导读:本文包含了并行多处理系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:多核,算法,数据处理,图像,速比,系统,双核。
并行多处理系统论文文献综述
王婷,芮国俊[1]（2019）在《基于TS201的数字信号并行处理系统设计》一文中研究指出主要对ADI公司生产的ADSP-TS201S芯片拥有的功能进行描述,通过其具有的强大功能和能够同时处理多个任务的优点,完成对雷达信号处理平台的设计。文章研究了一种多处理器数字信号处理并行系统的硬件设计与实现,提出利用链路口将ADSP TS201与FPGA互连,组成灵活的环型架构。最后以数字脉冲压缩算法应用表明,该系统具有很强的运算能力和较高的灵活性。(本文来源于《电脑与信息技术》期刊2019年05期）
李飞,宋慧,徐敏超[2]（2019）在《基于VPX服务器的雷达实时并行信号处理系统的研究》一文中研究指出对于愈加复杂的计算流程,以及愈加高速、大吞吐量数据流的雷达信号处理系统来说,在多处理器架构下开发并行信号处理系统是主要研究方向。本文在VPX服务器上采用多核心多线程、并行计算和模块化的方法研制雷达实时信号处理系统,并通过整机雷达测试该信号处理系统,实测表明该信号处理系统具有良好的健壮性,能够持续、稳定的进行高性能并行运算,并且可根据雷达信号处理的需求进行灵活配置,具有很强的扩展性和广阔的工程应用前景。(本文来源于《火控雷达技术》期刊2019年01期）
李志斌[3]（2018）在《基于MapReduce并行处理框架的大数据处理系统的研究》一文中研究指出近年来,随着科技的进步与发展,数据采集终端数量的上升,人们不可避免的会在日常工作与生活当中面对数量庞大、种类繁多的数据信息。人们如何处理与利用这些海量数据也决定了人们在生产生活中的决策行为将不再是基于过去的经验与直觉,而是转变为通过对相应数据进行数据处理,从而得到在海量数据指导下的策略选择。大数据处理系统作为大数据技术中的重要研究内容,通过不同数据架构以及数据处理算法来满足不同业务类型的大数据存储以及处理要求,具有重要的研究意义。现有成果从不同方面对大数据的存储以及处理提出了不同的解决方法,但仍有不足。例如,大数据的数据量虽然巨大,但是针对某一产业或某一方面的大数据具有一定的数据特征,如今的数据处理系统并未充分利用这些特征,也无法利用大数据之间的特征关系进行数据处理,难以优化整个大数据处理系统。1.本文在对大数据处理系统的关键技术进行构想与研究的基础上,首先采用Hadoop架构来搭建系统实验平台。通过操作Map Reduce模型预留出的Map映射函数接口完成针对数据采集终端数据的粗处理过程,再根据Map函数的输出结果调用相应的Reduce函数完成大数据的规约化处理,从而挖掘出相应海量数据的数据特征。同时,利用Map Reduce函数优化了大数据处理系统的整体存储性能,使得大数据信息的存储变得更加的合理、可靠。2.针对不同类型的大数据信息各自具有独特的数据特征的特点,本文将传统的基于内存的Page Rank算法引入到基于Map Reduce数据处理模型的大数据处理系统当中。针对数据处理中对于图数据以及高维数据的处理往往涉及多次迭代以及不同计算机之间的大量网络通信的缺点,通过合理划分子图,保证数据的迭代发生在图数据以及多维数据被合理划分的子图内;以及合理确定内部节点和外部节点来避免不同计算机之间的数据通信发生在整个大数据整体上,从而降低网络通信所需要的带宽。同时,将基于内存的Page Rank算法运用到多维数据和图数据的子图数据的多次迭代当中,从而保证了整个大数据处理系统既有普通Page Rank算法的效率,也能够异步的扩展在不同系统的计算机实验平台上。3.本文采用两个大规模高维数据以及图数据集,分别是Live Journal数据集以及Face Book数据集。Live Journal数据集包含4847571个数据节点,68993773个数据边,Live Journal数据集来源于网站www.livejournal.com。Face Book数据集包含957359个数据节点和161933115条数据边。实验所用计算机均安装Ubuntu9.04,32位操作系统以及Java1.6和Hadoop0.20.2进行实验。实验结果表明,本文提出的大数据处理系统可以提高数据处理速度,降低系统所需通信带宽。(本文来源于《吉林大学》期刊2018-06-01）
