(*) ang. Non-Unified Memory Access

 

Fot. 1. Stacja robocza o wysokiej wydajności obliczeniowej	Fot. 2. Wnętrze serwera o wysokiej wydajności obliczeniowej (widoczne pierwsze cztery procesory)
Fot. 3. Serwer nadzorujący pracę klastra obliczeniowego	Fot. 4. Klaster stacji obliczeniowych

   Współczesny rozwój wieloprocesorowych architektur komputerów pociąga za sobą konieczność prac nad nowymi algorytmami równoległego (współbieżnego) przetwarzania danych. Tradycyjne algorytmy – tzw. jednowątkowe – przetwarzają dane z wykorzystaniem tylko jednego procesora, bez względu na ilość procesorów w systemie komputerowym, na którym pracują. Z kolei, algorytmy równoległego przetwarzania danych – tzw. wielowątkowe – wykorzystują wszystkie procesory systemu. Oczywistym jest, że sprawność obliczeniowa systemów wieloprocesorowych współpracujących z algorytmami wielowątkowymi jest zdecydowanie większa od sprawności tych samych systemów, ale współpracujących z algorytmami jednowątkowymi.
   Istnieją dwa podstawowe kierunki rozwoju architektur systemów wieloprocesorowych: architektury przeznaczone do obliczeń tzw. drobnoziarnistych (ang. fine-grained) oraz tzw. gruboziarnistych (ang. coarse-grained). Pierwszy rodzaj architektur koncentruje procesory i pamięć operacyjną w jednym, spójnym systemie komputerowym. Do najważniejszych rozwiązań w tym obszarze należą: architektura SMP (ang. Symmetric Multiprocessing) – wszystkie procesory systemu posiadają bezpośredni dostęp do całego obszaru pamięci operacyjnej oraz architektura NUMA (ang. Non-Unified Memory Access) – poszczególne procesory lub grupy procesorów posiadają bezpośredni dostęp jedynie do części pamięci operacyjnej. Architektura NUMA rozwiązuje pewne ograniczenia konstrukcyjne komputerów z bardzo dużą liczbą procesorów i jest obecnie najszybciej rozwijaną technologią. Drugi z wyżej wspomnianych kierunków rozwoju architektur systemów komputerowych, przeznaczonych do obliczeń gruboziarnistych, dotyczy prac nad oprogramowaniem umożliwiającym połączenie wielu niezależnych od siebie komputerów, funkcjonujących w sieci komputerowej, w jeden logiczny, wirtualny, wieloprocesorowy system komputerowy. Wśród najważniejszych rozwiązań w tym obszarze można wymienić systemy tzw. obliczeń w chmurze (ang. cloud computing).
   Na potrzeby prac prowadzonych w ramach laboratorium dotychczasowy sprzęt komputerowy (Fot. 1) został uzupełniony o dwa nowe systemy wieloprocesorowe funkcjonujące w architekturze NUMA (Fot. 2 i 3). Aparatura zostanie wykorzystana do prac nad projektami algorytmów do obliczeń drobnoziarnistych – współbieżnego przetwarzania danych z obszaru tzw. inteligencji obliczeniowej (ang. computational intelligence). Projektowane oprogramowanie może mieć zastosowanie w problemach wspomagania decyzji (np. do diagnostyki medycznej), rozpoznawania i klasyfikowania obiektów oraz zdarzeń na podstawie analizy materiałów audio i wideo (np. w systemach komputerowego widzenia – rozpoznawanie twarzy, kontroli ruchu drogowego – rozpoznawanie znaków drogowych, tablic rejestracyjnych i marek samochodów). Ponadto został zakupiony zestaw 19 stacji roboczych (Fot. 4), stanowiących jeden klaster obliczeniowy, na potrzeby testowania algorytmów do obliczeń gruboziarnistych – również z obszaru inteligencji obliczeniowej.

 

1. narzędzia uruchomieniowe dla procesorów DSP(*) firmy Texas Instruments Inc., w tym:

   • TMDSVDP6437 - platformy DVDP (ang. Digital Video Development Platform) dla procesorów DM6437 (600MHz) serii DaVinci™,
   • TMDSEVM6467 - zestawy DVEVM (ang. Digital Video Evaluation Module) dla procesorów DM6467 serii DaVinci™,
   • TMDSEVM6446-0E - zestaw DVEVM (ang. Digital Video Evaluation Module) dla procesorów DM6443 i DM6446 serii DaVinci™,
   • TMDXEVM6455 – wieloprocesorowe systemy uruchomieniowe z procesorami C6455 serii C6000,
   • TMDSPDK6727 – zestawy rozwojowe audio PADK (ang. Professional Audio Development Kit) dla procesorów C672x serii C6000,
   • TMDSEVM642 – zestawy rozwojowe dla procesorów medialnych DMP (ang. Digital Media Processors): DM642, DM640, DM641
2. aparat fotograficzny Nikon D300s wraz z kompletem obiektywów Nikon AF-S NIKKOR 70-200mm f/2.8G ED VR II i Nikon AF-S NIKKOR 24-70mm f/2.8G ED,
3. skaner Mustek Bear Paw 2400 CU PLUS II,
4. kamera Logitech QuickCam Sphere AF,
5. monitor wielkoekranowy 60’’ LCD z podświetlaniem LED o rozdzielczości 1920x1080pix.

