基于多核CPU的卫星云导风并行反演算法

吉林大学学报(理学版)

基于多核CPU的卫星云导风并行反演算法

王昌帅^1,2, 何丽莉^1,2, 欧阳丹彤^1,2, 白洪涛³

1. 吉林大学计算机科学与技术学院, 长春 130012；2. 吉林大学符号计算与知识工程教育部重点实验室, 长春 130012；3. 吉林大学公共计算机教学与研究中心, 长春 130012

收稿日期:2015-05-25 出版日期:2016-05-26 发布日期:2016-05-20
通讯作者: 何丽莉 E-mail:helili@jlu.edu.cn

Satellite Cloud Drift Winds Parallel Inversion Algorithm Based on Multicore CPU

WANG Changshuai^1,2, HE Lili^1,2, OUYANG Dantong^1,2, BAI Hongtao³

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China; 2. Key Laboratory ofSymbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China;[JP]3. Center for Computer Fundamental Education, Jilin University, Changchun 130012, China

Received:2015-05-25 Online:2016-05-26 Published:2016-05-20
Contact: HE Lili E-mail:helili@jlu.edu.cn

摘要/Abstract

摘要：

针对卫星云导风反演算法规模大、计算密集、耗时长, 常规云导风反演串行算法效率低的问题, 根据云导风反演中各风矢计算相对独立的特征, 提出一种基于OpenMP框架的云导风反演并行算法. 通过对多组云图数据在多核CPU上反演结果进行分析表明, 该算法显著提高了云导风反演的效率.

关键词: 相关系数法, 云导风, OpenMP, 并行, 风矢

Abstract:

In view of the satellite cloud drift winds inversion has the characteristics of large scale, intensive computing and timeconsuming, conventional cloud drift winds serial inversion algorithm is very difficult to break through the bottleneck of efficiency. According to the characteristics of relatively independence between each wind vector calculation, we put forward a parallel inversion algorithm based on the OpenMP framework. Through the analysis of the inversion results of the multi group cloud data in the multi core CPU, the results show that the proposed algorithm can significantly improve the inversion efficiency of cloud.

Key words: correlation coefficient method, cloud drift wind, OpenMP, parallel, cloud vector

中图分类号:

TP311

王昌帅, 何丽莉, 欧阳丹彤, 白洪涛. 基于多核CPU的卫星云导风并行反演算法[J]. 吉林大学学报(理学版), 2016, 54(03): 539-546.

WANG Changshuai, HE Lili, OUYANG Dantong, BAI Hongtao. Satellite Cloud Drift Winds Parallel Inversion Algorithm Based on Multicore CPU[J]. Journal of Jilin University Science Edition, 2016, 54(03): 539-546.

[1]	任彦龙, 魏楚元, 胡晓霞, 李欣. 考虑并行干扰抵消的通信网络终端敏感信息混沌加密[J]. 吉林大学学报(理学版), 2026, 64(3): 657-0664.
[2]	李洪亮, 张蒙, 王子琛, 李想. 面向数据并行深度学习的准确率感知稀疏梯度融合算法[J]. 吉林大学学报(理学版), 2025, 63(5): 1356-1365.
[3]	王宏妍, 白艳萍, 郑文康, 王立府, 续婷. 基于压缩感知稀疏域模型并行坐标下降算法的DOA估计方法[J]. 吉林大学学报(理学版), 2025, 63(3): 924-0933.
[4]	刘浩翰, 孙铖, 贺怀清, 惠康华. 金属表面缺陷检测方法YOLOv3I[J]. 吉林大学学报(理学版), 2023, 61(3): 612-622.
[5]	钱皓, 吴丹, 吕俊良. 线性元有限体积元法的一种并行格式[J]. 吉林大学学报(理学版), 2023, 61(1): 1-7.
[6]	胥康, 任恒飞, 任金莲, 蒋涛. 纯无网格并行计算在传热方程数值模拟中的应用[J]. 吉林大学学报(理学版), 2019, 57(06): 1372-1378.
[7]	张建影, 闫广武. 不可压缩绕流的并行格子Boltzmann模拟[J]. 吉林大学学报(理学版), 2018, 56(1): 71-76.
[8]	刘磊, 李广力, 徐玥, 张桐搏, 吕帅. 基于移动平台的异构并行字符串匹配算法[J]. 吉林大学学报(理学版), 2017, 55(01): 82-88.
[9]	王荣丽, 肖宇虹, 侯秀萍. 通信不确定MPI并行程序的测试数据自动生成方法[J]. 吉林大学学报(理学版), 2016, 54(06): 1378-1382.
[10]	李晟彬, 唐小明, 李志清, 殷君茹, 李惺颖. 基于并行计算的多副本空间数据离散布局策略[J]. 吉林大学学报(理学版), 2016, 54(03): 524-528.
[11]	魏晓辉, 沈晓茹, 李洪亮. 基于虚拟集群在线迁移的虚拟化资源整合算法[J]. 吉林大学学报(理学版), 2016, 54(01): 77-84.
[12]	殷君茹, 侯瑞霞, 唐小明, 罗鹏. 基于瓦片金字塔模型的海量空间数据快速分发方法[J]. 吉林大学学报(理学版), 2015, 53(06): 1269-1274.
[13]	殷君茹, 唐小明, 李惺颖, 卜祥亮. 并行环境下基于图着色理论的空间数据部署[J]. 吉林大学学报(理学版), 2015, 53(03): 525-530.
[14]	顾德闯, 杨永健. 基于GPU的多类支持向量机改进算法[J]. 吉林大学学报(理学版), 2015, 53(01): 107-111.
[15]	白洪涛, 李昂, 欧阳丹彤, 邢书豪, 刘雪飞. 基于多核的粗粒度2.5维电磁场正演并行算法[J]. 吉林大学学报(理学版), 2014, 52(03): 509-514.