基于Hadoop分布式文件系统（HDFS）研发的海量小文件系统（SMDFS）遗留了HDFS不兼容可移植操作系统接口（POSIX）约束的问题，为解决SMDFS的这一问题，提出基于本地缓存的POSIX兼容技术和基于数据暂存区的元数据高效管理技术。首先，通过设置数据暂存区来实现读写模式文件流的重定向，然后建立异步线程池模型，实现数据暂存区镜像文件的同步，从而完成用户层到存储层的所有POSIX相关的文件操作。此外，借助跳表结构的元数据缓存实现List目录等元数据操作效率优化。测试表明，相较于HDFS的Linux客户端，基于技术成果实现的SMDFS3.0的随机读性能有10倍以上的性能提升，顺序读和顺序写性能有约3~4倍的提升，随机写性能可以达到本地文件系统的20%，基于目录的元数据缓存的设计使目录的List操作效率提升近10倍。但是，由于用户空间文件系统（FUSE）挂载的客户端会引入额外的内核态和用户态切换等带来的开销，因此SMDFS3.0的Linux客户端相对于系统的Java接口会有大约50%的性能损耗。

针对传统的基于离散余弦变换(DCT)信道估计算法没有处理循环前缀之内噪声的问题,提出了一种基于小波去噪与DCT插值相结合的正交频分复用(OFDM)系统信道估计方法。首先,采用最小二乘(LS)法对接收到的导频信号进行信道初步估计;然后,对LS法估计出的结果进行离散小波阈值去噪处理;最后,利用DCT插值对循环前缀内的噪声再次处理,以进一步减小噪声的影响。在Matlab 2012平台上仿真,与传统的基于DCT信道估计算法相比较,误码率相同的条件下,所提算法的信噪比(SNR)性能提升了1 dB左右;均方误差相同的条件下,所提算法的SNR性能提升2 dB左右。仿真实验结果表明,该算法能够较好地减小加性高斯白噪声(AWGN)的影响,并有效提高信道估计的准确度,其总体性能较基于DCT的信道估计算法更优。

传统的线性最小均方误差(LMMSE)信道估计要求已知信道的统计特性,而实际应用中无线信道的统计特性往往是不可知的.针对无线信道的不确定性,根据时域信道上能量分布的稀疏性特点,在最小二乘(LS)算法的基础上提出了一种改进的LMMSE信道估计算法.该算法从当前信道置信度较高的频率响应出发,把相邻子载波信道估计误差的比值作为信道响应的加权系数,然后通过加权平均的方法计算出多径信道下的信道响应.该算法避免了繁琐的矩阵求逆与分解运算,能够有效降低算法复杂度.实验结果表明,所提算法总体性能优于LS算法及经过奇异值分解的线性最小均方误差(SVD-LMMSE)估计算法,且其误码率接近于传统的LMMSE算法.

为提高遥感图像目标识别的速度，减少消耗的时间，提出了一种特殊的遥感图像目标识别的并行处理方法。基于这种方法，只需对串行识别算法做较少的改动即可实现遥感图像目标识别的并行化处理，无需设计专门的并行识别算法，以较低的代价解决了遥感图像目标识别耗时较多的问题。