张海阔,陆忠华,刘芳,李井泉,孙辰军[4]（2018）在《面向海量告警数据的并行处理系统设计与实现》一文中研究指出为提高海量告警数据的处理效率,设计并实现一种网络管理中面向海量告警数据的并行处理系统,由采集任务更新模块、采集任务调度模块、采集任务处理模块和系统管理模块构成。系统核心为采集任务调度模块,通过采用带宽资源目标和/或计算资源目标计算的双目标任务调度模式,利用采集机的带宽资源和计算资源,提高海量告警数据的采集效率。该系统可广泛适用于网络数据采集及其它领域。(本文来源于《计算机工程与设计》期刊2018年02期）
安长俊,周家婕,魏斌,高明[5]（2017）在《基于分布式存储的高性能嵌入式并行处理系统的设计与实现》一文中研究指出本文在对嵌入式高性能并行处理系统加速比的数学模型拓展分析的基础上,提出了一种当今更适于高性能信号处理算法的基于分布式存储的并行处理架构,并在此基础上设计实现了基于TMS320C6678的多片多核DSP互联的通用大容量存储实时信号处理卡,使用该板卡构建了某实时信号处理系统。验证了该架构具有标准化、模块化、可扩展、可重构的特点。验证了该系统强大的并行处理性能。(本文来源于《电子世界》期刊2017年18期）
付航[6]（2017）在《基于双核DSP的图像复原并行处理系统》一文中研究指出随着工业信息化时代的到来,机器视觉在各个领域的应用越来越广泛,图像复原技术是其中一个重要分支。生产生活中对图像复原技术的应用需求正在不断扩大。数码相机在捕获图像的过程中由于受到相机自身抖动,聚焦不准确,或者大气干扰等因素的影响,会造成捕获图像失真的现象,具体表现就是图像模糊。统一图像复原算法可以将各种原因造成的模糊图像复原成清晰图像。图像复原算法对比于其他图像处理算法更加复杂,开发难度更大。目前,现有的图像复原技术大多停留在PC平台的仿真阶段,即利用电脑来实现图像复原功能。但是PC机由于造价高,体积大,功耗大等缺点极大地限制了图像复原技术在实际生活中的应用。将图像复原算法移植到嵌入式芯片上,实现算法功能的小型化,是解决这一系列问题的最佳途径。本文采用了TI公司推出的TMS320C6657高性能双核DSP作为图像复原的运算芯片,首先分析了数字图像处理平台的硬件架构,并结合DSP芯片的结构描述了软件工程的组成框架。然后详细介绍了图像复原算法的移植和代码调试方法,并对移植后的算法的执行时间做出了精确地统计与分析。采用各种方法对图像复原算法进行优化,通过各种实验与仿真手段验证了优化的可行性和高效性。结合SYS/BIOS操作系统中的多种通信机制,对图像复原算法在双核DSP上的并行化运算方式进行了研究,实现了算法的双核并行处理。接着对系统硬件平台中的数据处理流程进行了详细分析,并进行系统实验,实现了图像数据接收,算法处理,结果输出的功能。最后研究了在达芬奇DM8148DSP硬件平台上进行红外气体检测与应用的实现,取得了较为不错的检测结果。通过本文的研究,基本上在DSP芯片上实现了图像复原的功能,整个硬件系统变得小型化,微型化,扩展了图像复原技术的应用范围,为后续的研究工作提供了参考。(本文来源于《武汉工程大学》期刊2017-05-31）
彭检贵,张良,李维良,李林华,周佳雯[7]（2017）在《桌面遥感图像处理系统并行处理架构选择与实验分析》一文中研究指出介绍了桌面遥感影像处理系统对高性能计算的需求及其现状,针对多核CPU与GPU这两种当前单机系统中最重要计算资源的结构与功能差异,总结不同并行架构所具有的运算特点及适用范围,以遥感影像多项式几何校正为例,对比分析了同时代多核CPU与GPU在进行高计算密集度且运算逻辑较简单算法的高性能处理之间的性能差异,探讨了并行处理架构选择的实践准则。(本文来源于《软件导刊》期刊2017年04期）
纪小展[8]（2017）在《基于Hadoop平台的网络数据并行处理系统设计与实现》一文中研究指出随着移动互联网时代的到来,给人们的生活带来各种各样的便利,同时也意味着会产生越来越多的数据,如何从这海量的数据中挖掘价值将是一个非常有价值的课题。聚类算法就是其中一种从海量数据中挖掘价值的工具,它有着非常广泛的使用场景,包括对一些未知的物品进行分类,同时可以进行相应应用。随着数据量的剧增,聚类算法在单机环境下开始越来越吃力,越来越面临瓶颈。因此,海量数据对聚类算法以及相应的处理系统提出了新的要求。本文是基于Hadoop平台的网络数据并行处理系统设计与实现。本文首先对Spark相关性能进行优化研究,主要包括两部分:开发过程中相关性能优化研究,shuffle性能优化研究。开发过程中相关性能优化研究主要研究了避免使用shuffle算子以及对多次使用的RDD进行持久化这两个方面。shuffle性能优化主要研究了 sort shuffle和hash shuffle各自的适用场景以及相应的优化,并通过实验来验证。聚类算法面临海量数据处理遇到的瓶颈越来越大,为了开发并行化聚类算法来应对海量数据处理难的问题,本文引入Hadoop平台并在该平台上搭建Spark平台。