本发明公开了用于骨科手术导航的点云配准硬件加速方法及系统，涉及医疗手术中注册空间配准技术领域，解决了现有骨科手术导航术中空间配准算法存在的点云配准计算成本大、耗时长、配准精度低的问题，方案要点：获取电磁定位系统中实际注册的骨头点云数据；将骨头点云数据导入FPGA；基于DSP模块对骨头点云数据进行点云粗配准得到初始变换矩阵；基于初始变换矩阵进行点云精配准得到最优变换矩阵；其中K‑D Tree点云数据拓扑结构构建和最近邻点搜索分别由FPGA中的树拓扑结构数据模块和最近邻点搜索模块执行，其余步骤由FPGA中的嵌入式CPU执行；采用粗配准和精配准结合FPGA加速，降低成本、加快点配准速度、提高配准精度。
📄 202510183695X
📂 G06T7_30
👤 重庆邮电大学
📅 2025-02-19
本发明公开了一种基于FPGA的同态加密硬件加速器，包括FPGA端，FPGA端包括数据传输模块、控制模块、同态加密模块、同态解密模块、数论变换模块和小变大模数转换模块；数据传输模块用于实现FPGA端与上位机之间的数据传输；控制模块用于根据加密或解密操作控制数据在各个模块之间的流向；数论变换模块用于对输入的数据进行数论变换或逆数论变换得到变换后的数据或逆数论变换后的数据；同态加密模块用于对经过变换后的数据进行加密得到密文数据；同态解密模块用于对经过变换后的数据进行解密得到明文数据；小变大模数转换模块用于将多路小位宽模数的密文数据或明文数据转换为一路大位宽模数的数据。提高了同态加解密的计算效率。
📄 2025101092140
📂 G06F21_72
👤 重庆邮电大学
📅 2025-01-23
一种基于随机与并行计算策略的RTL级电路可靠性度量方法，首先，对网表进行解析并对相关量进行初始化，以为后续计算做好准备；接着，基于sobol序列构建均匀非伯努利序列的生成方法，并基于该序列生成方法分别利用并行计算策略构建长度为ls的电路输入向量与面向模块输出端的故障注入许可序列；然后，基于随机计算策略分别并行计算了针对各输入向量在不同状况下的电路逻辑输出；最后，通过最大‑最小蚁群算法实现了算法的自适应收敛。本发明有效兼顾评估精度与计算速度。
📄 2020102163704
📂 G06F30_327
👤 浙江工业大学
📅 2020-03-25
本发明公开了一种基于并行计算的像素筛查方法，包括以下步骤：步骤一：首先根据图片像素的数量分配相应的threads；步骤二：通过每个线程协作运行对分块图像进行运算；步骤三：对每个像素和预设设定的缺陷阈值进行比较；步骤四：利用规约算法对共享内存中的数据进行计算得出最终结果；本发明能够有效减少像素筛查的计算时间，完成待处理图像的缺陷统计所需的时间将远小于传统串行筛查算法，从而保证缺陷检测的实时性。
📄 2019100999649
📂 G06T7_00
👤 浙江工业大学
📅 2019-01-31
本发明提供了一种基于CPU‑GPU异构复合式并行计算框架的密码子偏差系数实现方法，包括：在刀片机上建立集群，每台刀片机作为一个节点；并将主节点同时设置为主节点和从节点；搭建CUDA框架环境，并进行网络配置；对提交的批量作业目录进行预处理，拟合输出包含各个待处理任务文件实际HDFS存储位置的任务清单到指定的目录；定义对任务清单的划分规则，并发送到节点中进行处理；获取到单个任务文件的HDFS路径，将其下载到本地节点后，整理为命令请求；并将文件内容和命令请求发送到GPU服务器上；在监控到GPU服务器端计算完成后，将输出文件下载到本地，并上传至HDFS。本发明在批量作业提交情况下实现作业划分、并行处理以及内存计算，提高了密码子偏性算法的效率。
📄 2017103325757
