LabVIEW高性能分析和高级图像处理扩展功能.docxVIP

LabVIEW高性能分析和高级图像处理扩展功能发布日期:?八月 05, 2012?| 0 评级 |?0.00?out of 5 |?/white-paper/14035/zhs/Read in English |?/white-paper/14035/zhs/pdf?PDF概览NI LabVIEW作为一款完整的系统设计工具，包含了从快速傅里叶变换(FFT)到统计分析例程等数百种内置信号处理和分析功能。本文将介绍LabVIEW的几项最新分析功能，这些功能专为使用CPU和图形化处理单元(GPU)进行高性能处理而设计的。此外，本文也会对全新的双目立体视觉功能进行讨论。目录/white-paper/14035/zhs/简介/white-paper/14035/zhs/借助LabVIEW多核分析和稀疏矩阵工具包，解决有挑战性的问题/white-paper/14035/zhs/借助LabVIEW GPU工具包，实现LabVIEW应用和GPU应用之间的通信/white-paper/14035/zhs/借助NI视觉开发模块中的全新双目立体视觉功能，扩展视觉系统的功能/white-paper/14035/zhs/了解更多关于LabVIEW 新功能的信息或下载评估版软件1. 简介尽管LabVIEW具有一系列丰富的内置信号处理和分析功能，工程师和科学家要使用LabVIEW和NI I/O硬件开发计算应用（从核聚变研究到信号情报和复杂的机器人系统）时仍需要新的IP和数据类型。此外，需要以较短的时间间隔处理海量数据的科学系统也越来越多地结合CPU、现场可编程逻辑门阵列(FPGA)和图形化处理单元(GPU)等计算元素，以充分利用这些设备各自的优势。继续阅读，了解更多关于LabVIEW平台新增功能的信息：LabVIEW多核分析和稀疏矩阵工具包、LabVIEW GPU分析工具包、以及NI视觉开发模块的双目立体视觉功能。/white-paper/14035/zhs/至页首2. 借助LabVIEW多核分析和稀疏矩阵工具包，解决有挑战性的问题LabVIEW在一定时间内的确可在多核处理器上并行执行多个算法。但是，它并没有充分利用多核处理器的优势来提升每个数据集各个算法的性能。基于Windows平台上Intel数学内核库(Intel Math Kernel Library)的多线程功能，LabVIEW多核分析和稀疏矩阵工具包新增了更优化的核心线性代数和FFT算法。采用顺序Intel MKL的LabVIEW Real-Time(ETS)系统也提供其他线性代数功能。图1. 在四核处理器上运行时，LabVIEW多核分析和稀疏矩阵工具包内置的多线程FFT速度比标准的单线程FFT高出3至4倍。而且，各种工程和科学应用中的矩阵往往包含许多零值元素。在这些稀疏矩阵上进行线性代数运算时，可使用该属性更快速计算更大型的矩阵。 该工具包添加了新的类、VI和图表，以便在Windows和LabVIEW Real-Time (ETS)目标上进行实数和复数的稀疏矩阵运算。最后，工具包内的所有新库均以双精度和单精度浮点数据运行，因此用户可在数据精度、计算性能和内存使用之间实现最佳平衡/white-paper/14113/zhs?了解LabVIEW多核分析和稀疏矩阵工具包的更多信息和基准测试。/nips/cds/view/p/lang/zhs/nid/210525?查看购买信息/white-paper/14035/zhs/至页首3. 借助LabVIEW GPU工具包，实现LabVIEW应用和GPU应用之间的通信GPU最初是用于支持图形化处理操作，其硬件架构与CPU截然不同 - 通常包含上百个功能有限的浮点处理内核。由于这一高度并行特性，GPU硬件已经越来越多地应用于高度并行数据集的通用计算。借助LabVIEW GPU分析工具包，用户可在LabVIEW桌面应用程序和NVIDIA CUDA GPU硬件之间进行通信。此外，用户还可执行GPU（包括选定的CUBLAS、CUFFT和其他库）上预先封装好的信号处理和线性代数功能集，也可封装自己的GPU应用程序，然后从LabVIEW中调用这些功能。/white-paper/14077/zhs?了解关于LabVIEW GPU分析工具包功能、何时使用GPU而非其他计算元素以及基准性能测试的更多信息。/nips/cds/view/p/lang/zhs/nid/210829?查看购买信息/white-paper/14035/zhs/至页首4. 借助NI视觉开发模块中的全新双目立体视觉功能，扩展视觉系统的功能视觉对于各种测试和控制应用来说是不可或缺的重要组成部分。许多应用可能因为3D空间信息可简化并提高视觉系统的精度和可靠性这一特点而获益良多。例如，3D视觉信息对于堆垛和卸垛