并行处理技术

介绍了90年代巨型机微型化的新技术——并行处理技术中的并行处理器的硬件配置的基本方法;以及由此而出现的并行存贮技术和支持并行处理的并行算法的要点。     

并行计算与并行处理技术的应用研究

讨论了并行计算产生的背景、并行计算模型、并行计算机的概念、并行处理计算机的结构,论述了流行的并行处理技术和并行软件,讨论了并行计算存在的问题.认为并行算法充分利用了CPU的并行处理能力,具有实时处理能力和计算能力上的优势.     

一种FFT并行处理机的设计与实现

专用指令集处理器具有数字信号处理器的可编程性和专用处理电路的高速性,以专用指令集处理器为核心构成的阵列式并行处理系统在高速实时处理方面有着非常重要的应用．为此,提出了一种基于专用指令集处理器的快速傅里叶变换并行处理机实现方法．设计了基于精简指令集处理器体系结构的可编程处理单元,以其为核心构成并行处理系统,采用通信矩阵解决了并行系统内各个处理单元间的数据交换问题,实现了1024点快速傅里叶变换的并行处理．实验结果表明,在快速傅里叶变换处理方面,其处理速度比典型数字信号处理器提高30％,且具有系统并行规模大、功能灵活可变、设计复杂程度适当、设计重复利用性好的优点,非常适合在现场可编程逻辑门阵列中以SoC的形式实现．     

已知信号的模糊神经网络识别的硬件实现研究

为了提高模糊神经网络识别已知信号的速度，本文提出了采用多片TMS420C40构成的进行处理系统实现该方法的具体方案，在分析算法结构的基础上，经了由5片C40构成的并行处理系统实现并行算法的原理和方法，该并行处理系统充分利用C40的结构特点，采用星型结构，使处理系统的处理速度更快，从而提高了模糊神经网络方法的识别速度，试验仿真结果表明，该系统的加速比和效率合理，并行性能良好。     

并行卡尔曼滤波器算法初探

本文介绍了一般递推问题的基本概念及其一阶线性递推方程的并行算法,在此基础上提出了实现并行卡尔曼滤波器的设计思想,论述了并行递推算法在测量更新方程并行处理当中的应用,并给出了相应的专用实现结构。     

MPPS多机并行处理系统及其在控制系统仿真中的应用

首先介绍了ＭＰＰＳ多机并行处理系统的硬件结构及并行原理，然后又简要介绍了此并行处理系统软件的结构和软件各部分的功能．最后通过对一个有五个典型环节串联的单位反馈非线性控制系统进行并行仿真运算，为此并行处理系统的应用实例。     

Robinson算子的并行计算

通过对图像边缘检测方法中Ｒｏｂｉｎｓｏｎ算子的研究，提出计算Ｒｏｂｉｎｓｏｎ算子检测图像边缘的快速算法和并行算法，在并行虚拟环境ＰＶＭ中实现了用Ｒｏｂｉｎｓｏｎ算子检测图像边缘的并行计算，为大规模图像处理的并行算法在ＰＶＭ环境中的实现进行了有益的探索．     

一种数据处理中间件系统语义缓存技术

高性能数据处理中间件系统是采用语义缓存技术实现的一个并行数据处理中间件．提出了采用语义缓存技术,充分利用用户查询的相关性,减少网络通讯开销,进而提高并行数据处理中间件系统响应能力的方法．论述了基于语义缓存的支持数据并行处理的中间件系统的体系结构和主要功能模块,提出了中间件系统中应用语义缓存技术的基本思想和工作原理,替换策略和一致性维护方法,实验结果表明该技术能够有效地改善系统性能,提高系统响应能力．该系统目前在国家大型工程中得到实际应用．     

飞机载荷谱实测数据并行统计处理算法

针对飞机载荷谱数以万亿计的实测数据,为了提高统计处理运行效率,提出了飞机载荷谱实测数据处理的并行算法。本文对载荷谱实测数据处理模型进行了多级并行化分析,在此基础上论述了粗粒度、中粒度、细粒度级并行处理方式,建立了两种并行处理算法——基于机型数据流的粗粒度与中粒度并行数据处理算法和基于某起落数据流的中粒度与细粒度并行数据处理算法。在小规模对称多处理器(Symmetrical multi-processors,SMP)集群运算平台下进行比较测试表明,可大幅地提高载荷谱数据处理运行效率,在8核运算环境下,最高能获得5.82的加速比,为飞机载荷谱实测数据处理研究领域进行大规模科学计算和提高数据处理效率提供了新的技术途径。     

地球物理数据处理与并行计算

地球物理勘察的新技术、新方法对计算机的速度和内存提出了严峻的挑战．数据处理量的快速增加，使当今单计算机已难以满足其计算需求，采用并行计算技术来提高处理速度成为良好的解决方案．讨论和分析了并行计算在地球物理数据处理中的研究现状和进展：在地震方法中，各种并行处理方法已经取得较多研究成果，并在大型并行计算机上广泛应用；非地震方法中，主要基于COW机群的一些并行方法也进行了试验并得到初步应用．     

一种用于实时图像处理的众核结构设计

基于数据流模型和硬件可重构技术,提出了一种面向图像处理应用的可重构的多模式众核处理器结构.处理器采用了可扩展的层次化阵列结构,分布式共享存储和带硬件握手的近邻互连,可以分区并发实现多种并行模式,并克服了传统处理器实现数据流计算的低效性;基于VC++开发了集成仿真平台,用于对结构性能和指令性能的仿真验证,并在现场可编程门阵列上实现了包含64个处理单元的所提结构.仿真结果表明,所提结构实现了超过图形处理单元的性能以及接近专用集成电路的数据吞吐量.     