📂 G06F9_50
👤 西南大学
📅 2017-05-12
本发明涉及网络通信领域，并提供了一种基于并行计算的节点压力寻优方法，选取服务器群集内的多个服务器，将这多个服务器记为多个节点，监控所述多个节点的负载情况，输出负载数据，根据负载数据计算多个节点的并行量值，通过多个节点的并行量值，筛选出优节点。所述方法能够有效地优化服务器群集的资源分配和负载均衡，根据节点的负载数据确定其实时压力，以动态的方式进行寻优，避免节点发生过载，同时提高服务器群集对于计算任务的处理性能，保证并行任务在执行过程中的稳定性和处理速度，提高服务器算力资源的利用。
📄 2024103513385
📂 H04L67_1004
👤 佛山大学
📅 2024-03-26
本发明属于通信技术领域，尤其涉及一种二维MUSIC算法估计波达方向的并行计算技术。本发明方法将整一个大空域分成了若干个子空域，且在空间之间的边界上也可以估计到目标，同时可以提高计算速度，同时可以搜索到空域交界处的目标，并估计其方位角和俯仰角信息。
📄 2017104868074
📂 G01S3_14
👤 电子科技大学
📅 2017-06-23
本发明涉及基于高维嵌入深度并行计算的掉头意图及轨迹预测方法，包括拍摄临近交叉口处U型掉头处的视频并提取数据，生成对应的时序轨迹；对左转车道上车辆的时序轨迹作掉头意图分析，并将左转车道上的直行车辆、掉头车辆以及对向车道的直行车辆组成新的输入，通过嵌入层将车辆的行为信息嵌入到高维空间中；提取高维嵌入的时间和空间信息，合并为时空特征；将时空特征信息输入到下层的深度可分离卷积网络中，通过解码器进行解码，输出所有交通参与者的未来轨迹信息。上述技术方案有效解决了现有轨迹预测方法无法对车辆掉头意图做出精确判断，以及车辆轨迹预测速度慢和准确率不高的问题。
📄 2023102547411
📂 G08G1_16
👤 广东工业大学
📅 2023-03-16
本发明提供一种流水线式的BENES网络路由求解硬件加速装置，包括流水线求解器、预测枚举器和高速缓存器，流水线求解器根据路由求解输入，进行流水线式硬件求解，流水线求解器的输出存储至所述高速缓存器中；所述预测枚举器根据路由求解输入，枚举生成不同的路由状态输入所述流水线求解器中进行求解；所述高速缓存器将路由求解输入与自身存储的先前已计算好的结果进行对比，如果存在已计算好的结果，直接输出对应的结果，如果不存在已计算好的结果，等待流水线求解器的输出结果。本发明将目前最佳的路由求解硬件所需的求解时间进一步降低至数十纳秒乃至更低，使BENES光网络真正可用于生产环境。
📄 2022109279077
📂 H04Q11_00
👤 无锡芯光互连技术研究院有限公司
📅 2022-08-03
本发明提供一种基于GPU并行计算的复杂疾病基因互作关联分析方法，包括如下步骤：步骤一、基于背景控制的主效+上位性检测算法研究，采用两阶段策略：第一阶段，在所有主效和上位性效应中，剔除无关变量，保留较少的变量；第二阶段，将通过第一阶段筛选的变量放入模型中进行最终确定变量选择方法；步骤二、建立基于GPU并行计算的加速算法，得到MRMLM-GPU新方法；步骤三、MRMLM-GPU新方法的性能分析。本发明是在MRMLM算法上进行背景控制的上位性拓展以及GPU加速改进，MRMLM算法上位性初筛阶段，SNP以及SNP对之间相互独立，PyCUDA提供了更为简单的编程方式实现GPU的并行。本发明为预测人类疾病的互作基因提供了可行的新方法。
📄 2019104847698
📂 G16B40_00
👤 南通大学
📅 2019-06-05
柿子坊 · 知识产权运营
柿子坊知识产权运营平台