计算机集群技术

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇计算机集群技术范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

计算机集群技术范文第1篇

关键词： 集群； 负载均衡； 调度算法

中图分类号：TP393 文献标志码：A 文章编号：1006-8228(2012)08-37-02

0 引言

集群以其较强的能力、灵活的结构和可以提供像个人计算机那样方便的人机界面而具有良好的推广应用价值；集群的研究已经成为超级计算机和并行计算研究开发的一个重要方向。本文着重介绍了集群的概念、分类及其优点，并对集群系统中的各种常见的负载均衡调度算法[1-4]进行了分类和详细探讨。

1 集群介绍

1.1 集群的定义

通常来说，集群(Cluster)是指利用高速通信网络将一组相互独立的计算机按某种结构连接起来，在并行程序设计及可视化人机交互集成开发环境支持下，统一调度，协调处理，实现高效并行处理的系统。简单地说，集群就是一组相互独立的、通过高速网络互联的计算机，它们构成了一个组，并以单一系统的模式进行管理。客户与集群相互作用时，集群像是一个独立的服务器。

1.2 集群的分类

一般按照解决问题的不同而将集群分为以下三个层次[5]。

⑴ 科学集群(Scientific clusters)。由主服务器运行一个控制程序，将一个大规模的计算分成若干个子任务分配到网络中的每个节点，由该节点计算出相应的结果后提交给主服务器。该方案主要解决并行计算的问题。

⑵ 负载均衡集群(Load Balance Clusters)。由两台负载均衡调度器和后台实际服务器组成。负载均衡调度器接收用户的请求，并根据后台实际服务器负载的状况将任务分配到相应节点进行运算。该方案主要解决大规模计算的问题。

⑶ 高可用性集群(High—availability clusters)。由两个以上或两个以上的节点构成，可简单、经济地确保重要的商务应用软件、服务器和数据的持续可用性。通过系统监控、服务监控、IP自动迁移等技术实现在整个应用中无单点故障。

在实际的使用中，集群的这种三种类型可相互交融，如高可用性集群也可以在其节点之间均衡用户负载。同样，也可以从要编写应用程序的集群中找到一个并行集群，它可以在节点之间执行负载均衡。从这个意义上讲，这种集群类别的划分是一个相对的概念，不是绝对的。

1.3 集群的优点

集群是通过高速通信网络将一组相互独立的计算机按某种结构连接起来的系统，它具有以下优点。

⑴ 高性能：传统服务器的硬件和软件资源有一定上限，当工作负载超过一定限度时，服务器将难以承担巨大负载，而集群服务器通过多台主机的组合，可以承担巨大的负载，获得很高的整体性能。

⑵ 高性价比：组成集群的服务器可以采用普通PC服务器，价格低，具有较高的性能/价格比。

⑶ 可伸缩性：集群系统中节点数目可以增长到几千个，乃至上万个，其伸缩性运超过单台超级计算机。

⑷ 高可用性：在硬件和软件上都有冗余，通过检测软硬件的故障，将故障屏蔽，由存活节点提供服务，可以实现高可用性。

2 负载均衡调度算法

负载均衡是指集群中各处理节点的负载信息通过某软件传递给均衡器，由均衡器做出决策并对负载进行动态分配，从而使集群中各处理节点的负载相对趋于平衡。集群系统构建的核心是负载均衡调度算法的选择和使用。负载均衡调度算法是集群技术中的关键技术。负载均衡调度算法可分为静态调度算法、动态调度算法和动静结合调度算法。

2.1 静态调度算法

所谓静态调度算法就是调度策略事先已经确定，而不考虑系统运行时的状态。目前常见的静态调度算法有：轮叫调度、加权轮叫调度、目标地址散列调度和源地址散列调度。由于当客户通过TCP/UDP连接访问服务器时，服务所需的时间和所要消耗的计算资源千差万别，因此静态调度算法无法保证系统内服务器真正地实现均衡负载。同时，采用静态调度算法要求系统在运行过程不能执行其他任务，如果有其他的任务在此期间占用了集群系统资源，将很有可能导致调度策略的失败。

2.1.1 轮叫调度

轮叫调度[6]算法就是以轮询的方式依次请求调度不同的服务器[1]，即每次执行i=(i+1)mod n，并选出第i台服务器。该算法是所有调度算法中最简单也是最容易实现的一种方法，其优点是简单，即它无需记录当前所有连接的状态，所以是一种无状态调度。轮询调度总是假设所有服务器处理性能均相同，不管服务器的当前连接数和响应时间。该算法不适用于服务器处理性能不一的情况，而且当请求服务时间变化比较大时，轮询调度算法容易导致服务器间的负载不平衡。

2.1.2 加权轮叫调度

加权轮叫调度算法可以解决服务器间性能不一的情况，它用相应的权值表示服务器的处理性能，服务器的缺省权值为1。该算法是按权值的高低和轮询方式分配请求到各服务器[3,4]。权值高的服务器比权值低的服务器先收到连接，并能处理更多的连接，相同权值的服务器处理相同数目的连接数。加权轮询调度算法比较简单和高效，当连接请求的服务时间变化很大时，单独的加权轮询调度算法依然会导致服务器间的负载不平衡。

