-
公开(公告)号：CN102708088A
公开(公告)日：2012-10-03
申请号：CN201210140745.9
申请日：2012-05-08
Applicant: 北京理工大学
Abstract: 本发明提出了一种面向海量数据高性能计算的CPU/GPU协同处理方法，用于解决海量数据计算运行效率偏低的问题。通过设计一套JAVA注释码规范以及搭建一个由多台计算机组成的计算机集群，在集群中部署改进后的Hadoop平台，改进后的平台中被加入设计好的Java注释码规范和GPU Class loader；在每个计算节点上安装好某一版本的CUDA，使用户在编写程序时可通过注释码在MapReduce的Map函数中方便的使用GPU计算资源。本方法实现了对计算机集群上CPU和GPU计算能力的统一调度利用，使兼具数据密集型和计算密集型特点的应用可被高效的实现，编写好的源代码具有可移植性，便于程序员进行开发。
-
公开(公告)号：CN114741880B
公开(公告)日：2024-07-30
申请号：CN202210398516.0
申请日：2022-04-15
Applicant: 北京理工大学
IPC: G06F30/20
Abstract: 本发明公开了一种计算群目标电磁特性的方法及装置，所述方法包括将处于入射方向的目标个体记为第一目标个体，确定所述第一目标个体的表面电流初始值；为所述群目标中除所述第一目标个体以外的其余目标个体的表面电流初始值赋值；确定各个目标个体两两连线方向上的散射场数值；确定所述各个目标个体之间的耦合作用，确定由于耦合作用产生的感应电流值，进而确定所述各个目标个体由耦合作用产生的感应电流值；基于所述由于耦合作用产生的感应电流值确定所述群目标在雷达视线方向的散射场；通过迭代的方式确定所述群目标的电流值，确定所述群目标在全方向上的电磁散射数据。
-
-
公开(公告)号：CN115754961A
公开(公告)日：2023-03-07
申请号：CN202211436168.8
申请日：2022-11-16
Applicant: 上海无线电设备研究所 , 北京理工大学
IPC: G01S7/41
Abstract: 本发明提供一种基于属性散射中心近场修正模型的回波生成方法，包含步骤：S1、输入属性散射中心远场模型的参数；S2、基于近场时的雷达参数、LSC与雷达之间的位置关系修正LSC的远场散射场幅度、相位，得到局部型散射中心近场修正模型；S3、划分DSC为多个分段，搜索各个雷达视线角度下，DSC被雷达观测到的分段及被观测区域；S4、通过阶跃响应函数，修正DSC的远场散射场幅度；S5、修正各雷达视线角度下DSC的远场散射场相位，结合DSC被观测到分段数量得到分布型散射中心近场修正模型；S6、基于属性散射中心近场修正模型，生成目标在当前雷达位置下的近场散射回波，改变雷达位置，重复S2至S6。
-
公开(公告)号：CN112711888B
公开(公告)日：2022-10-28
申请号：CN202110022284.4
申请日：2021-01-08
Applicant: 北京理工大学
IPC: G06F30/23
Abstract: 本发明公开了双向反射分布函数和散射中心的复合散射联合计算方法，实现超电大尺寸复合场景的散射回波的快速高效计算以及SAR图像仿真；本发明将复合场景的回波分为三部分，采用属性散射中心(ASC)拟合独立目标的散射回波；用基于BRDF的面元模型(BRDF‑FBM)拟合粗糙背景的散射回波；用四路径模型拟合目标与背景的多次散射分量；本发明使用了参数化模型，将复杂的散射回波积分运算用简单的数学代数式表示，其中参数式的未知量由遗传算法(GA)估计获得。该方法大大提高了计算效率，相比于多层快速多极子算法(MLFMM)运算速度提高了数万倍，同时RCS误差小于4db。本发明解决了超电大复合目标散射及成像的快速计算难题。
-
Patent Agency Ranking
公开(公告)号：CN111651911B
公开(公告)日：2022-09-02
申请号：CN202010303694.1
申请日：2020-04-17
Applicant: 北京理工大学
IPC: G06F30/23 , G06F111/10
