基于ARM架构的中值滤波算法优化

中值滤波是图像处理中降低椒盐噪声的一种有效手段,其核心是计算当前滤波窗口内所有像素的中值。中值滤波具有稳定性,当一幅图像的像素点被改变时,即使改变的值很大,也不会影响中值滤波的计算结果。滤波窗口遍历整幅图像后,就完成了整幅图像的中值滤波计算。中值滤波算法的关键是定义最优中值算法,以在最短的时间内获取中值。对此,提出并实现了自适应中值算法,能够根据滤波窗口半径和数据类型,自动选择性能最佳的中值算法,并使用ARM NEON指令集进行优化加速。实验结果表明,提出的自适应中值滤波算法较OpenCV的中值滤波算法性能有显著提升,平均性能提升了20%。     

泡沫金属对流换热性能研究

研究了PMF法形成的泡沫金属,在自然对流和强迫对流两种状态下其孔隙结构(孔径、孔隙率、通孔度)及试样厚度对其换热性能的影响,并对实验结果作了讨论。     

LX-92树脂对硫酸体系低浓度镓离子的动态吸附

研究了粉煤灰模拟硫酸浸出液中的镓在聚苯乙烯树脂(LX-92)上吸附分离的可能性,采用固定床吸附装置考察了树脂动态吸附-脱附镓的行为,利用Thomas,Yoon-Nelson和Adam-Bohart经验模型对动态吸附过程进行了分析和预测.结果表明,降低流速(F)、增加床层高度(Z)、减小镓(Ⅲ)初始浓度(C0)有助于提高...     

电力用户侧能源优化碳普惠体系设计及应用

碳普惠是一种引导广大公众践行节能减碳行为的新型激励机制。针对电力客户能源优化节碳潜力大但缺少常态化激励的问题,以碳普惠底层运行逻辑为指导开展电能用户能源优化碳普惠体系设计。首先面向碳减排方法学开发,从电力用户能源优化的减排机理分析出发,梳理了4类10种低碳行为,接着设计了政府监管下电网企业主导且多方参与下的碳普惠机制,并进行碳普惠服务平台技术架构设计;然后针对电动汽车能源替代场景构建了碳减排和碳积分计算模型;最后以江苏电动汽车碳普惠实践为例进行碳普惠应用效果分析,碳普惠实施后充电量增长2 123 kW·h,合计减碳量37 068 kg,站均碳积分激励系数为7.36%。算例表明碳普惠体系设计合理且对电动汽车移峰填谷起到较好的激励效果。     

L-乳酸菌的选育及在酒糟基质中的培养

从市售酸乳、泡菜中筛选得到产L-乳酸细菌,通过NTG诱变选育和摇瓶发酵试验,选出两株利用葡萄糖较好的菌株m-58和m-16,以玉米浓醪酒糟清液为基质对2株乳酸细菌进一步驯化培养,得出m-58菌株,更能较好地发酵玉米酒：糟清液,产生乳酸,m-58菌株在48h发酵含糖63gm的玉米浓醪酒糟清液产生50gm的L-乳酸,m-58菌株适合用于发酵玉米酒糟产乳酸。     

通过对等网收发E-mail

WindowsExchange能使用户通过 MicrosoftMail邮局的邮箱账号发送和接收电子邮件、传真和文件。 MicrosoftMail邮局为网管提供了一个中央位置,以创建并维护工作组邮局。网管可以为每个在工作组邮局的用户建立一个账号。只要拥有一个账号 ,对等网上所有用户之间就可以相互发送或接收电子邮件。 工作组邮局的安装 　　执行 WMS.EXE 　　在 Windows98光盘的“ Tools\DldWin95\Message\”目录下找到 WMS.EXE文件。这个文件是用来安装 WindowsExchange和 MicrosoftMail邮局的。安装的过程很简单, WMS.EXE文件会在桌面上自动添加收…     

异构平台数学库MAGMA性能测试与分析

MAGMA是第一个面向下一代体系架构（多核CPU和GPU）开源的线性代数软件包,它采用了诸多针对异构平台的优化方法,包括混合同步、通信避免和动态任务调度.它在功能、数据存储、接口上与LAPACK相似,可以发挥GPU的巨大计算能力进行数值计算.对MAGMA进行了测试分析.首先对矩阵分解算法进行分析;然后通过测试结果,分析MAGMA有效的优化和并行方法,为MAGMA使用、优化提供有益的建议;最后提出了一种对于矩阵分块算法的自适应调优的方法,经过测试,对于方阵的SGEQRF函数加速比达到1.09,对于高瘦矩阵的CGEQRF函数加速比达到1.8.     

基于延迟隐藏因子的GPU 计算模型

近年来在生物计算,科学计算等领域成功地应用了GPU 加速计算并获得了较高加速比.然而在GPU 上编程和调优过程非常繁琐,为此,研究人员提出了许多提高编程效率的编程模型和编译器,以及指导程序优化的计算模型,在一定程度上简化了GPU上的算法设计和优化,但是已有工作都存在一些不足.针对GPU低延迟高带宽的特性,提出了基于延迟隐藏因子的GPU 计算模型,模型提取算法隐藏延迟的能力,以指导算法优化.利用3 种矩阵乘算法进行实测与模型预测,实验结果表明,在简化模型的情况下,平均误差率为0.19.     

基于OpenCL的图像积分图算法优化研究

图像积分图算法在快速特征检测中有着广泛的应用,通过GPU对其进行性能加速有着重要的现实意义。然而由于GPU硬件架构的复杂性和不同硬件体系架构间的差异性,完成图像积分图算法在GPU上的优化,进而实现不同GPU平台间的性能移植是一件非常困难的工作。在分析不同CPU平台底层硬件架构的基础上,从片外访存带宽利用率、计算资源利用率和数据本地化等多个角度考察了不同优化方法在不同GPU硬件平台上对性能的影响。并在此基础上实现了基于OpenCL的图像积分图算法。实验结果表明,优化后的算法在AMD和NVIDIA CPU上分别取得了11.26和12.38倍的性能加速,优化后的GPU kernel比NVIDIA NPP库中的相应函数也分别取得了55.01%和65.17%的性能提升。验证了提出的优化方法的有效性和性能可移植性。