2.1.3 目标地址散列调度

该算法先根据请求的目标IP地址，作为散列键从静态分配的散列表找出对应的服务器，若该服务器是可用的且未超载，将请求发送到该服务器，否则返回空。

2.1.4 源地址散列调度

计算机集群技术范文第2篇

（三峡大学计算机与信息学院，湖北 宜昌 443002）

【摘　要】双频识别声纳（DIDSON）可以在黑暗浑浊的水下获得清晰的视频影像。对双频识别声纳的鱼群视频进行基于智能视觉的鱼群数量统计，可高效、准确的评估该水域的渔业资源[1]。提出了一种简单可靠的统计方法：首先通过改进的目标检测算法检测鱼体并统计每帧鱼体数量；其次将视频分成多个部分并对各部分的鱼体数量进行统计；最后将各个部分的统计值累计得到整个图像序列的鱼群数量。实验结果表明本文提出的鱼群数量统计结果比DIDSON二次开发软件的统计结果更准确，且满足实时性需求。

关键词 双频识别声纳；鱼群检测；鬼影抑制；背景差分

【Abstract】The dual-frequency identification sonar （DIDSON） can get clear videos from cloudy and dark underwater. Useing intelligent visual statistics can be efficient and accurate assessment of fishery resources in the waters.In this paper，we propose a simple and reliable statistical methods: first， via algorithm of improved target detection to detect fishes； next， dividing the video into multiple parts， and count the number of fish in every parts， finally accumulate every parts’ statistics to the entire image sequence. Experimental results show that the proposed statistical methods has a out-standing advantage in counting fish.

【Key words】Dual-frequency identification sonar； Fish detection； Ghosting suppression； Background subtraction

0　前言

声纳视觉感知属于计算机视觉和人工智能的重要分支，在水下潜水器系统中具有不可替代的作用。近年来，水下声纳技术被广泛应用到鱼群探测、资源勘探、水下管道探测以及水底天然气监测等领域。声纳图像由于声信息传输的复杂性，在多数情况下目标信息会淹没在信道、背景等噪声中。随着信息技术的飞速发展，声纳数据处理的方法也随着科学技术的发展而不断改进。鱼群统计对于水下养殖以及珍贵鱼类保护具有重要的应用价[2-3]。2003年Moursud[4]等利用双频识别声纳观测了鱼群游过水电站鱼道的情况，2004年Maxwell[5]等验证了用双频识别声纳在浑浊水域中评估洄游大马哈鱼的数量，2006年Everitt[6]等利用双频识别声纳对密苏里河渔业进行管理。Han[7]等用双频识别声纳做了洄游鱼类以及养殖的大型鱼类的尾数、体长自动计数、测量的研究，能够自动精确地计算出鱼的尾数和体长。董剑锋[8-9]等对双频识别声纳图像处理进行了初步研究，并运用到香鱼计数上。上述方法主要是针对鱼群进行大致的统计分析，缺乏较为准确的定量分析。已有研究表明，利用DIDSON视频进行鱼群各种应用，其关键是鱼群检测方法的精度[10]。

1　传统目标检测算法鱼群检测结果

与光学图像相比，声纳图像本身的信息小于随机噪声信息，因此将光学图像的目标检测算法直接应用于声纳图像目标检测时效果不理想。图1分别为帧间差模型、平均背景法模型、高斯混合模型、CodeBook背景模型、背景差分法直接用于声纳图像目标检测的效果图。

由图可知，由于声纳图像随机高斯噪声含量大，帧间差模型检测结果最差；平均背景模型、高斯混合模型和CodeBool背景模型的检测结果含有大量孤立噪声点且鱼体轮廓含有大量毛刺；背景差分法检测结果中含有鬼影。

2　本文鱼群检测算法

本文充分利用声纳图像噪声特性和鱼体亮度统计特性，在背景差分法基础上提出了一种DIDSON鱼群目标检测及鬼影抑制方法。具体思路：首先采用背景差分法初步寻找可能出现的鱼体目标点；利用声纳特性，对初步检测的鱼体目标点进行鬼影判断去除鬼影；最后采用形态学开闭运算去除孤立噪声点。

2.1　背景差分理论

背景差分工作原理：设背景模型为M（x）={v1， v2， …， vN}，其中N个样本值均为已被判断为背景的像素值。记v（x）为x点处的像素值，设定阈值R，计算{v（x）-R， v（x）+R}区间内与样本模型M（x）相交的样本值个数，若数值大于预设的某个最小值，则将当前像素点x的像素值v（x）判断为背景，否则为前景。

初始化：利用相近像素点具有相近的时空分布特性，用一帧图像填充样本集。其优点在于：对噪声比较灵敏、计算量小、速度快，可以很快的进行运动物体检测。更新策略：每一个背景点有1/φ的概率更新背景模型样本集，同时也有1/φ的概率去更新其它的邻居点的背景模型样本集。当前景点计数达到临界值时，将其变为背景，并有1/φ的概率背景模型样本值。

由于背景差分采用一帧建模，如果模型初始化时出现目标，会将前景目标点误判为背景。当前景目标点离开后，当前像素值无法与背景样本集匹配，导致背景像素点被错误地检测为前景点形成鬼影，严重影响后续的跟踪或识别。

2.2　鬼影抑制

通过对DIDSON数据图像的特性分析可知声纳图像中的鱼体目标属于高亮区域，且背景区域中仅有少量的波纹信息是属于高亮区域的。因此本文基于此特性提出了鬼影抑制方法。其基本思想：对已预处理的视频采用背景差分法初步寻找出当前帧中的前景目标；然后对这些前目标景的像素值作进一步判断，若此像素点的像素值大于阈值T，即判断为前景，否则认为是鬼影并判断为背景，同时更新背景模型。

2.3　实验结果分析

本实验将本文的目标检测方法与其它经典检测算法，针对小鱼群和大鱼群检测性能进行对比分析。实验环境配置为matlab2009a，内存8GB，处理器为Intel Core i5-3470 3.20GHz、声纳视频帧率为8 fps。大鱼群检测结果如图2所示。

