多站无源时差定位系统并行处理方法研究

以三站无源时差定位系统为例 ,介绍了基于时间片内时差序列间流水的信号处理方法及其实现 ,并与基于时间片间流水的信号处理方法进行了比较。研究表明 ,采用基于时间片内时差序列间流水的信号处理方法能够有效地提高处理实时性、降低系统所需存储空间。     

星敏感器图像处理系统的并行流水线操作研究

随着天文导航和航天测控领域的要求不断提高,对星敏感器的动态性能提出了越来越高的要求。本文详细分析了星敏感器CCD处理模块输出信号的时序关系,在此基础上提出了CCD和DSP并行流水线的处理机制以提高星图处理的效率,并利用CPLD和DSP的HOLD方式实现了CCD和DSP的并行流水线操作。通过星光模拟器的静态测试表明:利用该处理机制能实现每秒10帧的处理速度。只要合理地安排好行场有效期和消隐期的时间,会进一步提高姿态捕获的速度。     

高精度星地测距的多址干扰并行对消技术

目前,在航天测控系统中广泛采用扩频体制,但随着多通道扩频技术和多站测距系统的发展,测控系统面临的测量环境越来越复杂,对伪距测量精度产生较大影响。其中,多站测距系统中存在的强信号干扰和多址干扰,会导致测距精度下降。本文提出了一种基于并行干扰对消的高精度星地测距技术,通过信号处理重构和对消接收信号中的干扰信号,得到纯净的期望信号,从而抑制码分多址带来的测量误差,以提升测量精度,并通过仿真和试验验证了算法的可行性和优越性。     

全并行结构FFT的FPGA实现

提出了一种基于FPGA实现的全并行结构FFT设计方法,采用X IL INX公司最新器件V irtex II P ro,用硬件描述语言VHDL和图形输入相结合的方法,在ISE 6.1中完成设计的输入、综合、编译及布局布线,并用M od-e lS im和M atlab对设计作了联合仿真。结果表明,通过利用FPGA器件中大量的乘法器、逻辑单元及存储器等硬件资源,采用全并行加流水结构,可在一个时钟节拍内完成32点FFT运算的功能,设计最高运算速度可达11ns,可实现对高速A/D采样数据的实时处理。     

一种基于消息转发的类异步并行进程迁移算法

针对并行机群系统的进程迁移问题,提出了一种新的基于消息转发的类异步并行迁移算法, 该算法使用消息驱赶、消息转发、缓存优先匹配等多种机制,避免了一般类异步迁移算法集 中式管理,非迁移进程参与协调工作较多的缺点,通过算法描述和实验结果表明,该算法具 有迁移效率高、易于管理和控制、健壮性好等优点.     

对称带状矩阵的并行Cholesky分解及相应线性方程组的并行计算

大型结构问题所导出的方程组系数矩阵阶数往往非常浩大,传统的串行计算机受存储容量与计算速度限制往往难以处理。本文给出适合寄存器—寄存器加工方式流水线向量机上对称带状矩阵三角分解的并行算法MPLDLT和对称带状线性方程组求解的并行算法MCSA。在YH—1机上通过对实例的计算表明,算法是高效的。当矩阵的阶数仅力1666阶时,算法MPLDLT比相应串行算法计算速度快25倍,算法MCSA比相应串行算法计算速度快47倍。若结合YH—1机的特点,使用向量“链接”技巧,则算法MPLDLT比相应串行算法的计算速度快74倍。     

基于SOVA的并行级联空时格码的译码算法

并行级联空时格码调制(Turbo—STCM)将并行迭代译码结构(Turbo)应用于空时编码，可以极大地提高空时格码的编码增益。本基于一种改进的(Soft—output Viterbi a1gorithm，SOVA)译码算法，提出了针对Turbo—STCM的并行迭代译码方案。仿真结果表明，在保持分集增益的前提下，Turbo—STCM和原始的空时格码调制相比，编码增益有了极大的提高．同时采用该SOVA算法译码复杂度低，速度快，更利于实际系统的开发实现．     

改进的部分并行干扰抵消多用户检测

给出了一种用于部分并行干扰抵消多用户检测新的判决函数：WSGN判决函数。根据较好的多用户干扰估计能提高误码率性能这一原理，本文推导出这种新函数。它考虑了门限的作用，使得不当门限对其性能的负面影响小于其他判决函数。在瑞利衰落信道中分析了使用这种判决函数的部分并行干扰抵消检测方法的误码率性能。结果表明，这种新的检测方法误码率性能可以收敛到单用户检测；并且性能优于一般匹配滤波器检测方法和其他部分并行干扰抵消检测方法。此外其计算复杂度没有显著增加，可以用于实际的CDMA通信系统。     

基于学习的并行免疫量子进化算法

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。并给出了多宇宙的并行拓扑结构,其中各宇宙独立演化．宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式．使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。仿真实验结果表明该算法比串行的免疫量子进化算法运算效率更高。