选择分块SVM电容层析成像改进方法

针对SVM在处理具有样本集规模大的ECT系统数据时,存在ECT图像重建的成像精度不高和速度慢的问题,采用了选择分块支持向量机CSSVM算法。将ECT系统样本数据构成列数固定的样本矩阵,每个样本作为样本矩阵的行,66个电容值和66个敏感度值作为矩阵的列。该算法将大样本矩阵按照某一成像单元进行选择性分块,并形成多个小样本矩阵,再分别采用SVM算法进行训练和预测,将各个成像单元组合成像。数值实验证明,使用CSSVM新算法比单独使用SVM算法重建图像具有更高的分类准确率和更短的成像时间。

向量化友好的循环分块因子选择算法

具有病态规模的嵌套循环程序在进行循环分块时容易忽略分块因子对向量化的影响,导致非对齐数据访问,降低分块后循环代码的性能。提出了一种向量化友好的循环分块因子选择算法VEC-TSS。该算法对可向量化循环层以向量化收益分析确定分块因子,对其他循环层通过以局部性收益和并行粒度确定分块因子。实验结果表明,针对具有病态规模的循环程序,VEC-TSS算法与另外两种分块因子选择算法相比可以获得更好的程序加速比,同时具有良好的可扩展性。

一种六边形循环分块的Jacobi计算优化方法

Jacobi计算是一种模板计算,在科学计算领域具有广泛的应用.围绕Jacobi计算的性能优化是一个经典的课题,其中循环分块是一种较有效的优化方法.现有的循环分块主要关注分块对并行通信和程序局部性的影响,缺少对负载均衡和向量化等其他因素的考虑.面向多核计算架构,分析比较不同分块方法,并选择一种先进的六边形分块作为加速Jacobi计算的主要方法.在分块大小选择上,综合考虑分块对程序向量化效率、局部性和计算核负载均衡等多方面的影响,提出一种六边形分块大小选择算法Hexagon_TSS.实验结果表明所提算法相对于原始串行程序计算方法,最好情况可将L1数据缓存失效率降低至其5.46%,最大加速比可达24.48,并且具有良好的可扩展性.

分块选择重传的LDPC码混合自动重传请求协议设计

提出一种分块选择重传(SSR)的LDPC码混合自动重传请求(LDPCC-HARQ)协议设计。根据LDPC码译码失败后错误码字的位置分布与译码器输入的对数似然比之间关系的统计特性,将接收码字依据信道条件分块,并选择受信道损害最严重的若干块进行重传。仿真结果表明,SSR-HARQ协议与传统整包重传的WPR-HARQ协议相比,在降低误码率、改善译码性能的同时提高了传输效率,另外在硬件实现中不消耗更多的存储器资源。SSR-HARQ协议适用于含有突发错误并对误码率控制要求很高的信道环境。

轮换对称分块SVM图像重建算法及硬件实现

针对ECT系统SVM图像重建算法在处理大规模样本数据集时,成像精度不高及速度慢的问题,提出轮换对称分块支持向量机RSPSVM算法。算法对ECT系统模型进行具有轮换对称性的等面积剖分,使得通过一个单元即可得到同层其他所有单元的敏感度值;再选择性分块,形成可分别应用SVM算法进行训练的小样本矩阵,用得出的决策函数进行样本预测;并采用FPGA硬件实现RSPSVM算法。图像重建实验结果表明,通过硬件实现的RSPSVM算法大大减少了执行时间,并提高了成像的精度。

ECT系统轮换对称SVM图像重建改进算法

针对在处理大规模样本集的ECT系统数据时,SVM算法存在的图像重建的成像精度不高及速度慢的问题,采用了轮换对称分块支持向量机CSPSVM算法.算法利用ECT系统模型的轮换对称性,将大样本矩阵按照成像单元某一层按轮换对称性进行简化,并选择性分块,形成多个小样本矩阵;然后分别采用SVM算法进行训练,用得出的决策函数进行样本预测;最后将各成像单元组合成像.图像重建实验结果表明使用CSPSVM改进算法要比单独使用SVM算法重建图像具有更高的分类精度和更短的成像时间.

H.264运动估计整像素部分算法及硬件实现

根据图像序列运动矢量时间、空间分布特性,针对H.264图像压缩提出了一种基于六边形搜索派生的运动估计快速算法,采用双六边形与小菱形结合的搜索模板,减少了搜索点数,降低了运算复杂度.算法部分和编码器其他部分的Verilog模块结合在FPGA上进行了仿真,结果表明,该算法与全搜索、六边形搜索、菱形搜索和不对称十字与多六角形网格混合搜索等算法相比较,在保证图像质量的前提下,具有减少运算量和复杂度的优点.

格子玻尔兹曼方法计算程序的循环优化技术研究

格子玻尔兹曼方法(Lattice Boltzmann Method,LBM)在计算流体力学领域中得到广泛应用,但传统的LBM计算程序耗时巨大,如何优化LBM的计算程序具有重要研究意义.现有的优化方法较少关注LBM计算程序中时间步迭代中潜在的大量数据重用收益,造成计算性能损失.本文通过对LBM计算程序核心循环代码进行循环优化,将其巨大的迭代空间划分成满足cache容量的分块,从而提高数据重用性,同时开发粗粒度循环并行性.分块大小在对迭代空间划分时起到了影响性能的关键作用.本文根据LBM的程序特征提出了一种混合的分块大小选择方法——LBM_TSS方法.该方法从LBM计算程序的访存行为、局部性收益、并行效率以及同步开销四个方面进行静态分析,在约束条件限定的搜索空间内进一步对分块大小寻优,从而计算出性能最优的分块大小.本文在一个共享内存多核系统上对LBM_TSS方法的有效性进行了全面的验证和分析.实验结果表明,在最优情况下,采用LBM_TSS方法计算的分块大小所实现的LBM循环优化方法,与其他3种LBM并行优化方法相比,将LBM程序性能提高了16.79%.

基于图像评价的显微镜自动对焦方法

针对显微镜观测动态平面目标时的自动对焦需求,提出一种基于图像清晰度评价的显微镜静/动态自动对焦方法。首先,根据对聚焦-失焦图像特征的分析,建立加权Tenengrad评价函数评估方法和图像分块对焦窗口模式。其次,针对搜索过程中的局部极大值问题,利用模拟退火理论建立对焦搜索模型。最后,为了对动态图像进行评价,利用图像模糊法来判断动态无参考图像失焦水平。在此基础上,形成了静态调焦模型,动态失焦检测与实时对焦模型。通过搭建显微镜自动对焦实验平台,结果表明:该静态调焦模型能够使显微镜快速准确地静态自动调焦,动态失焦检测和实时对焦模型能够使显微镜满足在动态观测下离焦检测和实时调焦的要求。