针对大规模多输入多输出（MIMO）系统中，最小均方误差（MMSE）检测算法在可重构阵列结构上适应性差、计算复杂度高和运算效率低的问题，基于项目组开发的可重构阵列处理器，提出了一种基于MMSE算法的并行映射方法。首先，利用Gram矩阵计算时较为简单的数据依赖关系，设计时间上和空间上可以高度并行的流水线加速方案；其次，根据MMSE算法中Gram矩阵计算和匹配滤波计算模块相对独立的特点，设计模块化并行映射方案；最后，基于Xilinx Virtex-6开发板对映射方案进行实现并统计其性能。实验结果表明，该方法在MIMO规模为 \mathrm{128} \times \mathrm{4} 、 \mathrm{128} \times \mathrm{8} 和 \mathrm{128} \times \mathrm{16} 的正交相移键控（QPSK）上行链路中，加速比分别2.80、4.04和5.57；在 \mathrm{128} \times \mathrm{16} 的大规模MIMO系统中，可重构阵列处理器比专用硬件减少了42.6%的资源消耗。

率失真（R-D）优化是视频编码器中一项关键技术，然而当前广泛采用的独立率失真优化远未达到全局最优性能。为了进一步提升高效视频编码（HEVC）的压缩性能，提出了一种结合率失真依赖性和率失真特性的二次编码优化算法。首先，采用原始HEVC的方法对当前帧进行第一次编码，从而得到当前帧消耗的比特数和每个编码树（CTU）单元的率失真模型参数；然后，结合时域依赖率失真优化，根据当前帧比特预算和率失真模型参数计算每个CTU的最佳拉格朗日乘子及量化参数；最后，对当前帧中每个CTU采用不同的优化目标重新编码。实验结果表明，在低延迟B帧和P帧编码配置下，与HEVC基准相比，所提视频编码优化算法在同样编码质量下节省了3.5%和3.8%的码率，获得了显著的率失真性能提升。