基于Cholesky分解的LSSVM在线学习算法

针对最小二乘支持向量机(LSSVM)用于在线建模时存在的计算复杂性问题,提出一种LSSVM在线学习算法.首先引入了基于Cholesky分解求LSSVM的方法,接着根据在线建模期间核函数矩阵的更新特点,将分块矩阵Cholesky分解用于LSSVM的在线求解,使三角因子矩阵在线更新从而得出一种新的LSSVM在线学习算法.该算法能充分利用历史训练结果,减少计算量.仿真实验显示了这种在线学习算法的有效性.     

基于矩阵三角化分解的Cholesky分解及FPGA并行结构设计

矩阵运算是高性能计算中核心问题之一,矩阵分解是提高矩阵运算并行性的重要途径,飞速发展的FPGA为并行运算结构提供了有力的环境支持。该文基于子矩阵更新同一化算法实现了Cholesky分解,基于FPGA设计了相应的并行结构。实验结果表明:与通用处理器的软件实现相比,本文实现的Cholesky分解的FPGA并行结果在核心计算性能上可以取得10倍以上的加速比,该算法针对矩阵三角化计算过程具有更高的数据和流水并行性。     

ESPRIT算法广义逆矩阵求解的快速FPGA实现

在基于旋转不变子空间的信号参数估计（estimating signal parameter via rotational invariance techniques,ESPRIT）算法中涉及到求解信号子空间矩阵的逆矩阵,针对常用方法计算复杂度高,实时性差等问题,提出使用广义逆公式对信号子空间矩阵进行求解的方法. 在FPGA平台上设计并实现了由复数矩阵乘法、矩阵LU分解、下三角矩阵求逆等子模块构成的广义逆矩阵求解系统. 利用该系统求解广义逆矩阵所用的时间约为2.18 ms,与在MATLAB上对同样矩阵进行广义逆求解的平均用时15.7 ms减少了7.2倍. 使用该系统的结果在MATLAB上完成后续仿真,对ESPRIT算法最终所得角度进行误差分析,最终所得角度的平均估计误差约为0.04°. 结果表明,该系统能在保证结果精确度的同时有效减少运算时间.      

一阶常微分方程组的一个有效解法

对于一阶常微分方程组,将具有导数变量的系数矩阵作三角化分解,使其简化成单位矩阵．应用具有三阶精度、单步自起步、无条件稳定的隐式算法对一阶常微分方程组进行了简化,改进了Calahan算法．其中逆矩阵与矩阵的乘积,是通过矩阵三角化回代求解计算,从而回避了矩阵求逆．该算法保留了原方程组系数矩阵的稀疏存储方式和稀疏矩阵的运算规则,减少了计算时间和运算过程所需要的存储空间．     

基于Cholesky矩阵分解的贝叶斯压缩感知信号处理

随着雷达、卫星遥感技术的的高速发展,信号重构精度和效率的要求越来越高.针对传统贝叶斯压缩感知(Bayesian compressed sensing,BCS)算法需要进行高维矩阵反复求逆致使算法复杂度过高、运算时间过长的问题,结合Cholesky矩阵分解快速求逆方法,提出一种基于矩阵分解的改进贝叶斯压缩感知算法.通过仿...     

广义Lehmer矩阵求逆问题研究

利用矩阵的LU和Cholesky分解推导出Lehmer矩阵行列式和逆的解析表达式.在此基础上,定义了广义Lehmer矩阵,并获得了其LU分解和Cholesky分解公式,进而简化了广义Lehmer矩阵行列式和求逆的计算问题.     

求对称矩阵广义逆的新算法

在对称矩阵A的零空间已知的情况下,求出矩阵A的值域,然后进行一系列计算,可以得出矩阵A的广义逆A+.经过对算法的时间复杂度的分析,这种新算法的时间复杂度小于运用奇异值分解求矩阵广义逆算法的时间复杂度,并且数值试验结果也表明,这种新算法的运算速度高于运用奇异值分解求矩阵广义逆算法.     

