CN115567166A - 一种利用gpu进行总线数据并行计算译码的方法 - Google Patents
一种利用gpu进行总线数据并行计算译码的方法 Download PDFInfo
- Publication number
- CN115567166A CN115567166A CN202211402519.3A CN202211402519A CN115567166A CN 115567166 A CN115567166 A CN 115567166A CN 202211402519 A CN202211402519 A CN 202211402519A CN 115567166 A CN115567166 A CN 115567166A
- Authority
- CN
- China
- Prior art keywords
- data
- parameter
- matrix
- frame
- decoding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 81
- 230000001360 synchronised effect Effects 0.000 claims abstract description 39
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0006—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format
- H04L1/0007—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format by modifying the frame length
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3885—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L2001/0092—Error control systems characterised by the topology of the transmission link
- H04L2001/0094—Bus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种利用GPU进行总线数据并行计算译码的方法,该方法包括步骤:(1)获取总线数据的二进制数据以及数据参数的定义表;(2)寻找二进制数据中各个帧数据的同步字,通过同步字对二进制数据进行切分、清洗,获取各个帧数据;(3)将帧数据以及数据参数的定义表转换为矩阵形式的数据;(4)利用GPU进行并行计算译码。本发明利用GPU上多个流处理器的强大计算能力进行并行计算译码,译码效率非常高。
Description
技术领域
本发明涉及民机ARINC总线数据译码工作,尤其是涉及一种利用GPU进行总线数据并行计算译码的方法。
背景技术
飞机上的数据主要通过ARINC429总线数据格式汇总至DFDR计算机中,再由DFDR计算机将ARINC429数据格式数据转换为ARINC573/ARINC717/ARINC767格式,随后通过WQAR模块,在飞机落地时将下传数据下传至航空公司的服务器上。航空公司的数据分析人员通过解密、译码软件将其转换为QAR数据,以供数据分析人员进行进一步分析。
中国民航局在2000年出台了中国民用航空总局飞行品质监控工作管理规定。在规定中,局方要求飞行品质监控工作应成为航空公司的一项日常性工作。监控范围至少应该包括机组操纵品质和发动机状况。因此,各个航空公司均设立了飞行品质监控部门,进行QAR数据的分析研判。
现有的主流飞行数据译码分析软件(如AirFASE、AGS等)均开发于上世纪90年代至2005年左右,其交互方式、运行效率等都较为落后,已经很难满足当前航空公司的相关业务需求。其中,主流的AirFASE译码分析时只能使用 32位内存系统,仅能利用不超过1.6GB内存,其译码效率大约在6-10秒/每航段左右,速度与并行性能均较差,所以航空公司亟需对相关的飞行数据译码软件产品进行升级。
以传统的译码流程为例,如图6所示,在译码计算时,需要分析帧结构,切分帧后,对每一帧依次进行顺序计算。比如:左座空速参数定义在第四副帧的84号参数,其使用的位数为3-12位,偏移量为2.4,则需要依次遍历每一帧,遍历时需要判断该帧是否为第四副帧,随后取第84位数据,再将其向左进行移位,最后再将计算数据与偏移量的乘积。其计算过程较为繁琐,且并行性较差。
发明内容
本发明的目的在于:针对现有技术存在的问题,提供一种利用GPU进行总线数据并行计算译码的方法,利用GPU上多个流处理器的强大计算能力进行并行计算译码,以解决现有译码方式效率低下、并行性差的问题。
本发明的发明目的通过以下技术方案来实现:
