5G到来推动了物联网的广泛应用,同时也带来海量数据。这些数据存储时会占用大量空间和资源而需要及时处理。异构计算比传统计算更有优势,它具备丰富的计算资源并且可以根据每个计算单元的结构特点分配适合的计算任务。因此异构计算是解决未来数据中心算力和能耗问题的重要手段。针对异构计算仍然存在编程复杂、可信性无法保证等问题,本文提出了一个基于状态变迁矩阵(STM)的编程框架,集成GPU和FPGA等各种计算单元的资源。通过状态迁移矩阵对CUDA和Vivado的应用程序接口(API)进行调用,自动生成异构计算所需要的标准C代码的框架。针对异构计算系统的调度问题提出了信息素优化的人工蚁群算法(MACO),针对期望因子和信息因子提出了适应异构架构的优化,同时优化信息素挥发机制,实现了合理的异构任务调度,并通过调度长度、迭代效率等关键参数对比了MACO算法和其他算法,证明本文提出的算法的有效性。同时针对异构硬件通信提出了FPGA和GPU分别作为主控器的高效异构PCIe通信方法,通过高速串行计算机扩展总线(PCI-E)连接不同计算单元,实现无需经过CPU内存的直接数据传输,同时突破了仅使用GPU作为主控器的PCIe通信当中读取操作的短板,进一步提高了异构平台的通信效率。搭建了基于FPGA-GPU-CPU的异构计算平台,针对以上几项研究,分别进行通信验证实验和任务调度实验,同时搭建平台后基于Fasthog+SVM进行实际应用的对比实验。并对实验结果进行了分析,验证了所提方法的正确性和有效性。