预测控制中逆矩阵的递推求解算法

在各种自校正预测控制算法中，计算最优即时控制时均需在线进行矩阵求逆运算．作者针对各类预测控制算法中需求逆矩阵的普遍情形，采用矩阵分解方法，推导出一种可适用于各类预测控制算法的逆矩阵在线递推求解算法．本算法比传统增广矩阵求逆算法的计算量小，且适用性广，因而采用该算法可显著提高各种自校正预测控制算法的实时性．     

基于小波变换的智能天线波束形成算法

提出一种基于小波变换的智能天线波束形成算法(WL-SMILMS)。该算法采用小波函数将夹杂干扰噪声的来波信号变换在多尺度频域,对高频部分采用采样矩阵求逆算法(SMI)进行权矢量更新,对低频部分采用最小均方误差算法(LMS)进行权矢量更新,用两部分融合后的权矢量更新滤波器抽头权值,实现数字波束形成。该算法克服了SMI算法计算复杂度高、旁瓣偏高的缺点,比LMS算法具有更好的收敛性,实现了收敛率和计算复杂度的高度兼顾。     

基于LCMV的IQRD-SMI自适应数字波束形成算法

指出QR分解采样矩阵求逆算法(QRD-SMI算法)是一种较流行的自适应数字波束形成算法,但其需要前向和后向代入才能得到自适应权向量w,从而导致其实时性和并行性能欠佳.在QRD-SMI算法的基础上,采用逆QR分解方法,提出了一种不需要前向和后向代入而能全速/并行得到实时权向量w的一种逆QR分解SMI算法(IQRD-SMI算法),给出其易于硬件并行实现的Systolic阵结构.该算法能克服QRD-SMI算法并行性和实时性欠佳的缺点,能做到真正意义上的实时并行权向量抽取.仿真结果和分析验证了该算法的有效性和实时性.     

QR分解在方差分析中的应用

在线性混合模型的方差分量估计中,方差分析估计是一种很重要的估计方法。应用此方法估计过程中,所求的方程组的系数矩阵是上三角矩阵,很容易求得其解,然而它的计算会随着数据的增多变得既耗时又不稳定。用QR分解的方法计算方差分量的估计,不用计算投影阵及广义逆矩阵,而且参与运算的矩阵的阶数相对比较小,节约了存储空间。利用QR分解,讨论其在线性混合模型中方差分量的方差分析估计中的应用。     

基于CORDIC矩阵奇异值分解的FPGA实现

在矩阵的奇异值分解(singular value decomposition,SVD)过程中,随着矩阵维数的增加,SVD的计算量呈指数型增长,从而降低了算法运行的实时性。针对这个问题,基于Hestenes-Jacobi数值计算方法,提出了一种改进的基于坐标旋转数字计算机(coordinate rotation digital computer,CORDIC)的逻辑设计,该逻辑设计采用并行的全流水线设计思想,能够提高Jacobi平面旋转变换的运行速度,进而加快任意维矩阵奇异值分解的计算速度。分析了基于Hestenes-Jacobi方法的SVD的数值计算过程,介绍了CORDIC算法的基本原理,并具体说明了基于CORDIC算法的Jacobi平面旋转模块的设计,利用Verilog语言实现设计并验证,在现场可编程门阵列(field-programmable gate array,FPGA)上运行该逻辑设计单元,与Matlab软件的运行结果进行对比。实验测试结果表明,该结构能够减少计算时间,适应高速数据处理的要求。     

Fast inverse Cholesky decomposition for rectangular Toeplitz-block matrix

A fast Cholesky decomposition and a fast inverse Cholesky decomposition method forA ^T A are presented, whereA is anm×n rectangular Toeplitz-block matrix, we give the FCD-algorithm for computingR, and the FICD-algorithm for computingR ⁻¹, both allow for an efficient parallel implementation, for solving a least-squares problem and require onlyO(mn) operations. Supported by the National Natural Science Foundation of China and NCP of China Fang Yunlan: born in Aug. 1970, Past graduate student     