如图2，CodeBook算法检测出的目标边缘模糊，且存在大量的误检像素。背景差分法存在严重的鬼影现象（图2中第3行白色椭圆标记的鱼体为鬼影），鬼影在第139帧以后也未消失。而本文提出的算法在第28帧之前，鬼影已消失，整体检测性能明显优于CodeBook算法和背景差分算法。同时本文算法在鱼体较小的情况下，其检测效果同样较好。

3　鱼群数量统计

3.1　鱼群数量统计方法

本文单帧鱼群数量统计流程：鱼群目标检测后的图像中任然还有一个小面积的连通域，这些小面积的连通域并不是鱼体而是一些干扰物，因此在进行单帧数量统计之前需要消除面积较小的连通域。首先去除面积较小的连通域，然后统计这一帧图像中连通区域的个数，既可以得到一帧中的鱼体个数。

假设在图像中有n帧图像检测到鱼体，每帧鱼体数量记为Nm，对每m帧求一次平均，即将视频分成k个部分，其中k=floor（n/m）；再对k部分的鱼体数量分别求均值，最后将k个部分的均值累计即得到整个图像序列的鱼群数量，其公式表达式如下：

3.2　实验结果与分析

采用本文所示方法对many fish.avi图像序列进行单帧鱼体数量统计，其结果如图所示。

从图中可以看出，本文算法对单帧鱼体数量统计基本准确，但是对于即将消失的鱼体和即将出现在声纳视野中的鱼体检测结果较差、不够精确。由于将消失的鱼体其回波较弱，在图像上反应忽明忽暗，容易被漏检。其次大鱼在游动的过程中会产生大量水波，剧烈的水波也会被误检成鱼体。

采用本文所示方法对many fish.avi图像序列进行鱼群数量统计，整个视频一共有162帧，目测整个图像序列一共游过了16条鱼。通过本文的检测结果N=16，其中m取得40；通过DIDSON二次开发软件检测的结果如图4所示；本文单帧检测结果见表1。

如图4所示，DIDSON二次开发软件检测出的鱼群数量为9。通过本文算法检测出的鱼体数量为16，与DIDSON二次开发软件检测的结果更准确。其中表1 展示了本文算法在many fish.avi图像序列从第1帧到第27帧的单帧检测结果。

采用本文提出的方法对Kenai3-12manyfishnoshad.avi图像序列进行鱼群数量统计，整个视频一共有790帧，目测整个图像序列一共游过了87条鱼。通过本文的检测结果N=72条，其中m取得40；通过DIDSON二次开发软件检测的结果如图5所示。

如图5所示，DIDSON二次开发软件统计的鱼群数量为42条。由此可以看出DIDSON二次开发软件在对体长较小的鱼统计数量效果较差。本文的统计结果更接近真实结果。

4　结论

由于声纳图像的含有大量噪声信息，采用光学图像的目标检测算法不能满足声纳图像目标检测的要求。针对这个问题，本文提出的目标检测方法在保留背景差分法优势的同时能快速抑制鬼影。其次再鱼群统计算法上，本文提出了一种简单的统计方法：在基于精确的鱼群检测上，统计鱼群数量；实验结果表明，本文提出的鱼群数量统计结果比DIDSON二次开发软件的统计结果更准确，且满足实时性需求。

参考文献

［1］张进.基于双频识别声纳DIDSON的鱼群定量评估技术[D].上海:上海海洋大学，2012.

［2］SHEN W， YANG L， ZHANG J， et al. The survey of fishery resources and spatial distribution using DIDSON imaging sonar data [C]//IFIP 2013: International conference on the Advances in Information and Communication Technology. New York， US: Springer Press， 2013: 366-375

［3］谭细畅，史建全，张宏.EY60回声探测仪在青海湖鱼类资源量评估中的应用[J].湖泊科学，2009，21（6）:865-872.

［4］Melvin，G， Li. Y. Mayer，L and Clay，A. The development of an automated sounder soanr acoustic logging system for deployment on commercial fishing vessel[Z].ICES CM，1998:14.

［5］Misund，O.A.Aglen，Aand Fronaes，E.Mapping the shape，size and density of fishs chools by echo integration and a high-resolution sonar[J]. ICES J. Mar. sci，1995，52:11-20.

［6］Maxwell，S.and Gove，N.The Feasibility of Estimating Migrating Salmon Passage Rates in Turbid Rivers using a Dual-Frequency Identification Sonar （DIDSON）.Regional Information Report No.2A04-05[R].Alaska Department of Fish and Game，March 2004.

［7］Everitt，D.Adams，J.and Mestl，G.Using DIDSON technology to observe the ecology and behavior of Missouri River fishes[C]//Proceedings of the 67th Midwest Fish and Wildlife Conference.Omaha.Nebraska，Dec 6-10，2006.

［8］童剑锋，韩军，沈蔚.声学摄像仪图像处理的初步研究及在渔业上的应用[J].湖南农业科学，2010，17.

［9］童剑锋，韩军，浅田昭，溝口雅彦.基于声学摄像仪的溯河洄游幼香鱼计数[J].渔业现代化，2009，36.

