并行加速网络操作系统的研究与实现

并行计算机是计算机科学发展的必然趋势,当前研究并行计算机在网络系统中实现资源共享,推广并行计算机的应用是一个非常粗意义的课题。本论文介绍并行加速机网络操作系统的研究成果。该操作系统已经成功地实现了基于Ｔｒａｎｓｐｕｔｅｒ的ＰＡ－１００并行加速机的在局网上,支持多用户的作业级并行处理和任务级并行处理。     

三个并行排序算法的可扩充性分析

可扩充性分析是评价并行算法或并行系统性能的重要工作,特别是在大规模并行处理环境下更是如此。本文利用新近提出的扩张串行分量分析技术,研究了三个并行排序算法的可扩充性,以及这些算法在超立方体结构上的实现的可扩充性。给出了使三种算法都为可扩充的条件,解释了每个算法的适用范围。展示了算法的实质性质,计算了它们的扩张串行分量、扩张效率以及扩张加速比。本文的解析分析结果与其它文献中的实验结果一致。     

邻域加强的并行子空间优化过程

针对基于响应面的并行子空间优化(CSSo-RS)过程的不足,提出了基于邻域加强的改进CSSO-RS优化过程.其主要思路是在子空间优化后,在得到的最优解附近进行全部变量的优化,以更好地协调系统级优化与子空间优化.用经典测试函数及通用航空飞机参数优化问题对该算法进行测试,测试结果表明该算法使CSSO-RS优化效率得到较大的...     

复杂信道中的多载波并行组合扩频通信技术研究

为了提高并行组合扩频的频带利用率和信息传输速率,提出差分多相多载波并行组合扩频（DMP-PCSS-OFDM）通信系统、位置码多载波并行组合扩频（PC-PCSS-OFDM）通信系统、差分多相位置码多载波并行组合扩频（DMP-PC-PCSS-OFDM）通信系统,并对其进行建模。将发送端的输出信号通过加性高斯白噪声（AWGN）,多径效应和电磁干扰的复杂信道环境,在接收端对接收信号的误码率性能进行仿真分析,并与同条件的单载波通信系统作出对比。在MATLAB中仿真显示,几种多载波并行组合扩频通信系统（MC-PCSS）在AWGN,多径效应以及单音干扰的信道环境中误码率普遍低于其对应的单载波并行组合扩频通信系统（SC-PCSS）;但对于多音干扰,随着干扰频点的不断增加,SC-PCSS的系统性能逐渐好转,甚至超过MC-PCSS。     

可变速率调制器研究及其FPGA实现

提出了一种变速率调制系统的设计方法。基于现场可编程门阵列(FPGA),在硬件系统中实现了新方法。所设计的系统能够处理(13.5~300)Mbps连续变化的比特速率。通过将整个可变速率范围分成若干小段,分别经过不同倍数的采样滤波,保证了所有符号速率对应的数据能够被调制到数模转换芯片(DAC)处理范围内。给出了系统整体设计结构,分析了硬件实现时的难点,论述了并行采样滤波与并行载波生成等设计方法。硬件实现结果表明,所提出的设计方法能够实现对较宽范围内连续可变速率信号的调制。系统的易扩展性也保证了所设计结构能够处理更宽的变速率范围。     

基于并行学习鲁棒自适应的多操纵面飞机故障估计方法

针对多操纵面飞机执行机构多发、频发故障的严峻问题,提出了一种鲁棒自适应故障估计方法,以得到精确故障信息.通过低通滤波,结合并行学习技术,引入了一组系统变量的滤波变量;基于上述滤波变量,构建了故障估计直接误差向量,进而设计了鲁棒自适应故障估计器;基于Lyapunov稳定性理论证明了所设计估计器的收敛性和鲁棒性.以ADMIRE飞机为对象,在无/有扰动两种仿真情形下,所提方法对单个故障的估计时间为1.6 s,对并发故障的估计时间为3 s,验证了本设计故障估计方法的鲁棒性和快速性.     

基于主动相位控制的脉冲激光相干合成技术

提出并验证了基于随机并行梯度下降(SPGD)算法的主动相位控制脉冲激光相干合成方案.利用低通滤波器滤除脉冲激光光强变化导致的性能评价函数起伏,提取出相位噪声导致的性能评价函数变化,然后将这个低通滤波后的性能评价函数用于SPGD算法的极值寻优过程,从而实现脉冲激光的锁相.对该方案进行了理论分析和数值模拟,并进行了两路脉冲激光相干合成实验.实验结果表明,当系统从闭环到开环时,系统性能评价函数均值提高到开环的1.6倍,干涉条纹长曝光对比度从0提高到0.43.在该方案中,通过增加合成脉冲激光路数,并在各路脉冲激光中引入多级功率放大器,能够得到更高的合成功率输出.     

一种面向复杂地理空间栅格数据处理算法并行化的任务调度方法

随着并行计算技术的成熟,地理空间栅格数据处理算法的并行化研究成为新的热点。聚焦于处理流程包含多个计算步骤的复杂地理空间栅格数据处理算法,基于空间计算域理论,提出了一个随着算法处理流程而动态变化的任务调度方法。实验证明,该方法在算法流程的每一个计算步都会调整任务分组方案,因此相比于传统任务调度方法,任务调度的负载均衡效果更好,并行算法程序的运行时间更短。     

基于仿真实验的智能并行训练方法

智能训练是利用机器学习算法对神经网络智能体模型进行训练优化的过程,智能体模型通过不断试错的训练方式实现智能提升。大规模训练数据是智能训练的必要条件,通常难以从现实世界中直接获取,如何通过仿真的方式生成大量有效的训练数据,是智能训练的重要研究方向。对此提出一种基于仿真实验的智能并行训练方法,利用仿真实验管理可快速生成批量仿真实验想定,并支持节点自动部署和运行,通过合理的训练架构设计和有效训练流程设计实现智能并行训练。通过实际案例展示了智能训练的仿真实验管理过程,并结合训练效果证明了给出的方法提高了智能训练效率和智能体泛化性。     

I.I.D.并行分布式检测网相同门限假定的合理性条件

并行分布式检测网最优设计是复杂难解的,相同门限假定使Ｉ．Ｉ．Ｄ．网的设计极度简化,并在实际工程中广泛使用。本文研究了相同门限假定的合理性条件,为合理采用习惯性处理方法提供了理论依据。