一种利用GPU进行总线数据并行计算译码的方法,该方法包括步骤:
(1)获取总线数据的二进制数据以及数据参数的定义表;
(2)寻找二进制数据中各个帧数据的同步字,通过同步字对二进制数据进行切分、清洗,获取各个帧数据;
(3)将帧数据以及数据参数的定义表转换为矩阵形式的数据;
(4)利用GPU进行并行计算译码。
作为进一步的技术方案,所述步骤(2)的具体步骤如下:
(2.1)读入二进制数据,读入的单位为2Byte(数据帧中一个字大小);
(2.2)将读入的数据转换为无符号整型格式(unsigned short int);
(2.3)判断该数据是否为同步字(即判断该数据是否与格式中的首个同步字一致,如ARINC717格式的首个同步字是583);若已经找到首个同步字,则随后每次找到同步字后,读入下一字数据时,将指针移至后续距离帧长度-1的位置;若读入的数据非同步字,则继续逐个读入数据,直到寻找到同步字再进行指针移动;
(2.4)将每次找到的同步字位置进行记录,生成同步字数组与同步字位置信息数组;
(2.5)根据同步字位置信息数组,对总线数据进行切分,得到各个帧数据;
(2.6)对每个帧数据判断是否异常,并进行清洗。
作为进一步的技术方案,步骤(2.5)中舍去头尾数帧帧数据。
作为进一步的技术方案,步骤(2.6)具体为:若该帧数据长度为正常帧数据长度的整数倍,则将其按照正常帧数据进行切分,否则将该帧数据以及该帧数据前后的数帧帧数据舍弃。
作为进一步的技术方案,步骤(3)的具体步骤包括:
(3.1)将帧数据按照同步字进行分类,分为第一副帧,第二副帧,第三副帧,第四副帧。
(3.2)将分类后的帧数据拼接为参数帧矩阵;
(3.3)将数据参数的定义表信息转换成矩阵,包括参数位置矩阵、参数类型矩阵、参数偏移量矩阵、参数起始位矩阵、参数终止位矩阵、参数符号位矩阵。
作为进一步的技术方案,步骤(4)的具体步骤包括:
(4.1)调用核函数,传入参数帧矩阵与参数位置矩阵,生成参数矩阵1;
(4.2)将参数矩阵2与参数起始位矩阵、终止位矩阵传入核函数,利用位运算得到参数数据矩阵3;
(4.3)将参数数据矩阵3与参数符号位矩阵传入核函数,对具备参数符号位的数据求补码,得到新的参数数据矩阵4;
(4.4)将新的参数数据矩阵4乘以参数偏移量矩阵,得到最终的参数矩阵;
(4.5)最后将数据类型为字符型(ISO#5型参数)以及离散量(枚举类型参数)的参数进行转换,得到字符、枚举类型数据。
与现有技术相比,本发明利用GPU上多个流处理器的强大计算能力进行并行计算译码,译码效率非常高。
附图说明
图1为本发明的GPU并行译码计算流程图;
图2为切分帧所生成的帧数组图;
图3为分类后的帧拼接的矩阵图;
图4为参数帧矩阵与参数偏移量矩阵相乘结果图;
图5为矩阵乘法处理过程图;
图6为传统译码计算流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本实施例提供一种利用GPU进行总线数据并行计算译码的方法,该方法可应用在国产飞机ARINC数据并行计算译码领域,本方法的具体流程如图1所示,包括:
步骤1:获取二进制数据:QAR数据经由WQAR模块自动下传后会自动存储至航空公司配置的服务器上,以目录的形式存储,通过自动扫描服务器上的文件,并与记录的文件列表作对比,若发现新增文件则自动将目录下的二进制dat数据文件读入内存准备进行译码。
步骤2:寻找同步字:即从读入的二进制数据中寻找到同步字作为帧开始的标志,为切分帧进行准备,具体的步骤如下:
步骤2.1:对读入的二进制dat数据文件进行读入,读入的单位为2Byte。
步骤2.2:将读入的数据转换为unsignedshortint类型。
步骤2.3:判断读入的数据是否为同步字,若不是,则继续执行2.1,若是,记录其同步字类型与位置,执行步骤2.4。
步骤2.4:从寻找到第一个同步字的文件指针位置开始,将数据指针向后移动帧长度-1位,然后进行读入,读入的单位为2Byte。
步骤2.5:将读入的数据转换为unsignedshortint类型。
步骤2.6: 若读入的是同步字,记录其同步字类型与位置,并进行步骤2.4-2.6,若不是,则进行步骤2.1-2.3,以此类推,直到文件指针指向数据文件的末尾。
步骤2.7:完成同步字的查找,生成同步字数组与同步字位置信息数组,并将同步字类型信息与同步字位置信息返回至脚本。
步骤3:切分、清洗帧:即整体读入二进制数据,并将其按同步字信息切分为帧数据,对每一帧数据判断是否异常,并进行清洗。其具体步骤如下:
步骤3.1:使用numpy.fromfile()函数一次性读入数据,并指定读入的数据为8位无符号整型数据类型uint8。
步骤3.2:遍历同步字位置数组,按同步字所在位置切分帧,生成帧数组,如图2所示。出于数据准确性考虑,舍去头尾数帧帧数据。
