基于MDA的HLA仿真技术框架设计

近年来MDA在分布式仿真特别是在HLA仿真技术中的应用情况缺乏对MDA与HLA结合的仿真技术整体性的认识,不利于仿真系统开发的宏观指导.基于MDA的HLA仿真技术框架的提出就是从系统的角度研究基于MDA的仿真系统开发过程.该框架从模型通用性的静态角度和建模仿真过程的动态角度出发,分为HLA仿真系统主题域的划分和HLA仿真系统开发过程两部分进行了全面的分析,为今后开展基于MDA的HLA仿真研究提供了一种宏观的指导方法.     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

基于访问偏好的卫星遥测时序数据存储方法

随着航天事业的发展,尤其伴随巨星星座的构建,在轨卫星数量越来越多,如何管理使用海量的遥测数据成为航天测控系统亟需解决的问题。针对测控系统当前时序数据全参数存储策略带来的时序数据量较大的问题,引入业务访问遥测数据记录中的遥测参数标识、数据使用时间和访问记录时间等参数,构建参数存储强度函数,提出基于深度线性规划霍克斯模型的时序存储算法,对时序数据存储策略进行改进,同时设计实验对比全参数时序数据存储策略和基于深度时序算法的存储策略,验证该方法在保证时序数据访问命中率基础上,存储量相较全参数存储策略降低至2%,达到与基于深度时序算法的存储策略相近的水平,同时解决基于深度时序算法的存储策略收敛性不足的问题,该方法有效解决了单服务器时序数据存储量大的问题。     

大整数乘除运算在PC机上的实现

大整数在要求高精度的应用中非常有用.特别是大质数和一般大整数有一个极为重要的应用,就是关于计算机数据加密.在计算机数据加密技术中,常会遇到大整数的算术运算问题.由于所使用的机器和所用语言的限制,大整数的"乘""模"两种运算很难运用高级语言中的"乘""除"运算.提出了一种逐位存储、按字节运算的方法,并用C 实现了大整数的十进制乘除法运算,之后将提出的算法与类似算法的时间复杂度进行了比较,最后给出了算法的运行时间.     

2014nccet：闪存阵列的可重构策略

利用低延迟、低功耗、高可靠的NAND Flash构建闪存存储阵列是实现高性能存储系统的有效手段。但应用传统RAID技术构建闪存存储阵列,会引入磨损均衡,校验数据更新频繁导致阵列生命周期降低等问题。针对闪存固有的读写特性,设计实现了一种基于NAND Flash的高性能RAID机制——基于缓存的可重构RAID策略（Cache-Based Reconfigurable RAID,CBR-RAID）。该机制采用可重构条带的思想,利用非易失存储器SCM（Storage Class Memory）作为缓存,对数据顺序重组。实验结果表明该策略能够有效降低垃圾回收开销,提高闪存阵列的性能和使用寿命     

闪存阵列的可重构策略

利用低延迟、低功耗、高可靠的闪存芯片构建闪存存储阵列是实现高性能存储系统的有效手段。但应用传统磁盘阵列技术构建闪存存储阵列,会引入磨损均衡、校验数据更新频繁导致阵列生命周期降低等问题。针对闪存固有的读写特性,设计实现了一种基于NAND Flash的高性能磁盘阵列机制——基于缓存的可重构磁盘阵列策略。该机制采用可重构条带的思想,利用存储等级的内存作为缓存,对数据顺序重组。实验结果表明:该策略能够有效降低垃圾回收开销,提高闪存阵列的性能和使用寿命。     

装甲兵模拟训练系统体系架构

近年来,装甲兵模拟系统建设和模拟化训练有了长足的发展,但仍然存在缺乏顶层规划、标准不一、资源不共享、模块不重用、体系不完整等诸多问题。基于体系工程建设理念,探索了装甲兵模拟训练系统体系架构,主要考虑了顶层设计,重点放在了系统的组成结构、相互关系,从总体上把握体系的整体功能、需要解决的问题,采取的技术路线。实践表明,体系架构独立于系统的具体实现技术,保证了各组成部分可以通过重用、重组等方式来适应不同阶段、不同目标和领域的装甲兵模拟训练需求,提高了系统的利用效率,降低了模拟训练系统的开发成本。     

关键循环到粗粒度可重构体系结构的存储感知映射

针对已有工作面向粗粒度可重构结构(CGRA)研究循环映射的不足,提出一种新颖的存储感知的关键循环映射方法 MALP。该方法定义RCP_CGRA体系结构模型并阐述关键循环到CGRA的映射问题,通过引入结合数组分簇的多面体数据域划分方法进行循环存储分析,根据分析结果,结合体系结构资源约束实现了循环的有效映射。实验结果表明,与已有的方法相比,MALP方法能够快速分析存储需求并有效降低循环映射的资源占用率,提高数据吞吐量,进一步提升了CGRA上循环映射的性能。     

基于GPU的弹道快速计算方法

针对目前飞行器航迹规划中弹道计算量大、耗时长的问题,结合GPU大规模并行计算特性,提出了一种基于GPU的弹道快速计算方法.该方法以4阶Runge-Kutta (R-K)法为基础求解弹道微分方程组,通过计算资源的分配、数据流分段将弹道计算任务映射到GPU线程模型,利用CPU加GPU异构模型的数据流控制能力,实现上千条弹道的并行计算;实验表明该方法计算精度满足要求,并获得几十倍理想加速效果;也为航迹规划系统其他大规模并行计算提供了新的解决思路.