计算机集群技术范文第3篇

关键词：Web；挖掘；PSO

随着Internet的迅速发展，World Wide Web已深入到社会生活的方方面面。Web可以说是目前最大的信息系统，其数据具有海量、多样、异构、动态变化等特性。人们使用Web，一般有如下需求[1]：

获取相关信息或服务；

从Web信息中发现新的知识；

提供个性化服务：不同的用户对信息、服务有不同的要求。

为了解决上述问题，人们迫切需要能自动地从Web上发现、抽取和过虑信息的工具，由此产生了Web挖掘。

Web挖掘就是从Web文档和Web活动中发现和抽取潜在的、用户感兴趣的有用模式和隐藏的知识[2]。

1.Web挖掘

WEB挖掘可以认为包括以下四个子任务[3,4]：资源发现、信息选择和预处理、概括和泛化、分析。

资源发现是一个从Web上的联机资源中检索数据的过程。信息选择和预处理是一个信息转变的过程。它可以是除去停用词，词干处理，发现训练集中的短语，以及得到关系或逻辑表示等。概括过程是应用数据采掘技术获得知识。最后的分析是对采掘结果的验证和解释，在此过程中应该发挥人的作用。

Web文本信息的特征获取是指自动地从Web文本信息中抽取出代表其内容主题的特征词条形成特征矢量来表示Web文本。它影响到下一步Web文本分类的质量。文本挖掘问题的一个主要难点是特征矢量的维数过高，对于大多数学习算法来说都难以承受。目前已有多种方法被用于特征抽取，比如文档频次门限方法、信息增益方法、χ2分布方法、互信息熵方法、基于奇异值分解的潜在语义索引方法（LSI）以及基于遗传算法的特征提取算法等。

聚类技术是对符合某一访问规律特征的用户进行用户特征挖掘。Web使用挖掘中存在两种类型的聚类：使用聚类(用户聚类)和页面聚类。根据聚类的结果聚类方法可分为层次聚类与非层次聚类。在不同的方法中，人们研究了获得较高的计算效率的问题。

在Web使用挖掘过程中，对用户、Web页面等Web对象进行聚类时，存在明显的模糊性，模糊聚类也因此成为目前Web聚类分析研究的主流。

2.Web挖掘中存在的问题

Web数据挖掘[5]与传统数据挖掘不同，Web页面的结构比一般文本文件复杂很多，它可以支持多种媒体的表达。人们最初是希望通过Web来实现世界各种信息的互通，在这个平台上自然希望任何的信息都可以表达了。因此也造成了互联网数据的复杂性这个特点。而在互联网上文档一般是分布的，异构的，无结构或者半结构的。许多新技术的产生为解决这个难题提供了一条可行的道路，如XML技术。还有，互联网上的数据动态性极强，页面本身的内容和相关的链接经常更新。而互联网面对的客户也各不相同，这些都造成了用户行为模式分析的困难度。

现行Web挖掘方法很多，解决Web信息应用部分问题，但存在一定的不足，如：由于用户查询固有的主观性、不精确性和不确定性，大多数Web检索系统仅用一个简单的检索模型，侧重于检索效率，忽视了检索的准确性。不能进行软决策，现有查询是基于“硬抛弃”法，而且取决于查询与检索出文档的相关性，但相关性只是文档的部分属性，不是很分明的界限。页面分级还不全面，还没有考虑各种参数的权重，如点击位置、相邻性和频率等,分级还很少考虑用户的特点。

为处理Web数据特征，克服目前现有的Web挖掘方法的局限，软计算方法是一个很好的方法。软计算是一组协同的方法，它提供一种处理现实中模糊状态信息灵活处理能力。它们的目标是通过探索不精确、不确定、近似推理和局部正确的最大可能限度，达到易理解的、健壮的和低代价的解决方案，类似人的决策过程。软计算技术包括模糊逻辑(fuzzy logic，FL)、粗糙集(rough set，RS)、人工神经网络(artificial neural network，ANN)和遗传算法(genetic algorithm，GA)[ 5-8]。

现有的Web文档特征抽取算法文章证明这些特征抽取方法都有一些局限。传统的聚类分析把每个待辨识的对象严格地划分到某个类中，各个类别的界限是分明的。然而现实世界存在着大量的界限划分不严格的聚类问题。即问题具有一定的模糊性，如在区分“优”和“良”等级时，就需要模糊划分。在Web使用挖掘过程中，对用户、Web页面等Web对象进行聚类时，存在明显的模糊性，模糊聚类也因此逐渐成为Web聚类分析研究的主流。

3.粒子群优化算法

粒子群优化(Particle Swarm Optimization, PSO)算法[1]是Kennedy和Eberhart受人工生命研究结果的启发、通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法，与其他进化算法一样，也是基于“种群”和“进化”的概念，通过个体间的协作与竞争，实现复杂空间最优解的搜索；同时，PSO又不像其他进化算法那样对个体进行交叉、变异、选择等进化算子操作，而是将群体(swarm)中的个体看作是在D维搜索空间中没有质量和体积的粒子(particle)，每个粒子以一定的速度在解空间运动，并向自身历史最佳位置pbest和邻域历史最佳位置gbest聚集，实现对候选解的进化。PSO算法具有很好的生物社会背景而易理解、参数少而易实现,对非线性、多峰问题均具有较强的全局搜索能力,在科学研究与工程实践中得到了广泛关注[3-8] 。

由于PSO 中粒子向自身历史最佳位置和邻域或群体历史最佳位置聚集，形成粒子种群的快速趋同效应，容易出现陷入局部极值、早熟收敛或停滞现象。同时，PSO的性能也依赖于算法参数。为了克服上述不足，国内外学者相继提出了各种改进措施。主要有粒子群初始化、邻域拓扑、参数选择和混合策略四类。

4.结论

由此可见，由于Web信息的独特性，和传统的数据挖掘相比，Web挖掘还有很多需要解决的难题需要我们针对实际应用加以解决。

参考文献：

[1]吉林大学博士学位论文 Web挖掘中若干问题的研究 许建潮 2005.6.10.

