CPU-GPU协同加速Kriging插值的负载均衡方法

Kriging插值算法被广泛应用于地学各领域,有着极其重要的现实意义,但在面对大规模输出网格及大量输入采样点时,不可避免地遇到了性能瓶颈。利用Open CL和Open MP在异构平台上实现了CPU与GPU协同加速普通Kriging插值。针对Kriging插值中采样点的不规则分布及CPU和GPU由于体系结构差异对其的不同适应性,提出一种基于不同设备间计算性能的差异和数据分布特点的负载均衡方法。试验结果表明,该方法能有效提高普通Kriging插值速度,同时还能节约存储空间和提高访存效率。     

基于CCD器件的光电位敏探测器研究

本文作为原理性探讨,在一定实验的基础上,提出了一种利用CCD器件和模拟电路构成光电位敏探测器(PSD)的新方法.用此方法构成的PSD具有高于CCD空间分辨率的定位精度、较宽的线性工作范围和较高的动态响应速度,能够满足特殊场合的使用需要.     

Cache计时攻击对E1Gamal签名的安全威胁分析

分析了E1Gamal签名中模幂运算的平方乘算法和滑动窗口算法,给出了两种算法下利用Cache计时采集旁路信息的方法和幂指数恢复算法,分析了Cache计时攻击对幂指数相关的旁路信息获取能力以及Cache计时攻击对E1Gamal签名的安全性威胁．通过仿真验证了Cache计时攻击能够有效获取旁路信息,展示了不同长度随机密钥的安全等级,给出了建议采用的随机密钥长度与可能的防御措施．     

改进的多目标GM-PHD分量融合算法

密集杂波的平行多目标跟踪场景中,高斯混合概率假设密度滤波器的计算代价随着分量的增多而不断变大,且其目标状态估计精度较低.为了解决这些问题,基于高斯混合概率假设密度滤波框架,提出一种改进的目标分量融合算法.通过目标分量的权重、均值及协方差的充分协作,该算法能够极大程度地融合目标强度中的相似分量,同时能够有效地避免真实目标分量被错误融合.仿真结果表明,密集杂波环境下该算法不仅具有较高的目标状态估计精度,而且其计算代价相对较低.     

浅谈物理实验中的有效数字

本文从“有效数字的一般概念及其特点”及“有效数字的运算法则”两个方面,对有效数字的基本概念及其特点作了较系统的归纳概括,对有效数字的运算法则及结果的取舍进行了确切的说明,并对有效数字位数与待测量的大小、测量仪器的精确度、不同单位三者的关系作了较详尽的介绍,特别阐述了“0”在有效数字中的作用,进而明确了实验数据的正确记录与运算。     

七二二所高性能签名验签服务器获用户好评

<正>近日,七二二所成功研发高性能签名验签服务器,并获近百套产品订单,获用户好评。该产品主要为银行等金融机构提供高速、多任务并行处理的密码运算服务,能满足金融应用系统对数据签名、验证、加密、解密的要求,     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

电子系统设计技术及应用专题讲座(一) 第2讲 集成运算放大器的特性及选型

从运算放大器选型的角度,介绍了影响运算放大器直流的精度直流参数;描述了轨到轨运算放大器、自归零和零温漂运算放大器、零交越失真运算放大器的特性;在此基础上,对于如何正确选择运算放大器给出了选择步骤。     

红外目标分割方法研究

红外目标分割算法对红外目标检测、跟踪具有非常重要的价值。本文利用背景和目标灰度特征,提出一种实现红外目标有效分割的方法,克服红外目标内部温度不稳定造成的误分割问题。本文方法首先采用基于灰度-显著度最大相关准则的二维直方图分割算法进行图像分割;然后,在分割后二值图上进行基于随机种子点选取的区域增长,提取背景;最后,采用形态学方法优化分割结果。相对传统的红外目标检测算法,这种算法具有更好的抗干扰能力,更强的鲁棒性。不仅可以应用于红外图像的目标分割,而且可以应用于其他类似的目标分割问题。     

基于SIMD处理器的全定制多粒度矩阵寄存器文件

在SIMD处理器上映射矩阵运算时会带来大量的数据重排操作从而降低系统性能。本文提出定制化的多粒度矩阵寄存器文件(MMRF)以消除数据重排操作。MMRF支持多粒度的并行行访问和列访问,从而提升矩阵运算的性能。MMRF可以被动态配置为不同的并行访问模式,在不同模式下一个或多个子矩阵可以被并行处理。实验结果显示,同传统的向量寄存器文件(VRF)和矩阵寄存器文件(MRF)相比,MMRF可分别带来2.21倍和1.6倍的平均性能提升,面积分别增加14.3%和3.7%,功耗分别增加14.6%和2.2%。同TMS320C64x+处理器相比,基于SIMD技术的FT-Matrix处理器在引入MMRF后可以得到5.65倍到7.71倍的性能提升。通过层次化的全定制设计技术,MMRF的面积和关键路径分别减少17.9%和39.1%。