基于高斯粒子滤波与消息传递的协同导航方法

针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。     

多模块消息传递的自动化测试框架设计与实现

针对含有用户界面、配置等多个模块之间需要进行一系列交互才能共同完成设计功能的软件系统的测试方法进行研究,提出了一种能够有效完成模块内以及模块间自动化测试的测试框架,本设计不仅可以对不同模块做到较好的测试覆盖,而且可以在无需重新编译或修改测试模块的前提下,完成针对多模块之间配合关系的自动化测试。     

线性阵列上的奇偶归拆排序并行算法的MPI实现

主要介绍了线性阵列上的奇偶归拆排序的并行算法思想,给出了算法基于网络工作站的MPI实现,并 对算法进行了讨论和分析．     

基于MPICH的MPI并行环境分析

目前国内外高性能计算机系统中最广泛使用的并行编程环境是MPI。MPI是国际上的一种并行程序的标准，具有移植性好，功能强大，效率高等多种优点。MPICH是一种最重要的MPI实现，是一个与MPI规范同步发展的版本。论文通过对MPICH源代码的分析，了解MPI函数的内部实现方式，包括：消息传递的实现方式、消息的缓存方式和数据类型的匹配和转换等，并在此基础上，进一步分析该方式的优缺点，改进MPICH的实现方式，同时可以为MPI的改进提供指导。     

用GOOMPI进行消息传递

为提高基于消息传递的并行程序设计的效率,创新性地将现代泛型和面向对象技术应用于新型消息传递库(GOOMPI).在GOOMPI中,构造了一个完整的可扩展框架,用于对任意复杂及动态的数据结构进行划分、序列化和传递;并研究了如何利用并扩展GOOMPI的消息传递机制来传递用户自定义数据结构,以有效地开发并行程序.     

AR系统中并行技术的应用研究

AR(Augmented Reality增强现实)系统运行时包含很多图形、图像的相关计算任务，要求系统实时完成，这个问题在基于PC的AR系统中更为突出。为了提高IP(1mage Processing图像处理)计算的实时性，提出了一种可行的并行解决方案。硬件上采用基于SMP(Symmetric Multiple Processor对称多处理器)的Cluster结构，算法上运用并行图像算法。在Windows操作系统下用多线程和MPI(Message Passing Interface消息传递接口)技术，设计了并行图像算例实验，并对这两种方法进行了综合比较。     

PDD算法在对称多处理器高性能计算机上的并行实现

使用基于MPI并行编程方法，对PDD算法进行了并行处理及fortran编程，给出了并行代码在上海大学计算机学院自强2000集群式高性能计算机上的运行结果，以及与串行程序相比较的并行加速比。     

机群上DSM和消息传递方法的集成

在并行分布式计算领域中,基于NOW(Network of Workstation)的分布式共享存储器(DSM:Distributed Shared Memory)系统越来越受到人们的青睐.然而,要想在这种系统上获得较好的可编程性和性能,则需要系统支持细颗粒度的并行性,并且简化编程.我们设计了一个并行分布式系统,该系统由六台SUN Sparc上作站通过10M以太网组成,外加基于线程的MPI运行库和自定义的DSM-C程序设计语言,同时用软件方法实现Cache一致性.所有这些构成了一个较好的并行程序设计环境     

最大互信息系数的并行计算方法研究

针对最大互信息系数（Maximal Information Coefficient,MIC）近似算法在大规模数据场景下的计算时间复杂度高,计算时间增长快的问题,提出一种最大互信息系数并行计算（The Parallel Computing Maximal Information Coefficient,PCMIC）方法。分别在Spark和Spark-消息传递接口（Message Passing Interface,MPI）计算框架中,在不同的数据规模和不同的噪声水平下,利用PCMIC算法对十四种典型的相关关系做并行计算。另外在不同节点数的情况下,选择两种具有代表性的相关关系来测试PCMIC算法在两种计算框架中的性能。实验结果表明：（1）PCMIC算法在两种框架下的运算效果与原始MIC近似算法相比,同样具有普适性和均匀性,而且具有良好的可扩展性。（2）随着数据规模和节点数的增加,PCMIC算法在两种框架中运算的时间增长明显比MIC近似算法慢,而且在Spark-MPI框架下的并行加速比和效率略优于Spark。（3）Spark能够支持MPI任务的调度,为研究不同并行计算框架之间的融合奠定了一定的理论和应用基础。     

X:E级系统结点内编程模型研究

基于对E级系统特征的分析和对混合编程模型编程经验的总结,提出了对E级系统结点内编程模型的七项需求.对照七项需求分析了现有编程模型的优点和不足.分析可知:对E级系统的结点内编程模型的研究应该在保证编程模型简单性的前提下,有针对性地解决当前编程模型在性能可扩展性、模型层次性和模型异构性的不足.