[2]Raymond Kosala,Hendrik Blockeel, Web Mining Research: A Survey, SIGKDD Explorations,2(1),pages 1-15,July 2000.

[3]中国科学院博士学位论文 WEB信息检索与分类中的数据采掘研究 李晓黎 2001.5.21.

[4]周龙镶，阳小华．基于用户访问模式的WWW浏览路径优化[J]．软件学报，2001，12(6)，846～850.

[5]Jianhan Zhu，Jun Hong,John G Hughes．Using Markov Models for Web Site Link Prediction．In：Proceedings ofthe thirteenth ACM conference on Hypertext and hypermedia．Maryland(USA)，2002，169~170.

[6]浙江大学博士毕业论文 Web访问信息挖掘若干关键技术的研究 余轶军 2006.4.1.

计算机集群技术范文第4篇

摘要:课程群建设是近年来高等院校课程建设实践中出现的一项新的课程开发技术,以本计算机专业课程群建设实践为背景,阐述了课程群建设的总体原则,构建了计算机专业课程群体系。

关键词:计算机科学与技术专业;课程群;课程建设

中图分类号:G64文献标识码:A文章编号:1009-3044(2009)28-8017-02

The Study and Practice on Course Group Constructione of Computer Science and Technology Specialty

ZHANG Jing

(College of Information Engineering, Inner Mongolia University of Science and Technology, Baotou 014010, China)

Abstract:In recent years,course group construction is a new course development technique in course construction of university.This paper is set in computer course group construction in university,explaining a overall principle,composing a computer course group system.

Key words: computer speciality;course group;course construction

课程群建设是近年来高等院校课程建设实践中出现的一项新的课程开发技术,其基本思想是把内容联系紧密、内在逻辑性强、属同一个培养能力范畴的一类课程作为一个课程群进行建设,打破课程内容的归属性,从培养目标层次把握课程内容的分配与实施。计算机教育大多把培养应用型人才作为目标,随着科学技术的快速发展,计算机各类新技术层出不穷,技术之间的关联度不断提高,知识和技能之间的关系由原来的明显、浅层逐渐向隐含、继承等多维发展,很多原来没有关联或关联较少的知识与技能逐步趋向有关联、相互渗透。课程群建设是高等院校课程体系建设和课程改革的一个发展趋势,是推动专业课程的全面优化整合,深化课程改革、师资队伍建设以及教学资源的优化配置的重要途径。

1 课程群建设的总体原则

课程群建设既有很强的学术性,也有较强的现实操作性。课程群可以有效地协调相关课程之间的联系,在加强理论教学的同时,加大实践力度,并通过连贯性、系统性的教学与实验,更加有效地提高学生的素质,适应当前人才培养的需要。在课程群建设过程中应遵循的原则主要有:科学性、创新性、实践性、可控性。

1)科学性:课程群建设必须立足整个课程群体,对课程群的所有内容进行整合,使各组成课程之间关系密切、逻辑性强;整个知识体系应当具有递进性,内容切块应相对科学,便于组织教学。

2)创新性:课程群建设需要进行教学模式改革,实施因材施教,倡导学生自主学习,做到知识传授、能力培养、素质教育三结合,培养学生自学和创新的能力。

3)实践性:课程群建设需要反映先进的技术发展成果和企业对先进技术的需求,强调工程实践能力的培养,使学生能够自觉地运用先进的工程化方法和技术从事应用开发,具有团队协作精神。

4)可控性:课程群涉及课程较多,改革力度大,工作复杂,必须遵循过程的可控性。课程群所有课程都应提高教与学状态的透明度,使教学目的性更明确,培养方向性更突出,教学中随意性、非计划性减少,教学环节、质量可控性提高。

2 课程群的构建

在建设过程中,我们首选对课程群建设做出整体规划,明确每一门课程建设的目标和要求。然后对系列课程进行分步建设,将相关的课程组合在一起进行整合,删除重复、过时的内容,增加可增强学生竞争能力的新内容,最后形成一个完整的课程群体系。根据我校的办学定位、办学条件、师资情况,我们构建了6个计算机专业的课程群。

1)计算机理论基础课程群,主要包括高等数学、线性代数、计算机导论、专业英语等。对于计算机科学与技术专业的学生来说,必备的数学和英语知识,以及对本专业的知识架构和计算机未来发展的了解尤为重要,这是对学生学习计算机的最基本的要求。

2)程序设计与算法基础课程群,主要包括C语言程序设计、面向对象程序设计语言、数据结构、算法设计与分析、离散数学、数据结构等。离散数学、数据结构、算法设计与分析等属于计算模型设计类的课程,而程序设计等课程为以上课程服务,以算法驱动、项目驱动来介绍程序设计技术。从培养学生的能力出发,所有软件基础类课程,都要有完成项目训练的要求,通过项目训练培养学生的分析问题、模型设计和开发能力。软件基础类课程群建设侧重于技术基础的要求,问题的分析与计算模型的设计。

3)软件技术课程群,主要包括数据库系统原理、软件工程、软件体系结构、软件测试、软件技术相关课程设计等。软件技术类课程群建设侧重于开发的要求,重点是正确的设计与实现,强调抽象与高级实现,将实践教学与课程群建设密切结合,是实现专业培养目标的重要环节。软件技术类课程群建设,要求此类课程的开设,既要有广度,又要兼顾深度。在该课程群的建设中,能够迅速将新技术转化为一门课程加入其中,如数据库技术,能够及时地将数据仓库、数据挖掘的最新进展引入课堂。

