首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

MUSER成像中的Grid技术研究与实现

摘要第5-6页
Abstract第6-7页
第一章 绪论第12-22页
    1.1 研究背景第12-17页
        1.1.1 明安图超宽频谱射电日像仪(MUSER)介绍第12-14页
        1.1.2 MUSER主要性质与特点第14-17页
    1.2 国内外研究现状第17-19页
        1.2.1 日像仪图像重建的研究进展第17-18页
        1.2.2 日像仪图像洁化的研究进展第18-19页
    1.3 本论文研究的意义第19页
    1.4 论文的结构和安排第19-20页
    1.5 本章小结第20-22页
第二章 综合孔径成像原理简介及相关技术研究第22-34页
    2.1 综合孔径成像原理简介第22-25页
    2.2 相关数据的获取第25-27页
        2.2.1 u,v,w的获取第25-26页
        2.2.2 采样与成像第26-27页
    2.3 傅里叶变换成像原理第27-30页
        2.3.1 傅里叶变换性质第27-28页
        2.3.2 傅里叶变换成像第28-30页
    2.4 GPU并行编程第30-32页
        2.4.1 GPU的发展概述第30-31页
        2.4.2 CUDA线程并行编程第31-32页
    2.5 本章小结第32-34页
第三章 MUSER成像中的Grid技术研究第34-54页
    3.1 MUSER成像中的图像分析第34-35页
        3.1.1 空间分辨率分析第34-35页
    3.2 MUSER成像过程研究第35-37页
    3.3 采样函数和加权复可见函数第37-42页
        3.3.1 采样函数第37-38页
        3.3.2 控制脏束形状的加权函数第38-42页
        3.3.3 不同加权函数之间的区别第42页
    3.4 复可见数据网格化第42-50页
        3.4.1 卷积网格化第43-45页
        3.4.2 混叠效应第45-46页
        3.4.3 卷积网格函数的选择第46-47页
        3.4.4 不同卷积网格函数的比较第47-50页
    3.5 网格化中其他的问题第50-52页
        3.5.1 非共面基线第50-51页
        3.5.2 W-Projection算法第51-52页
        3.5.3 ID的问题—旁瓣第52页
    3.6 本章小结第52-54页
第四章 MUSER成像中Grid技术的实现第54-68页
    4.1 并行计算第54页
    4.2 Grid技术实现流程图第54-55页
    4.3 卷积网格化函数的实现第55-59页
    4.4 MUSER程序中Grid技术并行计算处理过程第59-67页
        4.4.1 并行网格化过程中的内核函数第59-60页
        4.4.2 网格化内核函数具体实现过程第60-65页
        4.4.3 并行网格化处理后成像过程第65-67页
    4.5 本章小结第67-68页
第五章 性能测试与分析第68-76页
    5.1 测试的实验环境第68页
    5.2 单进程时成图的效率测试第68-69页
    5.3 利用GPU时成图的效率测试第69-73页
    5.4 在GPU环境下的W-Projection技术的效率测试第73-74页
    5.5 性能对比分析第74-75页
    5.6 本章小结第75-76页
第六章 总结与展望第76-80页
    6.1 全文工作总结第76-77页
    6.2 对未来工作的展望第77-80页
致谢第80-82页
参考文献第82-86页
附录A 攻读硕士期间发表论文目录第86-88页
附录B 攻读硕士期间参与的研究工作第88页

论文共88页,点击 下载论文
上一篇:基于模式识别的科学数据标记方法研究
下一篇:基于贝叶斯压缩感知的人脸识别研究