基于开放计算语言的磁共振成像最小二乘算法并行加速

磁共振成像(Magnetic Resonance Imaging,简称MRI)技术已被广泛应用于现代医学的临床诊断上。MRI多采用最小二乘(Least Squares,简称LS)算法通过非笛卡尔扫描轨迹进行医学图像的重构。LS算法需要计算所谓的向量FHd和矩阵Q以重构图像。对于LS算法,计算向量FHd和矩阵Q占据了算法绝大部分工作量。本文基于开放计算语言(Open Computing Language,简称Open CL)编程框架,在中央处理器和图形处理器上对LS算法计算向量FHd实现并行化,且在使用内建函数、访存和分割循环等方面进行优化,得到近300倍的加速比。本文所提出的并行加速方案通过简单修改可用于计算矩阵Q。     

基于FPGA的高速浮点FFT/IFFT处理器设计与实现

设计一种基于FPGA的改进的并行FFT/IFFT蝶形运算结构.该结构采用按时间抽选的FFT基-2蝶形算法对IEEE单精度浮点数构成的复数进行8路并行处理.利用Xilinx ISE13.1软件完成FFT/IFFT处理器的设计,并在Virtex6硬件平台上进行验证.结果表明,利用这种8路并行结构设计的FFT/IFFT处理器可在合理利用硬件资源的同时提高运算速度及精度.     

大规模FFT并行计算中2维SRAM的设计

FFT速度的提高是数字信号处理领域中的核心问题,并行流水计算是实现大规模FFT高速计算的基本技术。在分析了基2时间抽取算法并行计算时输入数据的地址特性后,本文提出了2维SRAM的设计,它突破了并行计算N点FFT时普通SRAM地址非线性变化的瓶颈,达到 个蝶形单元并行流畅读写计算数据的目的,并使得数据地址数量变少,生成简单。本文对一个8×8字单元,每个字16比特的2维SRAM进行设计仿真,可以验证其功能正确。     

FFT算法研究

FFT算法是以DFT算法为基础的一种快速算法,其优势在于大大缩短DFT的运算时间,使数字信号处理更加便捷。基于此,本文在充分了解和掌握FFT算法的结构和特点的基础上,试图通过对FFT算法的设计,呈现一套基于现场可编程们列阵的完整实现方案。     

基于隐性群体双模分解的并行振荡抑制算法

现实的通信网络由多重网络组成,构成具有多维任务分配的复杂网络结构,在任务处理中会产生并行振荡,对复杂网络中的振荡抑制是提高复杂网络并行处理的重要因素。传统的并行振荡方法采用奇异值分解降维的特征匹配算法,在面对大规模复杂任务求解时产生大量的内存需求和时间损耗。提出一种基于隐性群体双模分解的并行振荡抑制算法,首先进行复杂网络多维业务并行处理模型设计,得到了复杂网络多维业务并行处理模型的指标参量体系,采用隐性群体并行特征匹配方法实现双模特征匹配并行处理。仿真实验表明,采用该算法进行复杂网络隐性群体的并行特征匹配,实现并行处理和串行处理,双模分解的时间成本及空间成本大幅降低,加速比提高2倍,有效抑制网络振荡。算法在进行复杂网络多任务并行处理中发包数量,时延和能量效率等方面具有优越性能。     

基于云计算架构的西藏生态数据聚类分析算法研究

文章通过分析传统的空间聚类算法以及新发展的聚类分析方法,最终选K-means算法进行研究。基于Hadoop平台,采用HDFS(分布式文件系统)存储数据,结合MapReduce编程模式,对K-means算法进行设计以及编程实现,最后实现了该算法在Hadoop平台上的并行化。通过实验,验证了K-means算法部署在Hadoop集群上并行化运行,在处理空间数据时,该算法有效地减少了时间复杂度,大大提高了实施效率和结果的准确性。     

GPS精频捕获算法的实现

为了提高GPS软件接收机信号捕获的载波频率分辨率,在基于FFT的快速并行码捕获算法中,利用输入信号在短时间内两个不同时刻的相位差来获取更高的频率分辨率。实验结果表明,该算法在不增加捕获时间的基础上确实提高了载波频率分辨率,捕获快速准确,为后续信号的跟踪环节提供了有利条件。     

基于Xilinx FPGA IP核的FFT算法的设计与实现

本文介绍了一种基于Xilinx IP核的FFT算法的设计与实现方法。在分析FFT算法模块图的基础上,以Xilinx Spartan-3ADSP系列FPGA为平台,通过调用FFT IP核,验证FFT算法在中低端FPGA中的可行性和可靠性。     

一种高阶平滑表面并行提取方法

针对高阶平滑表面算法计算复杂和数据量大的问题,提出一种加快高阶平滑表面算法速度的并行方法.首先对高阶平滑表面算法进行并行化,然后采用优化技术提高算法性能,同时采用矩阵压缩改善内存空间性能.实验表明,在双核处理器上平均加速比达到1.87.     

一种基于FPGA的高速FFT处理器实现

本文提出了在FPGA平台实现一个高速的4096点的FFT处理器的设计方案。该方案采用了基8算法和流水线结构,提高了FFT的运算速度,节省了FPGA内部的乘法器资源。结果表明,在FPGA时钟频率大于100MHz的条件下,完成了4096点FFT运算,满足了现有TD-LTE系统数据吞吐率的要求。     

一类线程池的有限元刚度矩阵的分解方法

在有限元的计算中,用刚度矩阵的方法来分解有限元问题的步骤,其耗时占整个计算时间的75％-95％,而笔者所利用的并行计算的分解算法利用线程池可产生重复利用的多线程,能够节省很多时间,可高效率地实现有限元刚度矩阵的并行分解,并且能够对其进行优化重组,最后将该算法应用于一维的刚度矩阵.结果表明,该算法效率高、原理简单清晰.     