 

(*) ang. Digital Signal Processing

 

Fot. 5. Kamera rejestrująca obrazy w świetle widzialnym i w podczerwieni, współpracująca z systemem DSP

Fot. 6. System DSP wykorzystywany do przetwarzania obrazów

   Wraz z rozwojem wyżej opisanych współbieżnych algorytmów przetwarzania danych trwają równolegle prace nad odpowiednimi dla nich rozwiązaniami sprzętowymi. Wzrosło znaczenie technologii z obszaru cyfrowego przetwarzania sygnałów, w szczególności narzędzi wykorzystujących procesory DSP (ang. Digital Signal Processing). Przyczyną wzrostu zainteresowania tymi rozwiązaniami jest m.in. rosnący rynek urządzeń mobilnych oraz stale zwiększające się zapotrzebowanie na aplikacje wykorzystujące zaawansowane metody przetwarzania obrazów oraz sygnałów audio i wideo (aplikacje takie znalazły zastosowanie w systemach komunikacji mobilnej bazujących na technologiach WiMax, LTE lub UMTS). Ponadto, rozwiązania te mogą być z powodzeniem stosowane w systemach z zakresu bezpieczeństwa i automatycznej inspekcji, wykorzystujące szeroko rozumiany monitoring wizyjny.
   Na potrzeby prac prowadzonych w ramach laboratorium zakupiono urządzenia do pozyskiwania obrazów (Fot. 5) oraz narzędzia do przetwarzania obrazów – systemy uruchomieniowe firmy Texas Instruments Inc. (Fot. 6). Aparatura zostanie wykorzystana do opracowania prototypów urządzeń do rozpoznawania tablic rejestracyjnych i marek samochodów. Planuje się, że w ramach współpracy z Akademią Górniczo-Hutniczą urządzenia te zostaną włączone do systemu automatycznej inspekcji ruchu drogowego, który powstaje na potrzeby projektów INDECT i INSIGMA (patrz również zakładka „Opis badań”).

 

1. analizator widma o zakresie pomiarowym od 9 kHz do 3 GHz wraz z zestawem sond HZ15 do pomiaru pola magnetycznego i elektrycznego o zakresie pomiarowym od 30 MHz do 3 GHz i dodatkową anteną HZ520,
2. generator w.cz. Hameg HM8135 pracujący w paśmie częstotliwości od 1 Hz do 3 GHz,
3. częstościomierz Hameg HM8123 o zakresie pomiarowym od 0 do 3 GHz,
4. generator funkcyjny Rigol DG2041A mieszanych sygnałów z zaawansowaną techniką cyfrowej syntezy DDS o maksymalnej częstotliwości wyjściowej 40MHz i szybkości próbkowania 100MSa/s,
5. dwa zasilacze programowane Hameg HMP2030 przeznaczone do pracy równoległej i szeregowej posiadające po dwa niezależne izolowane galwanicznie kanały 0-32V oraz po jednym kanale 0-5, 5V i obciążalności od 0 do 5A, z możliwością definiowania dowolnych charakterystyk napięcia i prądu wyjściowego,
6. dwa multimetry laboratoryjne Rigol DM3064 i dwa precyzyjne multimetry cyfrowe Fluke289,
7. dwukanałowy oscyloskop cyfrowy Rigol DS1302CA o paśmie przenoszenia 300MHz i szybkości próbkowania: 2GS/s (praca jednokanałowa), 1GS/s (praca dwukanałowa),
8. mostek RLC Hameg HM8118 do pomiaru L, C, R |Z|, X, |Y|, G, B, D, Q, Θ, Δ, M, N i dokładności podstawowej 0,05% przy częstotliwości pomiarowej od 20 Hz do 200 kHz,
9. 32 kanałowy analizator stanów logicznych Lepatronix LA2050 o paśmie 200MHz.

 

Fot. 7. Stanowisko laboratoryjno-pomiarowe

Fot. 8. Stanowisko laboratoryjno pomiarowe

   Zakupiona aparatura laboratoryjno-pomiarowa jest niezbędna do uruchomienia i testowania prototypów urządzeń do przetwarzania obrazów, bazujących na wyżej opisanych systemach uruchomieniowych DSP, w tym systemów do automatycznego rozpoznawania tablic rejestracyjnych i marek samochodów.

 

 

   Wszystkie badania nad wspomnianymi wyżej algorytmami przetwarzania danych są prowadzone z wykorzystaniem specjalistycznego oprogramowania zakupionego w ramach projektu (kompilatory, narzędzia do przetwarzania sygnałów / obrazów, narzędzia do archiwizacji danych).