| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 研究工作 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 相关研究 | 第19-26页 |
| 2.1 嵌入式处理器研究 | 第19-22页 |
| 2.1.1 嵌入式处理核研究 | 第19-20页 |
| 2.1.2 嵌入式多核处理器研究 | 第20页 |
| 2.1.3 嵌入式GPU研究 | 第20-21页 |
| 2.1.4 嵌入式服务器处理器研究 | 第21-22页 |
| 2.2 软件工具研究 | 第22-25页 |
| 2.2.1 编译工具研究 | 第22-23页 |
| 2.2.2 操作系统及其工具研究 | 第23-24页 |
| 2.2.3 并行计算工具研究 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 高性能并行分布式嵌入式集群构建与性能测试 | 第26-46页 |
| 3.1 硬件体系结构设计 | 第26-30页 |
| 3.1.1 NEON寄存器 | 第28-29页 |
| 3.1.2 线程级并行结构 | 第29页 |
| 3.1.3 嵌入式集群存储结构 | 第29-30页 |
| 3.2 软件架构设计 | 第30-35页 |
| 3.2.1 操作系统构建 | 第31-33页 |
| 3.2.2 上层软件构建 | 第33-35页 |
| 3.3 计算性能测试与分析 | 第35-45页 |
| 3.3.1 集群计算节点性能测试与分析 | 第35-38页 |
| 3.3.2 集群性能测试与分析 | 第38-40页 |
| 3.3.3 集群对比分析 | 第40-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于并行分布式嵌入式集群的Canny算法 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 算法向量化模型构建 | 第46-50页 |
| 4.2.1 NEON寄存器编程模型 | 第47-48页 |
| 4.2.2 高斯滤波算法向量化 | 第48-49页 |
| 4.2.3 响应强度计算的向量化 | 第49-50页 |
| 4.3 Canny算法的并行化 | 第50-52页 |
| 4.3.1 邻域数据无关法 | 第50-51页 |
| 4.3.2 独立图片划分 | 第51-52页 |
| 4.4 算法提出 | 第52-53页 |
| 4.5 实验及分析 | 第53-57页 |
| 4.5.1 算法的准确性分析 | 第54-55页 |
| 4.5.2 算法运行时间实验 | 第55-56页 |
| 4.5.3 算法并行性分析 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 基于嵌入式CPU、GPU异构计算的Canny算法 | 第58-67页 |
| 5.1 嵌入式CPU与GPU的结构优势 | 第58-59页 |
| 5.2 算法加速 | 第59-62页 |
| 5.2.1 数据传输加速 | 第59-60页 |
| 5.2.2 高斯滤波加速 | 第60-61页 |
| 5.2.3 加速梯度计算和非极大值抑制 | 第61页 |
| 5.2.4 加速双阈值的估计 | 第61-62页 |
| 5.2.5 ECG-Canny算法 | 第62页 |
| 5.3 实验及分析 | 第62-65页 |
| 5.3.1 数据传输测试 | 第62-64页 |
| 5.3.2 运行时间测试 | 第64-65页 |
| 5.4 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 附录A 攻读硕士学位期间发表论文 | 第74-75页 |
| 附录B 攻读硕士学位期间所参与的项目 | 第75-76页 |
| 致谢 | 第76-77页 |