基于分布式排队网络的防空战术协同模型

分析了多个防空火力单元的作战过程,将战术BM/C3的控制协调决策抽象为决策策略。建立了多个火力单元协同作战的排队网络模型,并运用SPN理论对排队网络的运行机制进行了强有力的描述,有效地体现了防空作战过程中的威胁评估、目标分配等战术决策过程。这将为建立大型复杂排队网络,模拟仿真战役层面防空作战过程奠定基础。     

基于USB接口的虚拟装备技术

基于通用串行总线(USB)这一新的接口技术,对虚拟装备中的人机交互技术进行研究。确定了交互系统的总体构成,设计了能满足实际需求的USB硬件设备,并以具体实装部件为例,设计了相应的外部信号调理电路,开发了具有即插即用、软件下载等功能的配套驱动程序及通信所需的固件程序,对设计方案进行了验证。     

某火控系统技术特点分析

某火控系统集两个频率波段的搜索雷达、跟踪雷达和电视跟踪器、激光测距机于一体,分系统控制处理计算机与系统主计算机相结合,采用了数据融合技术,是一部多传感器集成的现代化防空系统,具有搜索性能好、反应时间快、抗干扰能力强、自动化程度高、使用性能好等特点。从抗干扰性能、自动化工作操控模式、系统高度集成化以及装备使用性能对系统的技术特点进行了分析,对今后雷达设计有一定的借鉴作用。     

GSPN的分析方法及其应用

随着计算机和信息技术的发展,广义随机Petri网(G SPN)作为一种图形化的建模工具,不仅可以对系统进行形式化的描述和快速原型开发,而且由于其具有坚实的数学理论基础,可以对系统进行正确性验证和性能评价,因此在系统的设计过程中,得到了广泛的应用。基于结构分析方法、可达图分析和数值分析方法讨论分析了G SPN,并给出了具体的算例,最后讨论了G SPN的应用领域。     

基于小波技术的校园网流量分形特性研究

网络流量特性是人们深刻理解整个网络体系的架构及网络控制机制的切入点,所以有必要深入探究网络流量的特性。通过小波技术对某校园网络流量数据进行全面分析,细致地刻画了流量到达过程的自相似性与多重分形特性。     

DFT的Z变换算法

文中讨论了用Z变换计算DFT的方法。对于N=2~t的DFT,本算法所需的加法及乘法量分别为:(?),与Cooley-Tukey基-2算法比较,乘法量与加法量均减少25%,文中还讨论了本算法在微机上的实现,给出流程图。在运算时间上,本算法与通用FFT算法程序进行比较:节省时间30%。     

多GPU的可压缩湍流并行计算

利用CUDA Fortran语言发展了一种基于GPU的计算流体力学可压缩湍流求解器。该求解器基于结构网格有限体积法,空间离散采用AUSMPW 格式,湍流模型为k-ω SST两方程模型,采用MPI实现并行计算。针对最新的GPU架构,讨论了通量计算的优化方法及GPU计算与PCIe数据传输、MPI通信重叠的多GPU并行算法。进行了超声速进气道及空天飞机等算例的数值模拟以验证GPU在大网格量情况下的加速性能。计算结果表明相对于Intel Xeon E5-2670 CPU单一核心的计算时间,单块NVIDIA GTX Titan Black GPU可获得107至125倍的加速比。利用四块GPU实现了复杂外形1.34亿网格的快速计算,并行效率为91.6%。     

矢量多边形并行栅格化数据划分方法

针对多边形并行栅格化中的负载不均衡问题提出一种新的数据划分方法,主要包括:迭代计算划分线的位置,在每次迭代中保证分块间的计算量大致均衡,完成数据划分、实现负载均衡;提出基于二叉树的划分结果融合策略,以解决跨边界多边形的融合问题。在多核CPU环境下实现并行算法,选用多个典型土地利用现状数据集进行测试。结果表明:针对不同类型多边形数据集,所提方法较传统方法可获得更高的并行加速比和更好的负载均衡;针对大数据量数据集,以多边形节点数为度量标准可更精确地估算分块计算量,从而更好地实现负载均衡。     

SPH的两种并行计算方案及其在自由表面流动模拟中的应用

针对光滑粒子动力学(SPH)主要计算量是近邻粒子搜索这一特点,提出了一种基于粒子分解的SPH并行计算方案。利用该方案可以方便的将任意串行SPH代码并行计算,而且每一个时间步内的信息传递量只和粒子总数有关,而和粒子的分布无关,因而特别适合于自由表面流动等大变形问题的并行数值模拟。对一个粒子总数为40万的三维溃坝问题的模拟结果表明,此方案能达到的最大加速比约为16,这一结果可能比空间分解方案(不考虑动态负载均衡)更优。     

GPU上高光谱快速ICA降维并行算法

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点,设计协方差矩阵计算、白化处理、ICA迭代和IC变换等关键热点的图像处理单元映射方案,提出并实现一种G-Fast ICA并行算法,并基于GPU架构研究算法优化策略。实验结果显示:在处理高光谱影像降维时,CPU/GPU异构系统能获得比CPU更高效的性能,G-Fast ICA算法比串行最高可获得72倍加速比,比16核CPU并行处理快4~6.5倍。