步骤3.3:遍历各个帧,计算帧长度是否符合预期,标注长度有问题的帧。若帧数据长度为正常帧数据长度的整数倍,则将其按照正常帧数据进行切分,并记录相关信息,在后续输出数据时对其进行标记;若该帧数据长度不存在相关规律,则将该帧以及前后数帧帧数据舍弃。
步骤4:帧数据转换为矩阵:将上述得到的帧数组转换为方便GPU进行并行计算的矩阵数据。由于每一副帧中所定义的数据格式不同,其具体步骤如下:
步骤4.1:读取帧数据首位的同步字。
步骤4.2:将帧数据按照同步字进行分类,其中,同步字583表示第一副帧,同步字1464表示第二副帧,同步字2631表示第三副帧,同步字3512表示第四副帧。
步骤4.3:将分类后的帧拼接为参数帧矩阵,如图3所示。
步骤5:载入数据参数的定义表数据(数据参数的定义表后文简称参数表):
将存储在MySQL中的参数表数据通过接口进行载入,参数表在数据库中的字段如下所示:
字段名 | 数据类型 | 数据描述 |
id | bigint(20) | 主键 |
ata | int(10) | 参数所属ATA章节 |
wrd | int(10) | 参数所在字 |
subf | varchar(32) | 所属子帧 |
o_msb | int(10) | WQAR记录器中参数高位 |
o_lsb | int(10) | WQAR记录器中参数低位 |
ags_parameter | varchar(255) | AGS参数名 |
parameter_assignment | int(10) | 正负标识符号位 |
menmonic | varchar(255) | 别称 |
port_name | varchar(255) | 传输参数数据的 ARINC429 总线名称 |
lbl | varchar(255) | ARINC429 格式编码中标签号 |
sdi910 | varchar(255) | ARINC429 格式编码中标识符 |
i_msb | int(10) | ARINC429 格式编码字槽中高位 |
i_lsb | int(10) | ARINC429 格式编码字槽中低位 |
slope | varchar(255) | 传输参数译码定义的转换系数 |
signal_type | varchar(255) | 传输参数信号类型 |
param_chinese | varchar(255) | 译码参数的中文名称 |
data_range | varchar(255) | 取值范围 |
info | varchar(255) | 备注 |
步骤6:将参数表转换成矩阵,包括参数位置矩阵、参数类型矩阵、参数偏移量矩阵、参数起始位矩阵、参数终止位矩阵、参数符号位矩阵。其中,参数位置、参数类型、参数终止位、参数符号位均按顺序转换为1维矩阵(即数组),参数偏移量、参数起始位转换为二维数组。例如,第9个参数的偏移量为1.875,则将参数偏移量矩阵的第9列的第9个参数设置为1.875,需要计算偏移量时,只需将参数矩阵与参数偏移量矩阵相乘即可得到结果,如图4所示。
而数据的移位计算与其类似,若数据的起始位为3,只需将数据右移两位,即计算数据值乘以1/2^(3-1),再转换为int类型,即可得到结果。
步骤7:载入CUDA核函数:本发明使用pycuda加载核函数,使用load_cu.get_function()函数即可从CUDA的类C代码中加载文件。
步骤8:使用核函数进行并行计算译码。GPU与CPU的架构不同,GPU上有大量的流处理器,如主流的RTX2060显卡上拥有1920个流处理器模块。这些流处理器模块可以等价视作CPU上的一个核心,这些核心专门为同时处理多任务而设计,可高效地处理并行任务。
在处理如矩阵乘法等问题时,可以将矩阵按行、列进行分解,进行矩阵的分点、分块并行运算,再将计算结果汇总为完整的矩阵,如图5所示。
本发明使用核函数进行并行计算译码的步骤如下:
步骤8.1:将参数帧矩阵(numpy矩阵格式)、参数位置矩阵传入至核函数。
步骤8.2:将数组按行进行并行计算,对于帧数据每一行,按照矩阵格式数据取数,生成参数矩阵。
步骤8.3:将参数矩阵与参数移位矩阵(即参数起始位矩阵和终止位矩阵)相乘,而后进行并行计算,将每一个参数计算&(2^参数最高位)-1,得到参数数据矩阵。
步骤8.4:将参数数据矩阵与参数符号位矩阵传入核函数,对参数数据矩阵进行并行计算,对于有符号位的参数,计算其补码,得到新的参数数据矩阵。
步骤8.5:将新的参数数据矩阵与偏移量矩阵相乘,得到译码结果。
将译码结果从显存返回至numpy数组中。
步骤9:解析译码结果:最后,系统需要将译码结果中的离散量转换为字典中的数据,具体步骤如下:
步骤9.1:将numpy形式的数组转换为DataFrame,每一列的列名设置为参数名。
步骤9.2:遍历离散型参数字典,DataFrame中的离散型参数根据列名取出。
步骤9.3:将DataFrame中取出的数值根据离散型参数字典转换为对应的字符串。
