[发明专利]基于Pthreads的小波和小波包多核并行计算方法

摘要

本发明公开了一种基于Pthreads的小波和小波包多核并行计算方法。它首先利用IntelParallel Amplifier找出小波与小波包串行应用程序的热点部分，即耗时最为严重的代码段。通过分析这些关键点的潜在并行性，对卷积计算与数据回存的过程分别提出并行策略。接着，在Pthreads环境下，对小波与小波包实现并行分解与重构。其中分解过程采用数据级并行、重构过程采用任务级并行并比较并行计算与串行计算的结果。实验加速比随着数据量的增加而逐渐接近2，并行效果明显，能够显著提高变换速度。

主权项

一种基于Pthreads的小波和小波包多核并行计算方法，其步骤为：a、小波和小波包变化软件热点(Hotspots)分析：在单机多核系统上，使用Intel ParallelAmplifier来分析小波与小波包串行程序的性能，首先基于C语言编写串行程序，采用IntelParallel Amplifier来对采集到的数据做一个热点分析，通过分析，确定应用程序的哪一部分耗时，并显示它们的函数名字，同时将问题放大到原程序代码中；b、小波变化潜在并行性分析：小波Mallat算法原理用以下公式表示： a j + 1 ( k ) = Σ n = - ∞ ∞ a j ( n ) h 0 ( n - 2 k ) = a j ( k ) * h ‾ 0 ( 2 k ) d j + 1 ( k ) = Σ n = - ∞ ∞ a j ( n ) h 1 ( n - 2 k ) = a j ( k ) * h ‾ 1 ( 2 k ) 分析小波变换串行过程的热点部分，滤波器的低频和高频滤波器分别与待分解数据做卷积；分解结果回存：将分解结果回存至原序列中以节省分配空间；分解系数重构：近似系数与细节系数分别与低频重构滤波器和高频重构滤波器的卷积后之和的过程；c、小波包变化潜在并行性分析：采用小波包Mallat算法；d、小波并行方案：小波变换算法的核心部分是卷积变换；(1)数据分解方式将各个数据分开计算，分配给各个线程同时执行；Pthreads并行小波分解线程；(2)任务分解方式小波变换的卷积有两种，一种是原始数据与低频滤波器卷积得出近似系数，一种是原始数据与高频滤波器卷积得出细节系数，并且只对原始数据的近似系数进行分解；e、小波包并行方案：用Pthreads执行环境编程，小波包的重构过程先根据每一层循环与分解层数的关系，计算数据延拓后的分解系数，再进行任务重构。