平行算子及其在图像平行结构检测中的应用

平行直线以及具有平行结构的多边形在图像中的体现非常丰富,以往的研究一般通过直线斜率相等判断两直线平行,对具有平行结构的多边形的检测需要预先给定信息或者适用范围狭窄,针对一般平行结构检测的研究一直较少。作者在充分研究平行结构特性的基础上,基于距离信息提出了平行算子的概念,实现了图像中平行结构的检测。首先,利用点线距离及点间距离的关系给出平行算子的定义;然后,获取图像中的有效像素,并基于平行算子得到所有平行点组;随后,根据方向信息合并平行点组,利用Hough变换实现图像中平行线的检测;最后,验证直线交点之间线段的存在性,根据存在线段的端点位置实现多边形检测。实验结果表明：本文定义的平行算子能够很好地检测到实际图像中的平行点组,在平行精度要求不高的条件下可以抵抗较大的噪声;基于平行算子的图像平行结构检测算法可以准确检测出图像中的平行直线及具有平行结构的多边形。本文提出的算法可准确检测出图像中的平行结构,具有普遍性。     

CUDA架构下的快速Wallis影像增强算法

针对图像增强通常需要较大的计算量、用传统方法难于进行实时处理的问题,提出了一种基于图形处理器加速的Wallis变换影像增强方法.借助于图形处理器较强的运算能力,利用CUDA并行计算架构在PC机上实现了快速Wallis图像滤波算法,包括图形处理器（GPU）上任务分解、大规模计算核心的分解方法,结合使用共享存储器、全局存储器对算法进行加速,使用线程块内的共享存储器较好地解决了同一计算子空间的各线程同步问题.对比了CPU和GPU计算Wallis影像变换的时间,结果表明,随着图像分辨率的增大,Wallis并行算法可以把计算速度提高40倍.该方法具有较好的实时性,可大大提高图像增强过程的处理速度,显著地减少了计算时间.     

数字水印技术中的一类并行算法

讨论了数字水印技术的一类并行算法，即费尔马素数检测定理的并行化算法，同时将此类算法用于数字水印制作技术之中。     

基于多分辨分析的图像拼接并行算法

介绍了小波变换的概念和特性，并利用小波变换的多分辨分析给出了能同时兼顾光滑度和清晰度的图像拼接方法，在此基础上研究了图像拼接算法的并行化．实测结果证明了它的实用性．     

MATLAB与OpenACC结合实现中值滤波算法并行优化

针对当前基于CUDA的中值滤波并行加速算法存在的编程复杂,图像数据提取和显示环节实现繁琐等问题提出了利用MATLAB和OpenACC结合的并行算法。该算法采用MATLAB实现图像的提取并转换成数组文件,之后利用OpenACC实现串行代码到并行代码的转换并处理MATLAB转换的数组文件,最后通过MATLAB将滤波后的数据显示成图像。通过仿真实验进行中值滤波算法的加速实验,结果表明:提出的算法在大量减少代码转换工作量的情况下加速效果较串行程序提升明显,且与CUDA加速效果相当。     

多小波基的设计与地震图像并行融合实现

面向地震图像解释中的具体问题,开展图像融合算法研究,增强目标识别的准确性,提高对地震图像的解译能力.设计了一种具备对称性、短支撑性、二阶消失矩和正交性的高性能多小波基,提出了其并行融合算法实现.算法考虑了对配准误差的适应性问题,提高了图像空间频率.从实验结果来看,图像的整体和细节特征比单小波融合方法有较大的提高.通过将地震图像融合技术与并行程序设计相结合,在多核处理器下采用虚拟节点技术搭建多机并行图像融合平台.实验结果表明:针对多核系统的并行融合方法省去了并行处理的数据寻址时间,相比并行化前,算法执行时间随着节点数增加而减少,并且各并行操作更为规范、简洁,符合算法操作规则性强的实现特点.     

一种基于自适应迁移策略的并行遗传算法

分析了传统并行遗传算法的局限性,针对其迁移固定不变盲目性等缺点,提出了一种适合在当前多核计算机上运行的基于自适应迁移策略的并行遗传算法(AMPGA),该方法将遗传算法同当前个人计算机体系结构相结合,使新的并行遗传算法在主流计算机上并行执行,加快算法的收敛速度,充分挖掘出计算机的计算能力,很大程度地提高了传统并行遗传算法的计算性能。数据仿真实验表明,该算法与传统并行遗传算法相比,收敛速度快、求解精度高,并行效率也明显提升。     

基于Matlab机群的分布式并行图像匹配算法

分析了Matlab并行计算工具箱中各部件的关系,对分布式并行计算环境中的关键参数进行了设置,构建了并行计算机群。将基于Matlab机群的分布式并行处理引入到图像匹配中。以灰度相关匹配算法为例,结合并行处理对图像灰度匹配进行并行实现。实验结果表明：并行化处理能有效缩短匹配时间,对进一步研究并行图像处理有一定的指导意义。