步骤10:写出译码结果:使用DataFrame的to_csv函数,将文件一次性输出至CSV文件中,即可通过excel等工具进行浏览。
传统的译码流程如附图6所示,而本发明的译码流程在进行每一步计算时均采用了GPU进行并行计算,可大幅提升译码和数据分析效率。
使用传统的译码工具(如AirFase),在大数据量分析情况下,每个航班需要经过大约6到10秒的译码时间,分析一个月(航班数以10000为例)的数据用时约20小时。通过本发明,在单机,CPU型号为i7-10700k,内存大小为16GB,显卡型号为主流的RTX2060-12GB的条件下,每一航段的运行时长大约为0.25秒,在10线程并行计算,并使用高性能硬盘组建raid阵列进行存储的情况下,分析一个月的数据只需用时250秒。若采用计算性能更为强大的显卡,其计算效率与并行线程数还可以进一步上升。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,应当指出的是,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种利用GPU进行总线数据并行计算译码的方法,其特征在于,该方法包括步骤:
(1)获取总线数据的二进制数据以及数据参数的定义表;
(2)寻找二进制数据中各个帧数据的同步字,通过同步字对二进制数据进行切分、清洗,获取各个帧数据;
(3)将帧数据以及数据参数的定义表转换为矩阵形式的数据;
(4)利用GPU进行并行计算译码。
2.根据权利要求1所述的一种利用GPU进行总线数据并行计算译码的方法,其特征在于,所述步骤(2)的具体步骤如下:
(2.1)读入二进制数据,读入的单位为2Byte;
(2.2)将读入的数据转换为无符号整型格式;
(2.3)判断该数据是否为同步字;若已经找到首个同步字,则随后每次找到同步字后,读入下一字数据时,将指针移至后续距离帧长度-1的位置;若读入的数据非同步字,则继续逐个读入数据,直到寻找到同步字再进行指针移动;
(2.4)将每次找到的同步字位置进行记录,生成同步字数组与同步字位置信息数组;
(2.5)根据同步字位置信息数组,对总线数据进行切分,得到各个帧数据;
(2.6)对每个帧数据判断是否异常,并进行清洗。
3.根据权利要求2所述的一种利用GPU进行总线数据并行计算译码的方法,其特征在于,步骤(2.5)中舍去头尾数帧帧数据。
4.根据权利要求2所述的一种利用GPU进行总线数据并行计算译码的方法,其特征在于,步骤(2.6)具体为:若该帧数据长度为正常帧数据长度的整数倍,则将其按照正常帧数据进行切分,否则将该帧数据以及该帧数据前后的数帧帧数据舍弃。
5.根据权利要求1所述的一种利用GPU进行总线数据并行计算译码的方法,其特征在于,步骤(3)的具体步骤包括:
(3.1)将帧数据按照同步字进行分类,分为第一副帧,第二副帧,第三副帧,第四副帧;
(3.2)将分类后的帧数据拼接为参数帧矩阵;
(3.3)将数据参数的定义表信息转换成矩阵,包括参数位置矩阵、参数类型矩阵、参数偏移量矩阵、参数起始位矩阵、参数终止位矩阵、参数符号位矩阵。
6.根据权利要求1所述的一种利用GPU进行总线数据并行计算译码的方法,其特征在于,步骤(4)的具体步骤包括:
(4.1)调用核函数,传入参数帧矩阵与参数位置矩阵,生成参数矩阵;
(4.2)将参数矩阵与参数起始位矩阵、终止位矩阵传入核函数,利用位运算得到参数数据矩阵;
(4.3)将参数数据矩阵与参数符号位矩阵传入核函数,对具备参数符号位的数据求补码,得到新的参数数据矩阵;
(4.4)将新的参数数据矩阵乘以参数偏移量矩阵,得到最终的参数矩阵;
(4.5)最后将数据类型为字符型以及离散量的参数进行转换,得到字符、枚举类型数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402519.3A CN115567166B (zh) | 2022-11-10 | 2022-11-10 | 一种利用gpu进行总线数据并行计算译码的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402519.3A CN115567166B (zh) | 2022-11-10 | 2022-11-10 | 一种利用gpu进行总线数据并行计算译码的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115567166A true CN115567166A (zh) | 2023-01-03 |
CN115567166B CN115567166B (zh) | 2023-03-17 |
Family
