一种新型多DSP并行计算结构及其应用

传统的雷达信号处理系统的设计方法是针对特定应用的，因此系统的通用性差，而具有超级计算机体系结构的通用高速实时雷达信号处理系统有望解决这一问题。该系统的关键部件为担负具体计算任务的处理结点。首先提出了一种新型的、由5片ADSP-2106x构成的多DSP并行计算结构。它具有运算能力强、I/O带宽大、通信手段多样、能灵活地改变拓扑结构、可扩展、通用性强等特点。并且以此并行计算结构为核心设计实现了通用高速实时雷达信号处理系统的处理结点。     

一个网络并行计算的性能预测模型

并行针对网络并行系统中的树状结构的计算提出了一个性能预测模型框架，在此框架的基础上，提出了一个针对分而治之并行程序高度范例的性能预测模型，并给出了应用实例。还讨论了如何使用这一模型评估性能以获得最佳计算规模。     

PC集群的建立与MPI并行环境的实现及其应用

通过网络集线器,采用以太网形式,建立了由多台微机(PC)组建的PC集群。采用TURBO-LINUX操作系统,使MPI并行环境在该PC机群上得以实现。利用了该系统实现了分子动力学程序的并行计算。     

基于C／S结构的Ada并行计算模型

在研究Ａｄａ９５并行计算语义的基础上，提出了一个基于Ｃ／Ｓ结构的Ａｄａ并行计算模型Ａｄａ－ＰＣＭ，讨论了在Ｃ／Ｓ 环境下实现Ａｄａ并行计算存在的问题和解决方法。该模型不驻是研究Ａｄａ并行计算环境的基础，同时可为其它分布并行计算问题提供借鉴。     

并行计算的一体化研究现状与发展趋势

在过去的20多年里, 中国科学技术大学的研究团队逐渐形成了并行计算“结构-算法-编程-应用”一体化的研究体系, 也就是所谓的并行计算研究的生态环境. 该文就并行计算的一体化研究现状进行简要的综述, 并结合多核系统、云计算、个人高性能计算机等对于并行计算一体化研究的影响, 概要的展望了其发展趋势.     

量子计算机原理

本以与经典计算机对照的方法，介绍量子图灵机、量子位、量子寄存器、量子逻辑门、量子并行计算和量子编码，从量子计算机的物理和工作原理阐明量子计算机的优越性。     

基于CUDA的大规模稀疏矩阵的PCG算法优化

为了实现大规模稀疏矩阵的高效求解,该文利用GPU(graphics processing unit)高带宽、低成本及强大的并行处理能力等优势,基于CUDA(compute unified device architecture)技术对采用CSR(compress spare row)格式存储的大规模稀疏矩阵进行了预处理共轭梯度(PCG)算法的求解优化。采用了存储器优化和数据流优化这2大并行优化策略,对稀疏矩阵与向量乘积和向量间内积与归约的GPU优化步骤进行了详细介绍。通过对实际的水工隧洞模型里的稀疏矩阵求解,得到在GTX580显卡上的计算效率是Intel i7CPU的13倍。该文提出的基于CUDA的PCG算法具备快速、高效求解大规模稀疏矩阵的能力。     

3D点云BSP并行计算模型及算法设计

根据3D点云数据处理计算特点,按照BSP模型的技术思想,建立了3D点云BSP并行计算模型。讨论了HAMA框架下的3D点云BSP并行计算模型的实现方法,构建了一个由普通PC组成的HAMA计算集群。以3D点模型构建计算为例,给出了一种3D点云数据处理BSP算法设计方法。实例的计算结果表明:BSP并行计算方法能高效地完成3D点模型构建计算,与其它计算方法相比,计算效率有所提高。     

基于GPU的数字信号处理中相关性计算的研究

现代信号处理和通信系统对信号的处理,正变得越来越复杂并且计算也越来越密集,如何提高这些领域中信号处理的运算速度和运算精度已经成为当今一个重要的研究方向,GPU由于其特殊的结构,使其非常适合用于加速数据运算仿真和图形图像分析.本文提出一种基于GPU的信号相关性并行计算的方法,通过实验验证得出基于GPU的数字信号相关性的并行处理方法明显优于基于CPU下的处理方法,实验结果最高加速比达到了14.5倍,现代GPU技术的发展给通信信号处理领域带来新的途径.     

大数据环境下并行计算模型的研究进展

在大数据时代,制约并行计算发展的掣肘正在发生改变,为分布式并行计算带来了前所未有的机遇和挑战.回顾了并行计算的发展和大数据环境下的新变化;结合硬件环境、计算模式、以及应用需求等对于并行计算模型研究的影响,综述了面向批处理、面向流处理、面向图数据以及面向内存等几类并行计算模型的相关研究;展望了其发展趋势.