针对k-means算法存在随机选取初始中心导致迭代次数过多的问题,本文提出了一种基于Spark平台的由克洛斯卡尔算法改进的k-means算法来解决初始中心选择问题,通过迭代次数和迭代时间这两个指标来评价实际效果。为了更好展示实验结果,本文将Spark的k-means++算法作为比较对象,实验结果显示,基于Spark平台的由克洛斯卡尔算法改进的k-means算法比Spark的k-means++算法有更少的运行时间以及更少的迭代次数。针对k-means算法没有考虑向量之间相似性的问题,本文提出了一种基于Spark平台的由克洛斯卡尔算法和谷本距离改进的k-means算法,使用误差平方函数作为评价指标,与Spark的k-means++算法以及基于Spark平台的由克洛斯卡尔算法改进的k-means算法相比,具有更少的误差平方函数值,也就得到更好的聚类结果。本文最后搭建了一个完整的基于Hadoop平台的网络数据并行处理系统,该网络数据并行处理系统的架构设计使得系统本身具有大数据、高复杂度数据计算的能力。Hadoop计算平台的引入使得系统可以依赖廉价硬件资源,提供高计算能力与存储能力,同时也使系统具备很好的横向扩展能力,面对数据规模的上升,只需要通过简单添加机器来增强集群处理能力。此外,该网络数据并行处理系统具有普遍适用性,不仅仅适用于电影推荐,网络异常检测,也适用于任何使用聚类算法进行数据处理的场景。(本文来源于《东南大学》期刊2017-03-02）
窦维治[9]（2016）在《基于高速并行LVDS总线在视频处理系统中的应用研究》一文中研究指出在总线的应用分析的基础上,针对高速并行LVDS总线进行了仿真分析。首先建立了高速并行LVDS总线传输模型,对比了总线上各接收位置上信号的时域波形;然后进一步分析了各接收端抖动的变化情况,并深入讨论了造成抖动增大的主要原因和改进总线设计的方法,该结论对高速并行LVDS总线的设计提供了有效的预估和指导。(本文来源于《电子器件》期刊2016年06期）
王文清,沈海阔[10]（2016）在《大尺寸部件测量信息高速并行处理系统设计》一文中研究指出针对航空、航天等工业中的大尺寸部件,传统的测量方法精度低、效率低,研发一种全视角、高精度的叁维测量设备尤为必要。全视角图像信息处理是整个设备的关键,为了高速、高实时性地处理大尺寸图像信息,对高速并行图像处理技术进行研究,设计基于FPGA+双多核DSP的并行图像处理方案,实现系统硬件电路,提出并行处理的软件实现方法,将图像处理算法向硬件系统移植,对系统进行试验验证。对8 000×10 000的图像处理结果表明,单帧图像处理平均速度不大于0.15s。(本文来源于《电子测量技术》期刊2016年09期）
并行多处理系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于愈加复杂的计算流程,以及愈加高速、大吞吐量数据流的雷达信号处理系统来说,在多处理器架构下开发并行信号处理系统是主要研究方向。本文在VPX服务器上采用多核心多线程、并行计算和模块化的方法研制雷达实时信号处理系统,并通过整机雷达测试该信号处理系统,实测表明该信号处理系统具有良好的健壮性,能够持续、稳定的进行高性能并行运算,并且可根据雷达信号处理的需求进行灵活配置,具有很强的扩展性和广阔的工程应用前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
并行多处理系统论文参考文献
[1].王婷,芮国俊.基于TS201的数字信号并行处理系统设计[J].电脑与信息技术.2019
[2].李飞,宋慧,徐敏超.基于VPX服务器的雷达实时并行信号处理系统的研究[J].火控雷达技术.2019
[3].李志斌.基于MapReduce并行处理框架的大数据处理系统的研究[D].吉林大学.2018
[4].张海阔,陆忠华,刘芳,李井泉,孙辰军.面向海量告警数据的并行处理系统设计与实现[J].计算机工程与设计.2018
[5].安长俊,周家婕,魏斌,高明.基于分布式存储的高性能嵌入式并行处理系统的设计与实现[J].电子世界.2017
[6].付航.基于双核DSP的图像复原并行处理系统[D].武汉工程大学.2017
[7].彭检贵,张良,李维良,李林华,周佳雯.桌面遥感图像处理系统并行处理架构选择与实验分析[J].软件导刊.2017
[8].纪小展.基于Hadoop平台的网络数据并行处理系统设计与实现[D].东南大学.2017
[9].窦维治.基于高速并行LVDS总线在视频处理系统中的应用研究[J].电子器件.2016
[10].王文清,沈海阔.大尺寸部件测量信息高速并行处理系统设计[J].电子测量技术.2016
论文知识图