Abstract: 本发明公开了一种集总元件阻抗灵敏度计算方法，从矩量法(MoM)的角度分析，发现加载集总元件阻抗会产生额外的稀疏低秩矩阵，本发明确定天线加载集总元件时的稀疏矩阵S，继而得到加载集总元件后天线阻抗矩阵；对于给定的端口激励矢量，合成感应电流的方程；最后基于方程得到感应电流向量I的一阶和二阶灵敏度信息；本发明仅仅需要求解两个形式为y＝Z′x的矩阵方程；获得这两个向量的复杂性仅需用三个右侧向量求解矩阵方程。与伴随变量方法相比，本发明计算关于加载阻抗的敏感度分析无需伴随矩阵的计算和存储，因此可提高速度和准确性。
-
公开(公告)号：CN113821967A
公开(公告)日：2021-12-21
申请号：CN202110624415.6
申请日：2021-06-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于散射中心模型的大样本训练数据生成方法，一、初始化仿真参数，所述仿真参数包括雷达方位角、频率及接收角度；二、设置目标的几何参数，在对应的仿真参数下，计算目标体的散射场数据；三、利用遗传算法拟合各散射中心幅度值，得到含有尺寸信息和幅值信息的目标散射中心参数模型；四、通过改变仿真参数和几何参数得到更多对应的RCS与时频像，实现训练样本的扩充；本发明能够快速生成满足神经网络训练需求的大量的训练样本。
-
公开(公告)号：CN109947563B
公开(公告)日：2020-10-27
申请号：CN201910168049.0
申请日：2019-03-06
Applicant: 北京理工大学
Abstract: 本发明公开了一种并行多层快速多极子树结构复合存储方法，该方法将多层快速多极子树结构的存储方式分为复合存储层和其他层两类，按盒子并行层的次高层至最底层为复合存储层，采取本地存储树与非本地代理树的复合存储模式：多极子树结构分布式离散存储在各个进程，形成本地存储树；本地存储盒子计算远相互作用过程中所需用到的本层非本地节点顺序压缩存储，形成非本地代理存储树，使用时通过二分查找快速寻址，在其他层，所有进程上完整保存各层多极子树结构，多极子相邻作用盒子对信息填充完毕后，非本地代理树高度压缩去除冗余，仅在多层快速多极子最底层保留，以进一步减小峰值内存，提高节点寻址效率。
-
公开(公告)号：CN109918782B
公开(公告)日：2020-10-27
申请号：CN201910168674.5
申请日：2019-03-06
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于辅助树的多层快速多极子并行网格细剖方法，本发明基于粗网格三角形单元中心构建辅助树，对此辅助树采取与计算所用多极子树结构相同的离散模式、进程数进行分层离散，并根据按盒子并行首层的离散模式，经遍历到最细层建立三角形单元与计算所用进程间的分布映射，对三角形单元、边、顶点编号重排形成分区连续的粗网格文件；其次，并行读取粗网格文件，各进程上对粗网格进行均匀一致性细剖，并对新生成的边、点、三角形重编号形成完整细网格信息，本发明方法可最大限度的保持数据的本地性，缩减通信数据量，因此具有很高的并行效率。
-
公开(公告)号：CN111651911A
公开(公告)日：2020-09-11
申请号：CN202010303694.1
申请日：2020-04-17
Applicant: 北京理工大学
IPC: G06F30/23 , G06F111/10
Abstract: 本发明公开了一种集总元件阻抗灵敏度计算方法，从矩量法(MoM)的角度分析，发现加载集总元件阻抗会产生额外的稀疏低秩矩阵，本发明确定天线加载集总元件时的稀疏矩阵S，继而得到加载集总元件后天线阻抗矩阵；对于给定的端口激励矢量，合成感应电流的方程；最后基于方程得到感应电流向量I的一阶和二阶灵敏度信息；本发明仅仅需要求解两个形式为y＝Z′x的矩阵方程；获得这两个向量的复杂性仅需用三个右侧向量求解矩阵方程。与伴随变量方法相比，本发明计算关于加载阻抗的敏感度分析无需伴随矩阵的计算和存储，因此可提高速度和准确性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.021 seconds)