ID=84770871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402519.3A Active CN115567166B (zh) | 2022-11-10 | 2022-11-10 | 一种利用gpu进行总线数据并行计算译码的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115567166B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453377A (zh) * | 2023-06-16 | 2023-07-18 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185362A1 (en) * | 2007-06-05 | 2010-07-22 | Airbus Operations | Method and device for acquiring, recording and processing data captured in an aircraft |
US20120001788A1 (en) * | 2010-07-02 | 2012-01-05 | L-3 Communications Avionics Systems, Inc. | Transponder decoder |
CN102932003A (zh) * | 2012-09-07 | 2013-02-13 | 上海交通大学 | 基于gpu架构的qc-ldpc码的加速译码方法 |
WO2013184662A1 (en) * | 2012-06-06 | 2013-12-12 | Harris Corporation | Wireless engine monitoring system with multiple hop aircraft communications capability and on-board processing of engine data |
CN110990470A (zh) * | 2019-11-19 | 2020-04-10 | 深圳市比一比网络科技有限公司 | 基于分布式计算的qar数据译码方法、系统及存储介质 |
CN111339370A (zh) * | 2019-12-11 | 2020-06-26 | 山东航空股份有限公司 | 飞机qar数据的快速译码方法 |
WO2020173020A1 (zh) * | 2019-02-26 | 2020-09-03 | 北京控制工程研究所 | 航天器交会对接飞行控制智能数据分析与决策支持系统 |
US20200302801A1 (en) * | 2019-03-21 | 2020-09-24 | Honeywell International Inc. | Systems and methods for prioritized flight data transmission |
CN114692079A (zh) * | 2022-03-24 | 2022-07-01 | 华南理工大学 | 一种gpu批量矩阵乘法加速器及其处理方法 |
-
2022
- 2022-11-10 CN CN202211402519.3A patent/CN115567166B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185362A1 (en) * | 2007-06-05 | 2010-07-22 | Airbus Operations | Method and device for acquiring, recording and processing data captured in an aircraft |
US20120001788A1 (en) * | 2010-07-02 | 2012-01-05 | L-3 Communications Avionics Systems, Inc. | Transponder decoder |
WO2013184662A1 (en) * | 2012-06-06 | 2013-12-12 | Harris Corporation | Wireless engine monitoring system with multiple hop aircraft communications capability and on-board processing of engine data |
CN102932003A (zh) * | 2012-09-07 | 2013-02-13 | 上海交通大学 | 基于gpu架构的qc-ldpc码的加速译码方法 |
WO2020173020A1 (zh) * | 2019-02-26 | 2020-09-03 | 北京控制工程研究所 | 航天器交会对接飞行控制智能数据分析与决策支持系统 |
US20200302801A1 (en) * | 2019-03-21 | 2020-09-24 | Honeywell International Inc. | Systems and methods for prioritized flight data transmission |