4)硬件课程群,主要包括数字电路、汇编语言程序设计、微机原理与接口技术、单片机应用、硬件维修、硬件相关实验等。硬件类课程群建设侧重于学生动手能力的培养。在教学过程中注重强化实验教学,通过学生自己动手完成一个实验项目的设计和实现,突出对学生动手能力的培养。

5)网络技术课程群,主要包括网络操作系统、计算机网络概论、分布式系统设计等。网络技术类课程群建设侧重于学生对网络知识的了解,以及学生构建网络、网络维护、网络开发等能力的培养。

6)图形图像处理课程群,主要包括数字图形处理、计算机图形学、多媒体技术等。图形图像处理类课程群建设侧重于学生对图形图像处理、多媒体技术基本知识的了解,以及学生进行图像处理、多媒体制作等能力的培养。

3 结束语

课程群建设是专业建设的一项重要工作,课程群建设工作一定要从课程群整体功能出发,打破学科系统性的局限,面向应用、面向学生来组织课程体系,充分利用教学资源,才能建设出更有特色的课程群体系,培养出更高水平的应用型技术人才。我们学院在课程群课程体系与教学内容、教学方法与手段、实验教学和教师队伍建设等方面进行了深入的改革与建设,为计算机专业建设打下了良好的基础。

参考文献:

[1] 梁树军,程静. 软件人才培养课程群的探索与实现[J]. 教育与教学研究, 2008(22):103-104.

[2] 许伯康. 计算机应用类课程教学改革的实践与思考[J]. 无锡南洋学院学报, 2006(1):15-17.

计算机集群技术范文第5篇

关键词： GMSK； 差分解调； 准相干解调； 集群系统

中图分类号： TN965.5?34 文献标识码： A 文章编号： 1004?373X（2014）13?0064?04

Demodulation algorithm of GMSK signal in digital trunking communication

ZHANG Zhi?heng1， 3， LIANG Wei?zu2， CAI Fan2， YIN Lu?ming3

（1. Shanghai Astronomical Observatory， Chinese Academy of Sciences， Shanghai 200030， China；

2. Guangzhou Haige Communications Group Incorporated Company， Guangzhou 510663， China；

3. Beijing Global Information Center of Application and Exploitation， Beijing 100094， China）

Abstract： The demodulation algorithm used in a digital trunking system made in China is introduced in detail. The Laurent decomposition process of GMSK （Gaussian filtered minimum shift keying） signal is derived in this paper. The conversion process from the simplified optimal receiver to the single pulse matched?filtering receiver is analyzed emphatically. The performance difference of the demodulation algorithm is compared at different frequencies. The relevant simulation result is given.

Keyword： GMSK； differential demodulation； quasi?coherent demodulation； trunking system

0 引 言

数字集群移动通信系统是专用的调度移动通信系统。它除了具备公众蜂窝移动通信网所能提供的个人移动通信服务外，还能实现个人与群体间的任意通信，并可进行自主编控，保密性高，功能丰富。与常规移动通信相比，集群通信具有信道利用率高、服务质量高、保密性高等优点[1]。

数字集群通信系统使用数字技术，采用较先进的编解码方案和调制方案，具有多种可操作模式。从无线信道的分配利用率来讲，集群通信系统中多个用户共同使用一组无线物理信道，系统动态地分配这些信道，因而信道的使用率较高[2]。

本文研究适合系统中所使用的解调算法，比较不同解调方式的复杂度和性能，并且对应于相应的解调算法，分析捕获算法中频率估计和位同步估计应该侧重的内容。本文涉及的集群系统采用GMSK（Gaussian filtered MSK）作为调制方式，BT值为0.3，块交织结合卷积编码。GMSK调制具备包络恒定、带外辐射小等适合于无线移动通信系统对数字调制的要求和特点。在集群通信中，由于使用环境以及设备特性等因素，使得系统必须选择合适的解调算法在满足系统特点的同时也要满足捕获算法的性能，从而保证解调性能。

1 GMSK信号的Laurent分解

使用Laurent分解可以将CPM信号表示成线性加权和的形式：

[Sb（t）=b1g1（t）+b2g2（t）+b3g3（t）+…+bkgk（t）] （1）

当一个CPM调制方案确定时，其参数已经固定。在式（1）中，[gk（t）]在一个CPM方案中为恒量，[bk]为变量，取值在{±1， ±3，[…，][±（2N-1）}]范围内。

使用Laurent算法可以将任意CPM信号分解成几个幅度脉冲信号的加权和的形式，这样可以使用信号加权和对二进制CPM信号的处理，简化接收机的结构。

假设信号采用单信号调制指数，复包络CPM信号表示成如下的低通等效形式：

[sb（t）=ejφ（t）=exp（jπhk=0n-Lαk）k=n-L+1nexp[jπhαkg（t-kT）]， t∈[nT，nT+T]] （2）

引入符号和函数简化公式，[J=ejπh]和式（3）：

[c（t）=sin[πh-πhg（t）]sin（πh），t∈[0，LT）c（-t），t∈（-LT，0]0，t≥LT] （3）

因此公式（2）简化为：

[sb（t）=2EbTa0，n-L× k=n-L+1nJαkc（t-kT-LT）+c（t-kT） ] （4）

集群系统中使用BT=0.3的GMSK信号，关联长度[L]取3，按照[L=3]进行推导，过程如下：

[sb（t）=2EbTa0，n-3× [Jαn-2c（t-nT-T）+c（t-nT+2T）]×[Jαn-1c（t-nT-2T）+c（t-nT+T）]×[Jαnc（t-nT-3T）+c（t-nT）]] （5）

