一种面向CPU/GPU异构环境的协同并行空间插值算法

CPU/GPU异构混合系统是一种新型高性能计算平台,但现有并行空间插值算法仅依赖CPU或GPU进行加速,迫切需要研究协同并行空间插值算法以充分利用异构计算资源,进一步提升插值效率。以薄板样条函数插值为例,提出一种CPU/GPU协同并行插值算法以加速海量激光雷达（light detector & ranger,LiDAR）点云生成数字高程模型（DEM）。通过插值任务的分解与抽象封装以屏蔽底层硬件执行模式的差异性,同时在多级协同并行框架基础上设计了Greedy-SET动态调度策略,策略顾及底层硬件能力的差异性,以实现异构并行资源的充分利用和良好负载均衡。实验表明,协同并行插值算法在高性能工作站上取得19.6倍的加速比,相比单一CPU或GPU并行算法,其效率提升分别达到54%和44%,实现了高效的协同并行处理。     

一种基于GPU的DEM并行插值算法

采用Open CL框架下的CPU/GPU平台,借助GPU在并行浮点运算方面的巨大优势,提出了DEM并行插值算法;同时以反距离加权插值算法为例,分析了传统插值算法和并行插值算法之间的优缺点与适应性。最后,通过对比实验对两类算法进行了比较。实验表明,当插值点数较少时,GPU并行插值算法效率低于传统算法;然而,当插值点数很高时,并行插值算法的计算效率较传统插值算法有了显著提高,加速的效果甚至高达137倍。实验证明GPU并行插值算法具有很强的可行性。     

基于GPU的DEM并行克里格插值算法

本文借助GPU在并行浮点运算方面的巨大优势,通过对串行克里格插值算法可并行性的分析,基于并行LU分解法、并行邻域搜索方法和直接邻域比较搜索方法,提出了基于GPU的DEM并行克里格插值算法。通过对比实验可知,当插值点数较少时,并行克里格插值算法效率低于串行算法,然而,当插值点数很高时,并行克里格插值算法的效率较串行算法有了显著提高,加速的效果甚至高达102倍。     

Kriging法在区域重力场插值中的适用性研究

由于重力观测网点位分布不均匀,密度不够,在精细刻画区域重力场变化时受到很大限制,因此需采用合理的插值算法。文中介绍Kriging插值算法和变异函数理论模型的基础上,结合陕西地区2011—2012年离散重力变化数据,利用最小二乘法得到各个理论变异函数模型的拟合参数,并将实验变异函数模型用于Kriging插值算法,同时综合考虑交叉验证精度统计、插值精度统计结果,以此来研究Kriging插值算法的适用性,研究结果表明:基于最小二乘法获得的球形模型、指数模型拟合参数精度高,高斯模型、对数模型精度最差;基于球形模型、指数模型的实验变异函数用于Kriging插值算法得到的插值结果精度最高、图像平滑自然、异常区明显,是一种适合陕西地区重力离散数据进行插值计算的有效算法。     

统一计算设备架构的D8算法并行化研究

针对空间遥感技术的快速发展导致地理空间数据呈几何级数增长,传统GIS空间分析面临巨大的计算实时性需求的问题,该文为提高GIS数字地形分析算法在处理海量高分辨率DEM数据时的计算效率,基于CUDA众核流处理器并行编程模型,采用不同数据划分方法、纹理内存及异步数据传输机制等技术,对串行D8算法进行了并行化设计及算法优化,探索并分析了D8并行算法的数据拷贝与算法执行等环节的计算效率变化。实验结果表明,CUDA并行编程能够对D8算法实现较为明显的加速,在按5个行子块进行划分、调用1 344个线程时并行加速效果达到最佳,加速比为19.5。并且,在不同行子块划分方式下且调用线程数不超过1 344个时,加速比随调用线程数的增加而增长,计算时间占比随线程数的增加呈递减趋势。     

基于Kriging方法的负偏态分布数据的空间插值研究

Kriging插值方法的前提是数据符合或基本符合正态分布的假设,或通过对非正态数据进行正态变换,使其满足要求。但对于拖尾的负偏态分布数据,正态变换方法无法奏效,若直接对数据进行Kriging插值,精度较低。文中在对样本数据深入分析的基础上,借助GIS平台,从不同透视角度对数据进行趋势分析,利用二次多项式模型对数据进行全局趋势拟合,并对随机的短程变异进行Kriging插值,选取不同的变异函数模型进行拟合比较,最终确定最优的模型参数,达到较为理想的插值结果。     