一种并行计算通信优化策略

为了解决在ABEEMσπ模型电荷分布计算中,基于Cholesky分解并行算法在通信过程中不断增长引起的通信开销和同步开销问题,采用linux并行计算集群系统层通信优化方法,设计并实现了系统层零拷贝通讯优化方法,以及可卸载的LKM模块机制缩短开发和测试时间,减少数据拷贝冗余的基于地址映射的零拷贝技术,解决了通讯延迟等问题。测试结果表明:基于零拷贝的通讯优化方法保证了数据信息的及时性、高效性与准确性,大大提高了Cholesky分解并行算法的通信性能。     

对角占优矩阵原位替换解算方法

研究对角占优矩阵原位替换解算方法,包括矩阵行列式、矩阵方程未知数和矩阵逆阵的解算.利用矩阵三角分解原理和矩阵运算的基本法则,导出矩阵元素约化值的计算公式,从而进一步导出利用矩阵元素约化值计算矩阵行列式、矩阵方程未知数和矩阵逆阵元素的原位替换解算公式.解算公式用纯量形式表出,有利于编程计算,且可实现按矩阵元素在矩阵中的存储位置原位替换解算.该解算方法可节省计算用内存空间和时间,提高科学计算的效率.     

基于NSST域的改进加权非负矩阵分解的图像融合

针对加权非负矩阵分解中算法复杂度较高的问题,提出一种基于加权非负矩阵分解和双通道脉冲耦合神经网络的图像融合的改进算法。首先,对已经配准的两个源图像进行非下采样Shearlet变换;然后,对于图像低频子带,采用改进的WNMF的算法,动态更新权值矩阵,更好地提取图像特征信息。对于高频子带,采用改进双通道脉冲耦合神经网络的算法,链接强度值采用块的梯度值,更好地保留图像的微小细节信息;最后,经过非下采样Shearlet的逆变换得到融合图像。实验表明,将加权非负矩阵分解与双通道脉冲耦合神经网络相结合,不仅能很好的提取图像的特征信息,保留更多细节信息;同时双通道的脉冲耦合神经网络的方法能提高算法运行效率。     

基于实测数据的STAP的权值计算算法性能比较

空时自适应处理(STAP)的权值求解是其计算最密集的部分,由于机载雷达回波数据动态范围很大,导致传统的采样协方差矩阵求逆(SMI)方法数值稳定性较差,相对而言基于QR分解的采样矩阵求逆算法(QRD-SMI)在系统动态范围要求和并行性上具有优势.为了寻求在STAP工程实现时采用QRD-SMI的理论依据,分析了采用这两种不同算法的STAP处理方法,比较了二者的计算量,用MountainTop数据比较研究了2种方法的性能.实验结果表明这2种方法均具有良好的杂波、干扰抑制性能,传统的SMI算法在杂波抑制性能上较QRD-SMI算法有一定的优势,而QRD-SMI算法对"目标消除效应"较SMI算法有更强的稳健性,综合比较算法性能、数值特性以及可并行实现性,QRD-SMI更适合在STAP的工程实现时采用.     

基于GPU的模态分析并行算法

开发了基于图形处理器（GPU）的Cholesky分解并行算法,应用于模态计算程序中,对计算进行加速.算例测试表明该算法相对串行算法计算性能大幅提升,且加速比随矩阵阶数增加而增加,与串行程序相比加速比可达到19.6,此时GPU浮点运算能力达到298Gflops.GPU程序固有频率计算结果与Abaqus计算结果的误差在2%以内,具有足够的计算精度.     

椭圆曲线密码引擎算法的设计与实现

针对Ｉｎｔｅｌ体系结构ＭＭＸ＾ＴＭ处理器的特点,设计并实现了一种椭圆曲线密码体制（ＥＣＣ）算法,提出一种ＥＣＣ数学模型,结合具体的公钥加密方案,推导出一种点积运算的快速算法。在Ｉｎｔｒａｎｅｔ／Ｉｎｔｅｒｎｅｔ环境下,为开发者提供了一种利用ＥＣＣ开发电子商务安全、数据保密通信等应用的通用算法模型,使ＥＣＣ实时及实用成为可能。