随着物联网与互联网融合的不断深化,感知层与应用层之间的互联互通要求不断提高。针对现有数据采集系统存在的规范性、扩展性和适应性不足的问题,文章提出一套基于对象连接与嵌入过程控制统一架构(object linking and embedding for pro...随着物联网与互联网融合的不断深化,感知层与应用层之间的互联互通要求不断提高。针对现有数据采集系统存在的规范性、扩展性和适应性不足的问题,文章提出一套基于对象连接与嵌入过程控制统一架构(object linking and embedding for process control unified architecture,OPC UA)协议的分布式数据采集处理系统架构。对数据采集处理系统各个模块进行功能解耦和架构重组,分别介绍该系统硬件和软件架构;针对发布订阅模式下负载的特异性,提出一种改进的适用于OPC UA分布式订阅的负载均衡算法;最后在某车企实例验证该系统架构。结果表明,基于OPC UA的分布式数据采集处理系统数据采集处理效果良好,证明了该系统架构的可行性及有效性。展开更多
调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)处理可以恢复光学影像在成像、传输和处理过程中损失的高频信息,使得影像边缘更为清晰、细节更为丰富,从而改善影像质量。然而,随着遥感对地观测技术的不断发展,高空...调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)处理可以恢复光学影像在成像、传输和处理过程中损失的高频信息,使得影像边缘更为清晰、细节更为丰富,从而改善影像质量。然而,随着遥感对地观测技术的不断发展,高空间分辨率影像数据量大,导致复原处理时计算量大、耗时长,成为高分辨率地面处理系统实时处理的瓶颈问题。为解决这一问题,提出了基于统一设备架构模型的MTFC并行处理方法,并根据算法特点对存储结构和并行计算结构进行了优化改进,利用真实卫星影像进行了验证实验。实验结果表明,在保证影像复原质量的前提下,提出的算法获得了45倍的加速比,可以满足地面系统实时处理的要求。展开更多
针对传统F-X域预测滤波去除地震资料随机噪声耗时巨大的问题,提出了基于统一计算设备架构(CUDA)的并行算法。首先,对算法进行模块化分析以找到算法的计算瓶颈;然后从每个窗口数据计算相关矩阵、求滤波因子、滤波等步骤入手,使用图形处理...针对传统F-X域预测滤波去除地震资料随机噪声耗时巨大的问题,提出了基于统一计算设备架构(CUDA)的并行算法。首先,对算法进行模块化分析以找到算法的计算瓶颈;然后从每个窗口数据计算相关矩阵、求滤波因子、滤波等步骤入手,使用图形处理器(GPU)将滤波过程分解为多个任务并行处理;最后,对算法进行并行实现,并对相邻滤波窗口的数据冗余读取进行优化以提升算法效率。基于NVIDIA Tesla K20c显卡的实验结果表明,在250×250大小工区的地震数据中,所提并行算法较原串行算法在效率上实现了10.9倍的提升,同时能保证工程中要求的计算精度。展开更多
文摘随着物联网与互联网融合的不断深化,感知层与应用层之间的互联互通要求不断提高。针对现有数据采集系统存在的规范性、扩展性和适应性不足的问题,文章提出一套基于对象连接与嵌入过程控制统一架构(object linking and embedding for process control unified architecture,OPC UA)协议的分布式数据采集处理系统架构。对数据采集处理系统各个模块进行功能解耦和架构重组,分别介绍该系统硬件和软件架构;针对发布订阅模式下负载的特异性,提出一种改进的适用于OPC UA分布式订阅的负载均衡算法;最后在某车企实例验证该系统架构。结果表明,基于OPC UA的分布式数据采集处理系统数据采集处理效果良好,证明了该系统架构的可行性及有效性。
文摘调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)处理可以恢复光学影像在成像、传输和处理过程中损失的高频信息,使得影像边缘更为清晰、细节更为丰富,从而改善影像质量。然而,随着遥感对地观测技术的不断发展,高空间分辨率影像数据量大,导致复原处理时计算量大、耗时长,成为高分辨率地面处理系统实时处理的瓶颈问题。为解决这一问题,提出了基于统一设备架构模型的MTFC并行处理方法,并根据算法特点对存储结构和并行计算结构进行了优化改进,利用真实卫星影像进行了验证实验。实验结果表明,在保证影像复原质量的前提下,提出的算法获得了45倍的加速比,可以满足地面系统实时处理的要求。
文摘针对传统F-X域预测滤波去除地震资料随机噪声耗时巨大的问题,提出了基于统一计算设备架构(CUDA)的并行算法。首先,对算法进行模块化分析以找到算法的计算瓶颈;然后从每个窗口数据计算相关矩阵、求滤波因子、滤波等步骤入手,使用图形处理器(GPU)将滤波过程分解为多个任务并行处理;最后,对算法进行并行实现,并对相邻滤波窗口的数据冗余读取进行优化以提升算法效率。基于NVIDIA Tesla K20c显卡的实验结果表明,在250×250大小工区的地震数据中,所提并行算法较原串行算法在效率上实现了10.9倍的提升,同时能保证工程中要求的计算精度。