进一步整理公式，令：

[a0，n=a0，n-3Jαn-2Jαn-1Jαn， a1，n=a0，n-2Jαn=a0，n-3Jαn-2Jαn，a2，n=a0，n-3Jαn-1Jαn， a0，n-1=a0，n-3Jαn-2Jαn-1，a0，n-2=a0，n-3Jαn-2， a1，n-1=a0，n-3Jαn-1， a3，n=a0，n-3Jα1] （6）

在公式（5）的推导公式中进行[h0（t）]～[h3（t）]脉冲函数的对应。

[sb（t）=2EbT[a0，nc（t-nT-T）c（t-nT+2T）c（t-nT-3T）h0（t-nT）+a1，nc（t-nT+T）c（t-nT-T）c（t-nT-3T）h1（t-nT）+a2，nc（t-nT+2T）c（t-nT-2T）c（t-nT-3T）h2（t-nT）+a0，n-1c（t-nT）c（t-nT-T）c（t-nT-2T）h0（t-nT+T）+a0，n-2c（t-nT+T）c（t-nT）c（t-nT-T）h0（t-nT+2T）+a1，n-1c（t-nT+2T）c（t-nT）c（t-nT-2T）h1（t-nT+T）+a3，nc（t-nT+2T）c（t-nT+T）c（t-nT-3T）h3（t-nT）+a0，n-3c（t-nT+2T）c（t-nT+T）c（t-nT）h0（t-nT+3T）]（7）

对应关系如下：

[h0（t-nT）=c（t-nT-T）c（t-nT-2T）c（t-nT-3T）h1（t-nT）=c（t-nT+T）c（t-nT-T）c（t-nT-3T）h2（t-nT）=c（t-nT+2T）c（t-nT-2T）c（t-nT-3T）h3（t-nT）=c（t-nT+2T）c（t-nT+T）c（t-nT-3T）] （8）

根据公式（8）得到的[h0（t-nT）]～[h3（t-nT）]即可在解调端进行匹配滤波，即为GMSK信号的脉冲响应函数。匹配滤波后得到的值才能够用于准相干解调中维特比解调，进行度量值的计算[3]。

2 准相干解调算法及改进

集群系统内接收端采用的信号解调算法的原理如图1所示。信号的解调和译码分开完成，该种方式涉及解调和译码两部分内容。解调采用准相干解调，译码采用最大似然译码，该方式综合考虑了算法的复杂性和误码性能。准相关解调采用简化最优接收机形式，性能较最佳接收机的解调性能略有下降，但提高了抗频偏性能和降低了解调复杂度，而且准相干解调对位同步要求低，采用符号内不同采样点得到的解调性能没有太大差异[4]。卷积码的译码采用最优方式以获取最大的编码增益。

图1 接收端解调模块组成框图

简化最优接收机形式如图2所示。

图2 简化最优接收机解调模型框图

图2中[N]的取值视简化程度以及GMSK的BT值得大小而定。信号经过匹配滤波器滤波后进入维特比解调，然后经过解交织后，再进行维特比译码，最终输出原始信息，译码只能采用硬解调方式。下面主要详细分析维特比解调所涉及的度量值计算和状态转移关系。首先研究GMSK信号解调时匹配滤波器简化为2个时的解调算法。图2中的维特比解调模块为解调算法的核心内容。GMSK信号的匹配滤波器的个数和维特比解调算法中涉及的状态数是由符号的关联长度[L]决定，匹配滤波器数为[2L-1，]维特比解调的状态数为[2L。]

发送端信号一般会采用预编码方式以方便后续处理，预编码结构如图3所示，采用差分编码方式1，可以在解调端通过相位预旋转的方式可以直接完成GMSK的解调。采用差分编码方式2，在解调端采用准相干解调时方便采用维特比解调。

当[L]取2时，对采用图3中差分编码方式2生成的GMSK基带信号进行Laurent分解，结果如公式（9）所示。

[sb（t）=2Ebk=02L-1-1n=0N-1ak，nhk（t-nT）=2EbTa0，nh0（t-nT）+a0，n-1h0（t-nT+T）+ a0，n-2h0（t-nT+2T）+a1，nh1（t-nT）] （9）

[a0，n=a0，n-2Jαn-1Jαn， a1，n=a0，n-2Jαna0，0=ejπhα0， J=ejπh] （10）

式中[αn]为[n]时刻的输入比特。

图3 预编码结构框图

在维特比解调中，需要考察[a0，n]和[a1，n]的取值范围：

[a0，n=a0，n-2Jαn-1Jαn=a0，n-1Jαn] （11）

当[n]为奇数，由于[Jαn∈j，-j]，所以[a0，2n+1∈j，-j。]当[n]为偶数，[a0，2n∈1，-1。][a1，n=a0，n-2Jαn，]当[n]为偶数，[a1，2n∈j，-j，]当[n]为奇数，[a1，2n+1∈1，-1。]

度量值的计算公式为：

[λi（m）=Rek=0K-1rk，mai *k，m] （12）

通过引入新的变量[am]以简化度量值的运算，

[am=a0，m， m为偶数-ja0，m， m为奇数] （13）

因此状态转移图如图4所示。

图4 状态转移图

[am]取值为（-1，1），因此度量值的计算公式可以转化成以下形式。

当[m]为偶数时，取值为[2n]形式：

[λi（2n）=Re（r0，2n）ai*0，2n+Re（r1，2n）ai*1，2n =Re（r0，2n）ai*0，2n+Re（r1，2nai*0，2n-2Jα*2n） =Re（r0，2n）ai*2n+Re（r1，2nai*0，2n-2Jα*2n）] （14）

[a1，n=a0，n-2Jαn，a1，2n=a0，2n-2Jα2n]

