搜索结果: 1-9 共查到“信息与通信工程 GPU”相关记录9条 . 查询时间(0.062 秒)
2023年4月19日，河北工程大学建筑学院院长一行4人参观考察了文学国家级实验教学示范中心。文学国家级实验教学示范中心教师李晓娟向任洪国院长一行介绍了中心的基本建设情况，就GPU虚拟实验室的建设情况进行了详细介绍。双方表示以后在新文科实验教学、实验室建设和发展方面将进行深入交流与合作。
云计算专家李冠憬教授访问西安电子科技大学开展学术交流——作题为“On MapReduce Acceleration in Multi-GPU systems”报告（图）
MapReduce模型 大规模数据
2016/5/11
2016年5月5日，台湾静宜大学教授、校長特別助理、国际暨两岸事务处副主任李冠憬教授应西安电子科技大学ISN国家重点实验室，网络与信息安全学院陈晓峰教授的邀请来校进行学术交流访问，并在新科技楼1012会议室为广大师生做了一场题为“On MapReduce Acceleration in Multi-GPU systems”的学术报告。
A* search is a fundamental topic in artificial intelligence. Re-cently, the general purpose computation on graphics process-ing units (GPGPU) has been widely used to accelerate nu-merous computational...
A Real-Time Capable Software-Defined Receiver Using GPU for Adaptive Anti-Jam GPS Sensors
Global Positioning System (GPS) sensor software-defined radio controlled reception pattern antenna (CRPA)
2015/6/24
Due to their weak received signal power, Global Positioning System (GPS) signals are vulnerable to radio frequency interference. Adaptive beam and null steering of the gain pattern of a GPS antenna ar...
星图配准是星图处理应用中的一个重要步骤,因此星图配准的速度直接影响了星图处理的整体速度.近几年来,图形处理器(GPU)在通用计算领域得到快速的发展.结合GPU在通用计算领域的优势与星图配准面临的处理速度的问题,研究了基于GPU加速处理星图配准的算法.在已有配准算法的基础上,根据算法特点提出了相应的GPU并行设计模型,利用CUDA编程语言进行仿真实验.实验结果表明:相较于传统基于CPU的配准算法,基...
2013年7月29日至8月2日，2013年科学与工程中多尺度问题的GPU应用国际研讨会（GPU-SMP'2013）在吉林省长春市顺利召开。会议由中科院计算机网络信息中心主办，中科院长春应用化学研究所协办。来自美国明尼苏达大学、美国芝加哥大学、美国圣地亚哥加州大学、美国阿贡国家实验室、德国海德堡大学、俄罗斯科学院超级计算中心、中科院大学、中科院过程所、中科院国家天文台、中科院地质与地球物理研究所、清...
软件雷达信号处理的多GPU并行技术
软件雷达 信号处理 并行计算 图形处理器
2013/11/2
针对中央处理器(CPU)平台难以满足雷达信号处理实时性不足的问题，利用图形处理器(GPU)并行运算能力强的特点，在CPU-GPU异构系统中采用任务级、数据级和线程级并行策略，设计了基于多图形处理器的雷达信号处理并行算法．新算法根据图形处理器的访存机制进行优化设计，充分利用了图形处理器的并行计算资源．实验结果表明:基于4块图形处理器的多任务并行化计算平台与中央处理器平台相比较，加速比最大可达42.7...
利用实时遥测飞行信息生成三维虚拟地形场景，旨在飞机试飞时，增强地面指挥人员对飞机实时位置地面场景的感知能力，帮助飞行员在试飞时处理复杂多变的飞行状况。为了逼真且流畅地生成三维地形场景，首先使用固定网格映射（PGM）的方法生成地形采样网格，接着利用几何着色器为三角形面片分配连续的与视点相关的细节等级（LOD），对缓存在纹理数组中的各等级高程数据和卫星照片进行混合采样。由于细节等级是连续的，因此各级纹...
SAR图像压缩采样恢复的GPU并行实现
合成孔径雷达(SAR) 压缩采样(CS) 并行计算 图形处理器(GPU)
2011/5/19
压缩采样(CS)技术被尝试应用于合成孔径雷达(SAR)图像的压缩。然而，高分辨SAR图像数据量大，导致压缩采样后的恢复过程计算量大，传统的中央处理器(CPU)无法实时成像。为解决这一问题，该文在图形处理器(GPU)平台上设计了CS的并行方法，并实现了SAR图像压缩。实验结果表明，在保证SAR图像压缩性能的前提下，该文设计的GPU并行处理速度能够提高到CPU串行处理的8.8倍。