基于张量分裂技术，设计了一种面向电磁目标识别的神经网络模型分散计算方法。该方法根据不同的隐藏层选择特定的张量分裂方法，将权重无损地分散到多个分布式节点上，以分散、聚合的方式完成协同推理计算。在树莓派设备上进行的仿真实验表明，该方法可以对集中式电磁识别模型进行无损拆分并分布式部署，可以保持与原始模型完全相同的准确率。并且当原始模型由于参数量过大而无法加载到内存中进行处理时，该方法仍可以正常完成计算。

以平面相控阵天线为研究对象，在给出阵面天线方向图函数模型的基础上，详细描述了波控码的计算方法；分析了波束控制的系统架构，提出了查表法与分布式计算相结合的波控码计算方法，阐述了其软件处理流程，并与传统方法对比分析了该方法的技术优势。通过对阵面天线方向图的仿真分析，该方法可以控制波束指向，实现一维扫描与二维扫描、单向扫描与全向扫描，并具有很好的控制精确度。对波控系统的设计可以推广到其他阵列天线模型上。

为了解决海量交通视频数据的监控和分析问题，本文对Hadoop大数据背景下的交通视频监控技术进行了深入研究，提出了基于交通视频数据的异常检测算法的设计方案，实现了交通数据的实时更新和异常分析，同时针对海量交通监控视频，设计了基于Hadoop组件MapReduce的并行实现算法，并通过浙江省某市的实际交通数据验证算法的有效性和准确性。经过实验证明，本文算法可以有效计算出交通拥堵情况和异常情况，相对于传统方案，本文方案可以聚焦10 min范围内的时间粒度对交通情况进行实时分析，相对于传统的分布式计算模型，本文的方案10 min延迟可以控制在2.1 s,比传统方案延迟降低了81%,基本满足交通视频监控的实时和细颗粒度等要求。

在高速运动目标的视觉测量中，高分辨率、高帧频的图像序列带来了大量待处理数据，如何快速地从这些数据中识别合作目标并提取其特征信息，成为高速视觉测量中的难题。对此，针对高速相机每个时钟周期多像素并行传输的数据特点，提出一种基于多维金字塔的硬件加速处理结构，实现连通域的全局搜索与标记，并根据标记结果完成对应特征的实时提取。在现场可编程逻辑门阵列中，通过金字塔结构的二维处理节点阵列与多标签特征统计的一维处理阵列，将数据流的高密度运算均衡分布于各运算节点，结合流水线并行，将视觉系统中占据较高耗时的全局搜索与标记过程在图像传输中同步实现。通过功能验证与实时性分析，该特征提取的分布式运算结构可在CameraLink接口85 MHz的时钟频率下，实现680 Mpixel/s的数据流实时处理，可作为预处理部分应用于高速视觉测量系统。