基于PMVS算法的大规模数据细粒度并行优化方法

三维多视角立体视觉算法（patch-based multi-view stereo，PMVS）以其良好的三维重建效果广泛应用于数字城市等领域，但用于大规模计算时算法的执行效率低下。针对此，提出了一种细粒度并行优化方法，从任务划分和负载均衡、主系统存储和GPU存储、通信开销等3方面加以优化；同时，设计了基于面片的PMVS算法特征提取的GPU和多线程并行改造方法，实现了CPUs_GPUs多粒度协同并行。实验结果表明，基于CPU多线程策略能实现4倍加速比，基于统一计算设备架构（compute unified device architecture，CUDA）并行策略能实现最高34倍加速比，而提出的策略在CUDA并行策略的基础上实现了30%的性能提升，可以用于其他领域大数据处理中快速调度计算资源。     

PC集群环境下的并行地理网络车辆路径算法

针对PC集群计算节点内存小、进程间通信速度慢的问题,本文设计了分布式的数据存储机制;提出了用同步变换规则代替解编码传输的进程间通信方式;基于邻域分解策略实现了禁忌搜索过程的并行化,发展了一种适用于PC集群环境的并行地理网络VRP算法。应用模拟路网数据进行了相关试验,结果表明：本文算法的计算结果与ArcGIS基本一致,二者平均偏差率在2.11%~2.87%之间;分布式数据存储策略有效地降低了各进程对内存的需求量,保证了算法的稳健性和扩展性;通过算法的并行化提高了VRP算法的求解效率;该算法具有良好的加速性能,8进程时在各测试数据集中的加速比均在4.46~6.32之间。     

三维激光扫描技术在复杂地质隧道岩体信息获取中的优化

为了更高效、高精度地获取岩体结构面信息,借助三维激光扫描技术,提出并建立一种基于Kriging算子和最小二乘法组合的点云插值方法。首先对获取的隧道点云数据利用单一的最小二乘法进行插值,并以此为基础,结合Kriging算子的适应度函数建立组合插值模型。在利用三维激光扫描仪已获取的某岩溶隧道的原始点云数据的基础上,运用组合模型进行插值处理,以此获取岩体结构面信息,并将组合方法得到的结果与单一的插值方法进行对比,发现组合方法插值效果较好,误差也较小。基于Kriging算法和最小二乘法结合的插值方法,在利用三维激光扫描技术获取岩溶隧道岩体几何信息—结构面产状的过程中能更加精确、全面,并可以用于岩体稳定性评价。     

Kriging模型在区域重力数据插值中的应用

探讨Kriging插值法在重力异常数据插值中的应用,根据已有实测数据进行距离分组试验,得到变异函数;将插值结果与反距离加权法和移动趋势面分析法结果进行比较分析,认为Kriging插值具有更高的拟合精度,更能适应数据变化较大的区域。     

用遗传算法改进模糊隶属度克里格插值的研究

克里格法是一种应用广泛的空间插值方法,本文研究了指示克里格法和模糊隶属度克里格法,讨论了用遗传算法对模糊隶属度克里格法进行改进的可能性及效果,并在空气污染数据插值中对3种方法的效果进行了比较。实验结果分析表明,遗传算法改进的模糊隶属度克里格插值在结果上要优于前2种方法,且具有鲁棒性较高和适应性较强等优点。     

全球MODIS气温数据的修正秩克里金插值分析

高维数据插值是大数据分析的一个基本内容,传统克里金插值方法的计算复杂度,是O(n3),即随数据观测量的增大其计算复杂度以3次方速度增长,无法满足实时性应用需求强的克里金插值。修正秩克里金(FRK)方法通过矩阵分解降低大维矩阵的运算维数来简化矩阵计算,提高计算速度。在大数据分析背景下,借助FRK方法对全球MODIS气温数据进行统计建模并计算实现气温数据的插值分析。将其与普通克里金(OK)作对比实验,结果表明,相较于OK方法,FRK方法的插值精度并没有降低;在计算效率方面,使用FRK方法进行插值时,随数据量增大,耗时程度趋于缓慢平稳增长,而同一环境下的OK方法耗时随数据量增大呈指数增长趋势。相对于传统克里金方法,FRK能够在保证插值精度的同时显著降低其计算复杂度,缩短插值时间。     

Computationally Efficient Mean-Shift Parallel Segmentation Algorithm for High-Resolution Remote Sensing Images

In high-resolution remote sensing image processing, segmentation is a crucial step that extracts information within the object-based image analysis framework. Because of its robustness, mean-shift segmentation algorithms are widely used in the field of image segmentation. However, the traditional implementation of these methods cannot process large volumes of images rapidly under limited computing resources. Currently, parallel computing models are generally employed for segmentation tasks with massive remote sensing images. This paper presents a parallel implementation of the mean-shift segmentation algorithm based on an analysis of the principle and characteristics of this technique. To avoid the inconsistency on the boundaries of adjacent data chunks, we propose a novel buffer-zone-based data-partitioning strategy. Employing the proposed data-partitioning strategy, two intensively computation steps are performed in parallel on different data chunks. The experimental results show that the proposed algorithm effectively improves the computing efficiency of image segmentation in a parallel computing environment. Furthermore, they demonstrate the practicality of massive image segmentation when computer resources are limited.     