一种改进的基于FFT的扩频码快速捕获方法

本文针对传统的频率-码相位二维串行搜索捕获方法计算量大、且捕获时间长的缺点提出基于FFT的频域并行捕获PN码算法。该并行算法对频率搜索方法进行了改进,并提出了一种消除数据调制的方法。理论分析和仿真结果表明该方法能实现低信噪比、高动态性条件下PN码的快速捕获。     

基于边缘逆理论的辨识系统并行查询扩展算法

多源数据辨识系统广泛应用在机载数据辨识控制、大型机械设备故障诊断和云存储系统数据库集成等领域。对多源数据的辨识系统并行查询和数据调度中,因数据的静态非线性测量过程影响了查询效益,需要对辨识系统并行查询链路进行扩展。提出一种基于振幅调节Fourier变换边缘逆理论的辨识系统并行查询扩展算法。进行多源数据辨识系统基本构造和模型设计,提取查询特征信息,采用RBF神经网络系统进行多源数据输入自适应学习,构建神经网络辨识系统的边缘逆向量,采用边缘逆理论进行振幅调节Fourier变换实现多源查询数据的状态重组,实现查询链路扩展设计改进。仿真结果表明,该算法提高了辨识系统的查询通道的链路相位,多源数据调度的时间成本及空间成本大幅降低,加速比提高,算法将在系统状态识别、机械故障智能诊断等领域具有较高的应用价值。     

基于C语言的GPS基带处理芯片参考模型设计

文章研究了基于C语言的GPS基带处理芯片验证环境的设计,对芯片验证理论进行了简要介绍,对传统时域滑动捕获算法和基于FFT的并行频域捕获算法进行了介绍,并对FFT的并行频域捕获算法的详细实现过程进行了描述。跟踪部分采用超前—滞后跟踪环对C/A码进行跟踪,采用科斯塔斯环对载波进行跟踪。使用MATLAB对设计进行了验证。     

数据分块并行优化的分布式AES加密算法

随着海量的数据被放入云计算系统当中,基于云计算的数据安全研究就有很大的意义,本文针对云计算网络的特点,提出了一种数据分块并行优化的分布式AES加密算法。该模型通过使用切片算法对大数据文件进行分割,得到能够独立执行AES加密算法的数据分片。在加密过程中,利用集群的并行特性,使用并行计算程序设计中的基于数据分块的并行设计与AES加密算法中的分组加密ECB模式相结合的办法对大数据文件进行加密。仿真实验结果表明,本文提出的改进算法提高了加密的效率,Map加速比在16核集群中达到接近于处理器核数的结果。     

一种改进的蚁群算法及其在TSP问题中的检验

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。     

基于GPU的Bor?vka最小生成树改进算法

为了提高Bor?vka最小生成树算法的效率,本文基于NVIDIA GPU提出一种并行Bor?vka算法,设计了适用于GPU通用并行计算架构的邻接表图存储方式,通过避免Bor?vka算法每次迭代后的破圈操作以及合并超节点后的数据重组操作,并将算法中具有并行特性的部分移植到GPU并行执行,从而提高了算法的效率。实验表明,相比于CPU版Bor?vka算法,该算法具有较为明显的加速效果。     

波动方程三维叠前深度偏移并行计算的负载平衡方案

运用集群式并行机结构的软硬件特点,进行波动方程三维叠前深度偏移,已成为加速其庞大计算的有效工具。而集群式并行机节点之间的负载平衡,则是制约并行计算算法加速比的关键问题。提出运用索引排序方法以实现节点计算任务静态分配负载平衡,运用堆排序算法以实现节点计算任务动态分配负载平衡。分别以炮集域、频率域数据分解策略为例,展示负载平衡的实现过程。测试结果表明,负载平衡并行算法具有良好的并行效率。     

一种基于MapReduce的并行PSO-BP神经网络算法

为了提高BP神经网络算法的分类准确率和运行时间效率,利用PSO算法和并行化设计的思想,提出了Hadoop平台下基于MapReduce的PSO优化BP神经网络的并行化设计及实现方法。利用PSO算法优化BP神经网络的初始权值和阈值,提高算法分类准确率;采用MapReduce并行编程模型实现算法的并行化处理,解决了BP神经网络在处理大规模样本数据集时存在的硬件开销和通信开销大的问题。选用SUN Database场景图像库构造了5个不同规模的数据集,通过与传统的串行PSO-BP神经网络算法实验对比,并行化的PSO-BP神经网络算法分类准确率达92%左右,系统效率在0.85左右,在处理大规模数据集时具有明显的优越性。     

面向GPU的图像局部模糊检测并行算法研究

为解决传统算法在高分辨率图像局部模糊检测方面处理速度较慢的问题，文章提出一种面向GPU的图像局部模糊检测的并行加速方案。利用GPU的强大计算能力加速局部模糊检测中均方差的计算、再模糊处理、均方差比较和清晰区域标记等过程。结果表明，基于GPU的图像局部模糊检测并行算法的性能与基于CPU的串行算法相比，可获得270倍的加速比，能够为大规模实时性图像处理系统的应用设计提供参考。