简介:一.应用背景。过去,话音传输和数据传输基本上在两种不同的网络上实现:随着用户对两类传输的需求逐渐趋同,在同一传输平台上融合实时业务和数据业务成为趋势。在SDH等传统的时分复用系统(TDM)上提供数据通道,例如传输以太网信号等,已经有许多成熟的方法。而在以太网上传送实时业务,较多的努力都集中在终端方面,产生了各种将语音、图像等信息直接装入以太网(或IP)数据包中的特殊终端设备。但是在短期内,并不可能,也无必要将长期以来基于TDM技术发展起来的各种终端全部改造成基于数据包的新型终端。在以太网上实现透明的仿真E1通道,可以充分利用现有的各种基于E1的终端设备,在日益普及的大量以太网资源上快速提供各种服务。为此,E1over以太网适配设备应运而生,该设备可以在现有的以太网或者IP网上快速建立E1链路,从而提供E1的快速接入。
简介:专家场(FieldsofExperts,FOE)图像先验模型是一种基于滤波器学习的高阶马尔可夫随机场(MRF)模型,对于许多图像复原问题该模型已经被验证其有效性。本文提出一种基于FOE图像先验模型的新的变分模型,用于相干斑噪声(乘性噪声)去噪。本文提出的变分模型需要求解一个非凸极小化问题,该问题可以通过iPiano(InertialProximalAlgorithmforNonconvexOptimization)算法来有效地解决。通过仿真图像和真实合成孔径雷达(SyntheticApertureRadar,SAR)图像的去噪试验,可以表明本文提出的算法与目前最好的相干斑去噪算法性能相当。此外,本文提出的算法适用于图形处理器(GraphicsProcessingUnit,GPU)平台并行加速,可以大大提高运算效率。
简介:摘要本文提出了一种新的性能评估模型——multi-roofline模型。作为roofline模型的延伸,multi-roofline模型可以为异构计算平台提供二元域算法建模,分析算法在异构计算平台上所能取得的理论极限,并能帮助找到算法的理论瓶颈,为算法在异构计算资源上的部署提供有力支持。