将公式（14）进行简化：[a0，2n=a0，2n-1Jα2n， a0，2na*0，2n-1=a0，2n-1a*0，2n-1Jα2na0，2na*0，2n-1=Jα2n， a*0，2na0，2n-1=Jα*2n] （15）

[Re（r0，2n）?ai2n+Re（r1，2nai*0，2n-2Jα*2n）=Re（r0，2n）?ai2n+Re（r1，2nai*0，2n-2ai*0，2nai0，2n-1）=Re（r0，2n）?ai2n-Im（r1，2n）ai0，2n-2ai0，2nai0，2n-1] （16）

当[m]为奇数时，取值为[2n-1]形式：

[λi（2n+1）=Re（r0，2n+1ai*0，2n+1+r1，2n+1ai*1，2n+1）=Re（r0，2n+1j?ai2n+1+r1，2n+1ai*1，2n+1）=Im（r0，2n+1）?ai2n+1+Re（r1，2n+1ai*0，2n-1Jα*2n+1）] （17）

[a1，n=a0，n-2Jαn， a1，2n+1=a0，2n-1Jα2n+1a0，2n+1=a0，2nJα2n+1， a0，2n+1a*0，2n=a0，2na*0，2nJα2n+1a0，2n+1a*0，2n=Jα2n+1， a*0，2n+1a0，2n=Jα*2n+1]

奇数状态下的度量值公式如下：

[λi（2n+1）=Im（r0，2n+1）?ai2n+1+Re（r1，2n+1ai*0，2n-1Jα*2n+1）=Im（r0，2n+1）?ai2n+1+Re[r1，2n+1?（-j）?ai0，2n-1a0，2n?（-j）?ai0，2n+1]=Im（r0，2n+1）?ai2n+1-Re（r1，2n+1）?ai0，2n-1a0，2n?ai0，2n+1] （18）

通过区分奇偶时刻完成度量值的计算后，还需再通过回溯算法完成信号的判决，该回溯算法和维特比译码算法中的完全一致，本文不做详细描述。由于GMSK信号中含有差分编码，因此判决后的结果还需要进行相对应的差分译码[3]。设定解调后得到的判决值为[a]，经过差分译码公式（19）才能得到信源信息。

[α2n=-a2na2n-1α2n+1=a2na2n+1] （19）

如果采用图3中的差分编码方式1生成的GMSK基带信号进行上述解调，那么在维特比解调前需要首先进行相位旋转，但解调后无需进行差分译码，维特比解调过程完成一致。

考虑系统中终端处于移动过程中以及时钟偏差等因素，因此必须考虑算法的抗频偏特性。采用上述算法对在不同残留频偏下BT=0.3的GMSK信号进行解调，符号率为2 Kb/s，得到的误码性能如图5所示。

从图5中可以看出，在频偏/符号率小于1e-5时，解调性能才能和无频偏下性能较相近，这对捕获算法的要求非常高，一般很难保证，因此上述算法需要进行相关改进以提高抗频偏性能。采用引入信道估计的简化最优接收机方式可以进一步的提高抗频偏性能，只需在匹配滤波器前加入信道估计内容，改进后的准相干解调框图如图6所示[5]。

解旋转操作只针对差分编码方式1生成的GMSK信号而言，首先将基带的I、Q路信号进行解旋转操作，即对每个GMSK符号乘以j^（-n），则解旋转后的GMSK信号可看作是双极性的脉冲幅度调制（PAM）信号。

图5 有无频偏下GMSK准相干解调误码率性能

图6 GMSK准相干解调框图

同时可以根据系统的要求，进一步减少匹配滤波器的数目，只采用[h0（t）]来完成信号的匹配滤波，这样信道估计得到的参数可以直接用于后续的匹配滤波。在采用单脉冲匹配时，有无维特比解调带来误码性能的差异较小，通过设置判决输出为软值还可以增强后续译码器的性能。采用匹配滤波器输出结果进行误码检测和再增加维特比解调得到的误码性能的比较结果如图7所示。

图7 有无维特比解调下GMSK简化接收机的误码率性能比对

从图7中可以看出，两种解调方式下几乎没有太多的性能提升，因此无需在匹配滤波之后增加维特比解调。图6的解调方式在没有显著降低误码性能的前提下降低了算法的复杂度，同时增加了解调算法的抗频偏性能。采用图6的解调算法对在不同残留频偏下BT=0.3的GMSK信号进行解调，符号率为2 Kb/s，设置残留频偏值分别为0.3 Hz和0.5 Hz，误码性能结果如图8所示。

图8 有无频偏下GMSK简化接收机的误码率性能

从图5和图8的结果比较看出，后者采用的算法抗频偏性能显著提升，而且误码性能几乎没有降低。根据图7的仿真结果，在频偏/符号率小于2e-4时，解调性能和无频偏下性能相差无几，显著降低了信号捕获算法的残留频偏要求。

3 结 论

本文所述的信号解调算法已经在国内某集群系统的终端中得到实际应用。文中所述的准相干算法得到的误码性能远优于常规的差分解调和反馈差分解调的性能。

参考文献

[1] 侯民术，赵国锋.集群移动通信中直通模式的分析与研究[J].信息技术，2008（5）：156?157.

[2] 董晓鲁.应急通信的数字集群技术介绍[J].电信网技术，2007（11）：1?4.

[3] KALEH G. Simple coherent receivers for partial response continuous phase modulation [J]. IEEE Journal on Selected Areas in Communications， 1989， 7（9）： 833?836.

[4] 王茂磊，张志恒，蔡凡.卫星通信中GMSK信号的解调算法研究[J].中国科学院上海天文台年刊，2012，33（1）：114?117.