机器人并行实时采集系统的设计与实现

针对具有被动关节的机器人系统,采用并行处理技术,设计实现了高速实时数据采集系统,该系统可以完成机器人系统的数据采集、数据处理、数据存储、图形显示和交互式控制等功能.实验结果证明本采集系统满足了机器人实时控制的需要,有利于机器人完成高精度操作任务.     

基于多DSP的自适应数字多波束形成的并行算法及其实现

在深入研究自适应DBF（数字波束形成）算法的基础上,针对由TigerSHARC201处理器构成的多DSP并行处理系统,提出了一种基于自适应数字多波束形成的并行处理算法。笔者给出了该算法在多DSP并行处理系统上的算法映射,基于此映射方案,比较了SMI、HTP和MTP三种典型DBF算法,并对MTP算法进行了改进。系统试验证明了该并行处理算法具有很好的并行性及实时性,且改进的MTP算法的性能较传统MTP算法有显著提高。     

基于上下文敏感分析的数据竞争检测方法

为了提高数据竞争检测过程的准确性,提出了一种基于上下文敏感分析的数据竞争检测方法。使用控制流分析构建上下文敏感的调用图,采用逃逸分析查找出可能发生数据竞争的线程逃逸对象,进行上下文敏感的别名分析以减少误报和漏报,通过发生序关系判断消除由于忽略线程交互而导致的误报。依据该方法,在WALA软件分析框架实现了一个数据竞争检测工具ConRacer,并将该工具与现有的检测工具SRD和RVPredict进行了比较。结果表明,与SRD和RVPredict相比,ConRacer的检测准确度最高,不仅可以有效地检测数据竞争,而且可以降低检测过程中的误报和漏报。通过结合上下文敏感分析技术与传统的静态检测技术,ConRacer提高了检测过程的准确性,对发现并发错误和优化软件性能有一定的参考价值。     

微小型自适应光学波前信号处理系统设计

针对微小型自适应光学系统中波前信号处理机处理数据量大,处理速度快的特点,设计了以两片DSP为核心处理器,以CPLD完成时序控制功能的波前信号处理机．讨论了该信号处理机的原理、特点和实现．结果表明,通过周密的逻辑设计,该处理机能保持高速的并行处理．能够保证自适应光学系统的带宽和稳定性要求．     

基于2D-Mesh的并行处理拓扑结构设计及性能分析

为克服遥感图像预处理计算量巨大,实时处理困难的问题,快速有效地完成图像预处理,以遥感图像预处理中的几何校正为例,集中讨论了基于2D-Mesh的网络拓扑结构对几何校正过程中数据重分布的影响,设计了基于2D-Mesh的并行处理拓扑结构,实现对遥感图像的预处理。该设计改善了遥感图像的并行处理体系结构,很好地提高了预处理系统的性能.     

一种高效并行处理结构的H.264去块滤波器

针对H.264视频编码标准中的去块滤波部分提出了一种基于时间的高效并行处理方法。为了降低对存储器的要求,同时提高中间数据的复用效率,采用了一种改进的滤波顺序,使得对外部存储器的读/写操作可以与滤波操作并行执行。另外,由于外部数据的预先载入技术,有效地降低了外部存储器的结构复杂度。与过往技术相比,这种单数据口外部存储结构的去块滤波器单宏块滤波处理周期总数减少了9.6%～74.4%,有效地提高了处理能力。     

土体固结分析的异步并行计算

通过解耦固结问题控制方程,使孔隙水压力固体骨架位移可以分别独立求解,再利用其时间积分的特点,构造出一个异步并行算法,并行程序在国家高性能计算中心（北京）的曙光１０００Ａ上借助ＰＶＭ（ｐａｒａｌｌｅｌ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ）软件系统实现的。考题结果显示出此方法具有较高的计算精度、并行加速比和效率。     

高速信号处理系统及其在弱信号检测中的应用

依据水下信号处理任务的特点,结合流水线处理和并行处理,采用模块化设计方法,实现了一个由 １片 ８０８６ 微处理器和 １ 片高速数字信号处理器 Ｔ Ｍ Ｓ３２０ Ｃ２５ 构成的高速信号处理系统。该系统的峰值运算能力为２６ 亿次以上的整数操作。该系统能够实时实现信号的空间处理和时间处理等,并在水下弱信号检测中得到应用,取得了良好的结果。     

基于分类面拼接的快速模块化支持向量机研究

针对大多数现有的机器学习算法处理大规模问题时需要的训练时间很长和存储空间很大的难点,提出了基于分类面拼接的快速模块化支持向量机算法(psfm-SVMs).在训练阶段,psfm-SVMs采用一簇平行超平面对大规模问题实施软划分,然后针对每个子问题并行训练支持向量机.在测试阶段,测试样本坐落于哪个子问题所在空间中,就由该子问题训练的支持向量机给出判别结果.在4个大规模问题上的实验表明:与采取硬划分的快速模块化支持向量机(fm-SVMs)相比,软划分能够使psfm-SVMs得到更加光滑的分类面,因而psfm-SVMs的泛化能力较高.在不增加训练时间的条件下,psfm-SVMs减少了由于训练集分割导致的分类器泛化能力下降.     

基于曙光1000A的并行SVD图像滤波方法

提出了一种分块ＳＶＤ图像滤波算法,与现有的ＳＶＤ滤波方法相比,它有效地降低了存储开销,计算复杂度也由原来的Ｏ（ｎ３）降为Ｏ（ｎ２）;同时这种分块ＳＶＤ滤波方法具有很好的并行性,在曙光１０００Ａ上设计了并行处理算法,实验和分析都表明,其加速比接近处理机个数ｐ．