克里金插值的多路径误差空间分布特征

针对多路径误差的空间分布特征,该文提出采用克里金插值法构建多路径误差的空间插值模型。通过采用ArcGIS中克里金插值工具构建的多路径误差的空间插值模型,较好地展现出多路径误差与测站位置、反射源距离等因素的空间分布特征。实验结果表明:对比泛克里金插值法、普通克里金插值法、简单克里金插值法3种方法构建的多路径误差插值模型,普通克里金插值法的效果最好。研究成果直观反映出在林区、多层建筑物等环境下多路径误差影响较大,还预测出未采样区域的多路径误差影响范围,该研究成果可应用于GPS观测站选址、GPS测量技术设计等领域。该文从空间分布特征的角度提出了一种新的研究多路径误差特性的思路,实现了对指定测区内的多路径误差的空间分布特征的探究。     

Implementation of the parallel mean shift-based image segmentation algorithm on a GPU cluster

The mean shift image segmentation algorithm is very computation-intensive. To address the need to deal with a large number of remote sensing (RS) image segmentations in real-world applications, this study has investigated the parallelization of the mean shift algorithm on a single graphics processing unit (GPU) and a task-scheduling method with message passing interface (MPI)+OpenCL programming model on a GPU cluster platform. This paper presents the test results of the parallel mean shift image segmentation algorithm on Shelob, a GPU cluster platform at Louisiana State University, with different datasets and parameters. The experimental results show that the proposed parallel algorithm can achieve good speedups with different configurations and RS data and can provide an effective solution for RS image processing on a GPU cluster.     

顾及粗差影响的全球电离层克里金插值及精度分析

针对克里格电离层插值方法受粗差数据影响和全球适用性问题，基于克里金插值的变异函数，构造电离层插值的粗差剔除统计量，实现插值过程自动化粗差剔除。采用全球电离层总电子含量格网产品进行试验验证，得出以下结论：①粗差剔除统计量能有效剔除粗差，保证插值精度与样本精度相当；②基于2014年太阳活动高年样本，克里金插值的精度RMS为1.0~5.0 TECU（total electron content unit）。     

提高对流层天顶总延迟解算精度的新方法探讨

对流层天顶总延迟的解算精度,直接影响长基线解算的精度和大气水汽含量的计算精度。文中提出克利金内插法解算天顶总延迟的新方法,并利用南极长城站和周边IGS跟踪站的GPS数据,通过高精度解算软件GAMIT/GLOBK,解算出长城站上空的对流层天顶总延迟,将其与利用内插方法解算的天顶总延迟进行了对比分析,得出:利用该内插方法获取的南极长城站在夏季的天顶总延迟的均方差可达0.2mm,这对今后GPS高精度定位和GPS气象学应用来说,具有重要意义。     

一种基于主成分分析的协同克里金插值方法

针对协同克里金插值方法在插值时,辅助变量较多造成计算复杂度增加,而辅助变量较少引起插值精度降低这一问题,提出了一种基于主成分分析的协同克里金插值方法（PCA-CoKriging）。该方法首先使用主成分分析对插值相关变量进行将维,得到较少几个综合指标,然后里利用这几个综合指标作为辅助变量进行协同克里金插值。为验证该方法的有效性和数据分布对该方法的影响,本文选取了2016年北京市范围内4个季节中PM_2.5浓度满足正态分布效果不同的4组数据,分别使用PCA-CoKriging和普通克里金插值方法、常规协同克里金插值方法,进行了插值试验。结果表明,本文方法与普通克里金插值方法、常规协同克里金插值法在4组试验中的平均绝对误差分别为4.91、6.04、5.61,平均均方根误差分别为6.65、8.76、7.57。综合比较,本文方法比常规协同克里金插值的平均绝对误差与均方根误差分别提升了10.73%、12.56%,比普通克里金插值法的平均绝对误差与均方根误差分别提升了18.71%、24.09%。