过程中的核苷酸基配对过程可以看成是无序数据项的搜索问题.量子搜索与经典搜索相比,具有平方根数量级的加速.本文通过符合Grover量子搜索算法的经典谐振子系统和量子隧道效应建立了核甘酸基配对和氢键形成的模型,并从维持量子相干性的角度探讨了DNA聚合酶的催化作用,从信息学的角度论证了生物信息处理的优化.     

虚拟化技术在嵌入式系统中的应用

基于嵌入式系统对虚拟化环境的特殊要求,探讨如何设计虚拟机(VM)。针对工业实时控制,介绍了与第三方产品结合,把Intel虚拟化技术的好处拓展到应用中去。用虚拟化整合系统可以保证一定的实时性能;无需硬件冗余;进行软件移植而不简化应用。通过软件环境并行,虚拟化也允许原有的应用与新应用并存。它为多线程的应用在多核处理器上运行提供了途径。     

PCB外观检查机形态学运算多核并行加速的实现

为了解决PCB外观检查机中存在的速度问题,对其中用到的形态学运算采用多核并行的方式进行加速。给出了腐蚀运算的普通算法和一种优化算法的多核并行实现过程。实验表明,无论是形态学运算的普通串行算法还是优化算法,通过多核并行处理的方式都可使其运算速度大幅提高。当运算规模较大时,并行加速比可趋近参于运算的处理器数量。     

基于并行算法的快速人脸识别系统设计与实现

为了提高人脸识别实时处理速度,并充分利用当前多核处理器资源,文章实现了一种在Python环境下基于并行算法的快速人脸识别系统。人脸特征与数据库的储存实时交互,利用各子程序安全通信实现同步处理,并行处理实时人脸检测和人脸特征编码提取,同时进行最相似人脸匹配。实验结果表明,程序并行后有着速度快、准确度高、实时性强等优点。为大数据人脸识别处理提供了方法,也有利于实际的使用。     

基于多核DSP架构的机械相控阵任务调度

相控阵雷达的任务调度是影响相控阵雷达整体效能的关键因素,应根据雷达搜索和跟踪模式的不同需求,需要对计算资源进行有效调度。对于机械旋转相控阵雷达而言,其额外增加的机械约束特征决定了调度过程本身也需要大量计算资源。基于多核DSP并行结构对旋转相控阵雷达任务规划进行了不同资源的优化。模拟运行数据表明,基于多核DSP调度的架构可在有效实现基于预估计的任务调度过程,提高系统层面雷达任务管理的调度效率。     

基于多核处理器的任务记录数据并行压缩算法

数据记录与回放是任务电子系统的重要部件之一。在任务执行过程中,数据记录与回放对实时数据进行记录存储,供事后回放分析。随着传感器性能的逐步提升,记录的数据量也随之增长。为减少记录数据的存储大小,采用zlib函式库对数据进行实时压缩,为缓解压缩所带来的数据记录速率慢的性能瓶颈,提出了一种基于多核处理器的并行压缩算法,该算法充分利用多核处理器的计算能力实现多线程并行压缩。通过实验表明,该算法取得了加速性能与压缩性能的大幅提升。     

LTE系统中的可配置多核并行FFT算法

在LTE系统中,上行链路采用单载波频分多址技术(SC-FDMA),下行链路采用正交频分多址技术(OFDMA),在这两种技术的实现过程中,快速傅里叶变换(FFT)都有着重要的应用。为了提高FFT算法的计算效率,进而提升LTE系统的性能,本文提出了一种基于多核并行处理的点数可配置FFT算法,然后基于硬件实现平台的特点利用OpenMP并行编程语句在PC上对算法进行仿真,最后在FPGA上使用可配置软核MicroBlaze和逻辑资源实现了以上设计。仿真和实现结果表明,在多核环境下计算效率提升显著,尤其在大点数情况下,这对提升整个LTE系统的性能而言是非常有意义的。     

Adaptive slice-level parallelism for H.264/AVC encoding using pre macroblock mode selection

In order to achieve high computational performance and low power consumption, many modern microprocessors are equipped with special multimedia instructions and multi-core processing capabilities. The number of cores on a single chip increases double every three years. Therefore, besides complexity reduction by smart algorithms such as fast macroblock mode selection, an effective algorithm for parallelizing H.264/AVC is also very crucial in implementing a real-time encoder on a multi-core system. This algorithm serves to uniformly distribute workloads for H.264/AVC encoding over several slower and simpler processor cores on a single chip. In this paper, we propose a new adaptive slice-size selection technique for efficient slice-level parallelism of H.264/AVC encoding on a multi-core processor using fast macroblock mode selection as a pre-processing step. For this we propose an estimation method for the computational complexity of each macroblock using pre macroblock mode selection. Simulation results, with a number of test video sequences, show that, without any noticeable degradation, the proposed fast macroblock mode selection reduces the total encoding time by about 57.30%. The proposed adaptive slice-level parallelism has good parallel performance compared to conventional fixed slice-size parallelism. The proposed method can be applied to many multi-core systems for real-time H.264 video encoding.     

一种无人机航拍影像快速特征提取与匹配算法

无人机影像具有非常高的分辨率,边缘和纹理信息更加丰富,基于经典SURF特征的影像拼接算法在处理无人机影像时面临着新的挑战。为提高无人机航拍影像拼接效率,该文提出一种快速特征提取与匹配算法。在特征提取环节,提出采用局部差分二进制算法描述特征,在不降低特征区分性的同时,较SURF描述子而言降低了特征维度。在特征匹配环节,提出采用局部敏感哈希搜索算法代替kd树搜索算法,提高了最近邻特征匹配效率。实验结果表明,与基于SURF描述子和kd树搜索算法的最近邻匹配拼接算法相比,该文算法特征匹配效率有明显提升,匹配精度也有所改善,更适合应用于基于特征的无人机航拍影像快速制图。     

面向多核处理器的低级并行程序验证

随着多核处理器的广泛使用以及人们对软件可靠性提出更高要求,多核并行程序验证的重要性日益凸显.本文提出了一个完整的基于多核的并行程序验证框架,该验证框架包括抽象机器定义、目标代码的形式规范、逻辑推理系统、可靠性定理及其证明.我们的目标程序使用自旋锁机制来实现线程间对共享内存的互斥访问.验证框架采用Hoare风格的推导方式,使用高阶逻辑来同时描述机器指令的操作语义和所需要的安全策略.在该框架下,程序员可以对多核并行程序的部分正确性进行验证.     

Parallel Computation of Adaptive Filtering Algorithms on Multi-Core Systems

The performance of recent CPUs has been rapidly increasing with the help of parallel architectural supports, such as SIMD (Single Instruction Multiple Data) extensions and multi-core architecture. However, efficient use of such parallel supports for adaptive filtering is difficult due to feedback loops that induce the data dependency problem. In this paper, efficient parallel computation of adaptive filters is studied for multi-core architecture with SIMD arithmetic support. Control- and data-level parallel computation methods are considered, where the former finds parallelism in the evaluation of one output sample, while the latter processes multiple output samples at a time to increase the degree of parallelism. The control-level parallel approach frequently utilizes the pipelining technique to uncover the parallelism, whereas the data-level approach employs a parallel computation method for linear recurrence equations to resolve the dependency. Not only adaptive transversal LMS (Least Mean Square) but also gradient adaptive lattice (GAL) and QR-decomposition based least-square lattice (QRD-LSL) filters are implemented on a PC that employs both SIMD and multi-core architecture.