基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

基于反射内存网的多飞行模拟器时间同步

飞行模拟器是一个复杂的分布式实时仿真系统,而多个飞行模拟器的联网则要求高精度的同步、更高的实时性.首先对单台飞行模拟器的网络结构、同步机制进行了描述,然后介绍了反射内存网的工作原理,并利用反射内存网作为同步信号的传输链路,对多飞行模拟器组网的同步进行了研究,同时对反射内存网和以太网结构并存的特点进行了分析.     

机群作战仿真系统的研究和开发

针对空间战场三维图像显示技术的需求,采用MultiGen Creator作为建模工具,Vega作为实时仿真驱动软件,在SGI图形工作站上开发了虚拟机群作战视景仿真系统,设计了系统软硬件体系结构,解决了地形分块、地形LOD(Level of Detail,层次细节)等大规模地形管理以及与飞行仿真系统的广播内存实时网络接口连接等技术,实现了空间战场环境、特效的逼真显示.仿真结果表明,该系统满足仿真实时性和逼真度指标要求,增加了飞行视景仿真的"沉浸"感.     

矩阵转置的一种快速算法

本文给出一个数据体积超过计算机可用内存容量的n×n 矩阵快速转置的新方法。与常用的算法相比,所需的计算时间显著减小。     

军代表李明：跟踪战场搞科研

一场实兵演习正在某海域展开。突然,某舰舰载雷达荧屏上闯入一个亮点。“‘敌’舰入侵我海域！”雷达操纵员一边报告,一边跟踪锁定目标。站在作战指挥控制台前的编队指挥员迅速敲定打键盘,向各武器系统发出指令。当目标进入火力区,指挥员当即按下发射键,此时,只见导弹伴随着一道红光呼啸而出,顿时“敌”舰灰飞烟灭……     

面向众核处理器的阴阳K-means算法优化

传统阴阳K-means算法处理大规模聚类问题时计算开销十分昂贵。针对典型众核处理器的体系结构特征,提出了一种阴阳K-means算法高效并行加速实现。该实现基于一种新内存数据布局,采用众核处理器中的向量单元来加速阴阳K-means中的距离计算,并面向非一致内存访问(non-unified memory access, NUMA)特性进行了针对性的访存优化。与阴阳K-means算法的开源多线程实现相比,该实现在ARMv8和x86众核平台上分别获得了最高约5.6与8.7的加速比。因此上述优化方法在众核处理器上成功实现了对阴阳K-means算法的加速。     

基于中间表示规则替换的二进制翻译中间代码优化方法

动态二进制翻译在实现多源到多目标的程序翻译过程中,为屏蔽不同源平台间的硬件差异引入中间代码,采用内存虚拟策略进行实现,但同时带来中间代码膨胀问题。传统的中间代码优化方法主要采用对冗余指令进行匹配删除的方法。将优化重点聚焦在针对特殊指令匹配的中间表示规则替换上,提出了一种基于中间表示规则替换的二进制翻译中间代码优化方法。该方法针对中间代码膨胀所呈现的几种典型情景,描述了中间表示替换规则,并将以往应用在后端代码优化上的寄存器直接映射策略应用在此处。通过建立映射公式,实现了将原来的内存虚拟操作替换为本地寄存器操作,从而降低了中间代码膨胀率。使用SPEC CPU2006测试集进行了实验,验证了此优化方法的正确性和有效性。测试用例在优化前和优化后的执行结果一致,验证了优化方法的正确性;优化后测试用例的中间代码平均缩减率达到32.59%,验证了优化方法的有效性。     

适于PCT编码的低内存通用树状多带滤波器组实现

基于常用的多带滤波器组的紧支撑性及FIFO(First-in First-out)缓存技术提出了一种具有低内存需求的通用树状多带滤波器组(Tree-structured Filter Bank,TSrS)的实现方法SBFB.该方法具有两大特点:(1)生成与全局变换法相同的子带系数,但是内存需求大大减小且仅与图像宽度及采用的TSFB相关;(2)在FIFO缓存中直接生成父子树(Parent-children Tree,PCT).基于PCT的编码器可直接对位于缓存中的PCT进行编码,而无须在SBFB与编码器之间引入中间缓存.通过分析TSFB的各分解层中的数据流,给出了样本点与子带系数之间的时序关系,并且使用该关系从数学上严格证明了SBFB的正确性.     

一种基于旋转TCAM的模式匹配算法

为了实现对网络入侵恶意流量的有效检测,提出了一种基于旋转TCAM的模式匹配算法。算法具体实现分为2个阶段,在第1阶段,将规则签名(模式)进行划分,以适合所选择的长度为w的前缀滑动窗口;在第2阶段,通过将前缀向右移,丢弃最右端的字符并在左边添加"don’t care",直至全部模式的字节都是"don’t care",从而提供默认的匹配行,实现对全部输入流量的匹配和对入侵主体的有效检测。仿真结果表明,提出的模式匹配算法不仅能够以线速运行在单一的操作中匹配多个模式,而且相比于其他基于TCAM的模式匹配算法,有更好的内存访问和TCAM查找访问性能。