CN110990470A (zh) * | 2019-11-19 | 2020-04-10 | 深圳市比一比网络科技有限公司 | 基于分布式计算的qar数据译码方法、系统及存储介质 |
CN111339370A (zh) * | 2019-12-11 | 2020-06-26 | 山东航空股份有限公司 | 飞机qar数据的快速译码方法 |
CN114692079A (zh) * | 2022-03-24 | 2022-07-01 | 华南理工大学 | 一种gpu批量矩阵乘法加速器及其处理方法 |
Non-Patent Citations (3)
Title |
---|
JAE-HYUNG KIM等: ""Enhanced QAR Flight Data Encoding and Decoding Algorithm for Civil Aircraft"", 《IEEE SICE-ICASE INTERNATIONAL JOINT CONFERENCE 2006》 * |
SHUANG WANG: ""A parallel decoding algorithm of LDPC codes using CUDA"", 《SIGNALS,SYSTEMS AND COMPUTERS,2008 42ND ASILOMAR CONFERENCE》 * |
黄永芳等: "QAR数据译码的航班划分", 《交通运输工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453377A (zh) * | 2023-06-16 | 2023-07-18 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
CN116453377B (zh) * | 2023-06-16 | 2023-08-15 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115567166B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684352B (zh) | 数据分析系统、方法、存储介质及电子设备 | |
CN108182215B (zh) | 一种结构化查询语言sql性能统计的方法及装置 | |
CN107092627B (zh) | 记录的列状存储表示 | |
CN112506951B (zh) | 数据库慢查询日志的处理方法、服务器、计算设备和系统 | |
CN108664635B (zh) | 数据库统计信息的获取方法、装置、设备和存储介质 | |
CN115567166B (zh) | 一种利用gpu进行总线数据并行计算译码的方法 | |
CN110990467B (zh) | 一种bim模型格式转换方法及转换系统 | |
CN111339370B (zh) | 飞机qar数据的快速译码方法 | |
CN111651514A (zh) | 数据导入方法及装置 | |
CN110569230A (zh) | 数据库设计模型与设计文档互相转换方法、系统及设备 | |
CN115470235A (zh) | 一种数据处理方法、装置以及设备 | |
CN109902162B (zh) | 基于数字指纹的文本相似性的识别方法、存储介质及装置 | |
CN107357919A (zh) | 行为日志查询系统及方法 | |
CN113468866B (zh) | 非标准json串的解析方法及装置 | |
CN112306421B (zh) | 一种用于存储分析测量数据格式mdf文件的方法和系统 | |
CN112632154B (zh) | 基于时间数据确定并行业务数量及时间区间的方法及装置 | |
CN115114297A (zh) | 数据轻量存储及查找方法、装置、电子设备及存储介质 | |
CN110955709B (zh) | 一种数据的处理方法、装置及电子设备 | |
CN112685456A (zh) | 一种用户访问数据的处理方法、装置及计算机系统 | |
CN112214494A (zh) | 检索方法及装置 | |
CN110232055B (zh) | Olap数据分析迁移方法及系统 | |
CN111898010A (zh) | 新关键词挖掘方法、装置及电子设备 | |
CN111324587A (zh) | Obj文件的数据的压缩方法、解析方法以及系统 | |
CN108241749B (zh) | 由传感器数据生成资讯信息的方法及设备 | |
CN111209371B (zh) | 评论数据处理方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |