一种基于动态序列的单边Jacobi方法

采用Jacobi方法并行求解矩阵奇异值有多种数据交换序列,在双边Jacobi方法中,采用动态序列要比静态循环序列更加高效,可以将其应用到单边Jacobi方法中。为了在每一次迭代开始时动态生成数据交换序列,首先计算矩阵子块间的谱范数,然后对这些谱范数形成的完全图应用最大权完美匹配算法,最终结果作为各计算节点传递数据的依据。实验表明谱范数可以很好地表示矩阵列对之间的正交程度,将其应用在求解动态序列的过程中,使得单边Jacobi方法计算矩阵奇异值分解更加高效。

一种基于奇异值分解的动态多传感器数据融合算法

在工业应用中常用一组传感器对同一个被测量目标在一个过程的不同位置进行测量。由于每个传感器位于过程的不同位置 ,它们将不同程度的受到噪声的干扰。为了从被噪声干扰的测量值中获得更准确的测量结果 ,本文提出了一种基于奇异值分解 (SVD)的动态多传感器数据融合算法。由该算法得到的传感器测量结果值最优估计的方差不仅低于传感器组中每一个传感器测量结果的方差 ,而且低于由基于最小均方误差 (MMSE)多传感器数据融合算法得到的估计结果的方差。仿真的结果表明 。

倾斜阵列下奇异值分解穿墙雷达杂波抑制

天线阵列与墙体之间的未知倾斜角会影响超宽带穿墙雷达目标位置探测与成像。针对天线阵列不平行于墙体时引起的目标偏移与墙体杂波难于抑制的问题,提出时延校正的基于Jacobi奇异值分解的杂波抑制算法。即首先通过时延校正使得天线阵列等效于平行于墙体放置,再通过单边Jacobi实现奇异值分解,获取正交性好的奇异向量,利用子空间投影抑制墙体杂波,最后对目标进行探测与成像。仿真结果表明经过该方法处理后可准确定位目标,并且能够获得较好的墙体杂波抑制效果,成像的目标杂波比有了明显提高。

潜在语义分析中词汇-文本矩阵奇异值分解的并行实现

针对潜在语义分析中词汇-文本矩阵奇异值分解的特点,设计并实现了一种基于单边Jacobi的矩阵奇异值分解的并行算法。并行算法采用了一种新的扫描策略和任务划分策略,该策略在一次扫描中能产生n(n1-)/2个不同的列向量对,同时能够对矩阵的列向量按模排序,使奇异值按从大到小的顺序排列。通过在自强3000高性能计算机上的实验表明,并行算法大大缩短了奇异值分解的计算时间,而且随着矩阵规模逐渐变大,加速比趋于稳定。