数字信号处理的并行算法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数字信号处理的并行算法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 并行计算概论1

1.1 并行计算机1

1.1.1 SIMD计算机1

1.1.2 MIMD计算机2

1.2 并行算法6

1.2.1 并行算法的基本概念7

1.2.2 并行算法的分类12

1.2.3 并行算法研究的基本方法13

1.3 并行计算模型15

1.4 并行程序设计21

1.4.1 并行程序设计模型21

1.4.2 并行程序设计环境23

1.4.3 自动并行化编译系统31

1.5 国内外高性能计算研究现状与展望31

1.5.1 国内外高性能计算研究现状31

1.5.2 国内外高性能计算发展趋势35

第二章 离散傅里叶变换的并行算法40

2.1 离散傅里叶变换及其快速算法40

2.1.1 一维DFT的快速算法41

2.1.2 二维及多维DFT的快速算法45

2.2 并行快速傅里叶变换52

2.2.1 MIMD并行算法52

2.2.2 向量并行算法54

2.3 二维及多维DFT的并行算法56

2.3.1 并行行列算法57

2.3.2 并行矩阵转置58

2.3.3 通信和计算的重叠62

2.4 并行多项式变换算法62

2.5 一维DFT的分裂并行算法67

第三章 离散余弦变换与离散W变换的并行算法73

3.1 离散余弦变换及其快速算法73

3.1.1 DCT同DFT的关系75

3.1.2 DCT的直接分解算法76

3.1.3 任意长度一维DCT的直接分解算法78

3.1.4 二维及多维离散余弦变换85

3.2 DCT的并行算法87

3.2.1 一维DCT的分裂并行算法87

3.2.2 二维及多维DCT的并行算法90

3.3 离散W变换及其快速算法96

3.3.1 DWT同DFT的关系97

3.3.2 DWT的直接分解算法98

3.3.3 二维及多维DWT105

3.4 离散W变换的并行算法114

3.4.1 一维DWT的并行算法114

3.4.2 多维DWT的并行算法116

3.5 离散W变换的卷积定理116

4.1 小波变换导论124

4.1.1 连续小波变换124

第四章 小波分析的并行算法124

4.1.2 二进小波变换125

4.1.3 小波级数126

4.1.4 多尺度分析和离散小波变换128

4.1.5 高维多尺度分析和Mallat算法132

4.1.6 小波包算法135

4.2 小波函数值的计算135

4.2.1 叠代方法136

4.2.2 逐？方法137

4.2.3 ？小波函数的计算140

4.3 小波变换的计算146

4.3.1 有限长度离散小波的计算147

4.3.2 离散小波变换计算的傅里叶变换方法151

4.3.3 小波级数和连续小波变换的计算153

4.4 小波包最优基选取的并行算法155

4.4.1 小波包和最优基155

4.4.2 并行小波包分解和最优基选取157

4.5.1 一维离散小波变换的并行算法160

4.5 离散小波变换的并行算法160

4.5.2 二维离散小波变换的并行算法162

4.5.3 逆离散小波变换的并行算法164

4.5.4 算法的并行实现166

4.6 注记和说明168

第五章 数字图像处理中的并行算法171

5.1 简介171

5.2 直方图的并行算法172

5.3 并行边缘检测技术及其相关算法177

5.3.1 边缘检测算子179

5.3.2 基于小波的多方向、多尺度并行边缘检测技术184

5.3.3 Hough变换及其并行算法191

5.4 二维区域分割的一种并行算法197

5.4.1 深度与方向的不连续性198

5.4.2 扩散平滑199

5.4.3 边界处理200

5.4.4 曲率图像的计算201

5.4.5 零阈值取法202

5.4.6 输出数据与分类202

5.4.7 并行算法的实现202

第六章 基于代数结构的并行神经网络算法206

6.1 人工神经网络206

6.1.1 人工神经元与神经网络206

6.1.2 连接模型208

6.1.3 学习与回溯阶段209

6.2 神经网络有监督学习算法209

6.2.1 感知机与Adaline模型210

6.2.2 前馈网络212

6.2.3 递归神经网络215

6.2.4 反向传播学习218

6.2.5 其他有监督学习算法221

6.3.1 Kohonen图的构造223

6.3.2 传播激活规则223

6.3 神经网络中无监督的学习算法——Kohonen图223

6.3.3 训练Kohonen自组织特征图225

6.4 用于无监督学习算法的模型化并行226

6.4.1 Petri网226

6.4.2 并行实现方式227

6.5 有监督学习的代数分治231

6.5.1 并行矩阵乘积232

6.5.2 处理器网络、结构与布局235

6.5.3 反向传播并行算法237

6.5.4 并行Hopefield网络算法239

6.6 并行Kohonen图算法240

6.6.1 一种简明的并行算法240

6.6.2 负载平衡的改进241

第七章 素性测试和大整数分解244

7.1 引言244

7.1.1 公钥密码体制244

7.1.2 素性测试245

7.1.3 大整数分解246

7.2 概率素性测试法248

7.2.1 并行费马素性测试法248

7.2.2 并行Solovay-Strassen素性测试法251

7.2.3 并行Miller-Rabin素性测试法253

7.3 确定性素性测试法258

7.3.1 Jacobi和素性测试258

7.3.2 椭圆曲线素性测试法261

7.4.1 Kraitchik格式262

7.4 大整数分解的分解基算法262

7.4.2 并行分解基算法263

7.4.3 分解基算法的启发式时间复杂性估计266

7.5 二次筛因子分解法及其并行处理270

7.5.1 单个多项式的二次筛法270

7.5.2 多个多项式的二次筛法271

7.6 数域筛法及其并行处理276

7.7 椭圆曲线因子分解法280