基于变量相关性分解方法的稀疏线性方程组并行求解算法

稀疏线性方程组的求解是许多大规模科学计算任务的核心环节。目前,并行算法的发展为稀疏线性方程组的求解提供了新的思路和强有力的工具。然而,现有的并行算法存在一些缺陷,如最优子矩阵的划分难以获得、并行任务间的同步开销较大等。针对上述问题,该文提出一种基于变量相关性分解方法的稀疏线性方程组并行求解算法。该算法首先对系数矩阵进行不完全LU分解,得到上三角和下三角方程组,然后在这2个方程组求解过程中利用y与x的关系分解变量的相关性,同时并行计算变量的独立部分值,最后将所有的独立部分值相加得到变量的最终值。由于算法中变量的求解无需等待其所有前继变量计算完成即可进行部分值计算,因此有效减少了算法的执行时间,进而提高了算法的求解速度及并行度。实验结果表明:与调用cusparse库函数实现的并行求解方法相比,该文提出的算法能将稀疏线性方程组的求解速度提升了50%以上。     

结合分类方法的并行分形图像编码算法研究

针对分形图像编码计算密集的特点,建立编码步骤的串行-并行转化机制,利用计算统一设备架构CUDA的单指令、多线程执行特性,建立分形编码在图像处理器GPU上的并行计算模型,将耗时量较大的搜索最佳匹配块的串行执行过程并行化处理,并在此基础上结合方差法对值域块进行分类以减少搜索次数.实验结果表明,该文算法与原始算法相比可达到1 200多倍的加速并保持较好的解码图像质量,满足了实时编码的要求.     

拟极小残差法在GPU上的优化研究

随着GPU在高性能计算领域更多地用于科学计算,采用GPU技术对大型稀疏线性方程组进行计算,从而满足人们对计算速度和计算精度要求的提高。NVIDIA Fermi架构的开发,大大提升了GPU的双精度浮点运算能力。拟极小残差法(QMR)作为高性能计算领域中的重要迭代算法,基于求解稀疏代数方程组对ELL算法进行GPU优化。通过对不同规模线性方程组计算分析表明,QMR-GPU的性能提升为原始QMR的3.5倍,与传统的BICG法相比,QMR并行算法具有速度和存储优势,可获得良好的并行加速比。     

三维红外天空背景的建模与仿真

本文研究的是三维红外天空背景的建模与仿真。根据天空长波辐射的角度分布模型和红外动态天空场景的生成方法,将辐射度与天顶角的映射函数关系得出来,再通过编程将这组对应关系储存为DDS纹理。然后通过3dmax建模工具建立一个天空穹的半球模型,通过GPU（图形处理器）的并行处理对这个红外生成的纹理进行采样,从而模拟出以天空为背景的红外辐射效应。在此只研究将晴朗天空的数据化得到的灰度图进行灰度拉伸,最后通过OGRE（面向对象的图形控渲染引擎）渲染,实现三维天空背景的红外仿真,并根据经验常数的不同实现不同条件下的结果。     

四阶抛物方程的一个并行有限差分格式

针对一维四阶抛物方程给出了一类并行差分格式. 利用非对称差分格式, 通过格式组合, 将空间区域分裂成若干子区域, 然后使每个子区域独立求解, 且各子区域上的计算可以并行. 分析表明, 通过格式在不同时间层的交替, 如分组显式(GE)方法、 交替分组显式(AGE)方法、 交替分段显-隐(ASE-I)方法, 后两种方法是绝对稳定的, 而且数值试验表明计算精度较好.     

高灰度级高分辨率激光散斑血流实时成像研究

激光散斑对比成像是一种大测量范围、实时、高分辨率的光学成像方法.现有研究表明，低灰度级(8位)低分辨率(752像素×480像素)照相机可以有效监测血液等散射介质流动，但散粒噪声大、有效成像区域小等缺点难以通过软件弥补，严重影响成像质量.使用高灰度级(16位)高分辨率(2 048像素×2 048像素)照相机监测血液流动会减慢单帧成像速度，并行计算能使图像处理时间减少1/3.研究借助动物血液流动实验，以成像速度与成像质量为评价标准，对比分析高灰度级高分辨率空间激光散斑对比成像与空间近似激光散斑对比成像(sLSCIa)、时间激光散斑对比成像(tLSCI)的结果.结果表明，高灰度级高分辨率空间激光散斑对比成像并行计算兼顾成像质量与成像速度，可以达到临床实时监测血液流动要求.     

群队级兵棋实体智能行为决策方法研究

计算机兵棋能够对敌对双方或多方的军事行动进行模拟, 为军事智能决策的研究提供贴近真实战争的决策背景和试验环境。随着被控制棋子类型和数量增加, 这些作战实体的行为决策控制将面临巨大的挑战。本文提出了知识与数据互补的兵棋行为决策算法, 针对较多作战实体(50个左右)的群队级兵棋, 提出了按实体类型分组决策、作战目标指引、位置评估指标并行计算等方法, 设计了群队级兵棋人工智能(artificial intelligence, AI)技术框架, 并实现了一个群队级兵棋AI。该兵棋AI将知识、数据和学习融为一体, 具有设计简单、迁移能力强、决策灵活等优点。     

基于Atrous-HIS变换的多光谱遥感影像多核并行融合方法

为适应遥感影像高效融合的应用需求，提出了一种基于Atrous-HIS变换的多光谱与全色影像并行融合方法.首先设计了一种结合了Atrous和HIS变换的遥感影像串行融合算法，分析了它的详细处理步骤.随后在该算法中引入OpenMP并行技术，并且制定了并行策略，优化了处理流程，最终实现了一种高效的并行影像融合算法.实验结果表明，该方法可以实现多光谱与全色影像的快速融合，具有良好的加速比，可扩展性好，并行效率高.