应用改进算法的对称逐步超松弛预处理共轭梯度法进行大体积混凝土仿真计算

针对大体积混凝土有限元仿真计算中存在计算规模大、计算时间长的问题,为克服使用直接解法导致占用内存多、耗时长和精度得不到保证的缺点,充分考虑大体积混凝土结构有限元仿真分析中温度场和位移场求解的特点,用改进算法的对称逐步超松弛预处理共轭梯度法取代直接解法,进行温度场和位移场计算中大型稀疏对称正定线性方程组的求解.采用算例计算对比了使用2种方法计算的内存占用、耗时和计算精度等情况,结果表明,该方法可完全消除整体劲度矩阵带宽对存储空间需求的影响,减少内存占用和计算耗时,且使得计算精度可灵活控制.

基于对称逐步超松弛的低复杂度信道估计算法

随着大规模多输入多输出系统基站端天线数量的增大,系统的信道容量和频谱效率随之增加。传统的信道估计算法,如最小均方误差涉及到高维矩阵的求逆运算,特别在大规模多输入多输出系统中,导致系统复杂度过高。为降低大规模多输入多输出系统的计算复杂度,本文提出了一种基于对称逐步超松弛的低复杂度信道估计算法,该方法以迭代的形式有效避免高维矩阵的直接求逆运算,降低系统复杂度。对所提算法进行了仿真实验对比分析,仿真结果表明,该算法可有效减少系统计算复杂度,且随着迭代次数的增加性能接近最小均方误差信道估计算法。

一种基于SSOR的大规模MIMO线性预编码方案

大规模多输入多输出系统(Massive MIMO)由于天线数和用户数太大,导致预编码矩阵在求逆是复杂度过高。为了降低复杂度,本文提出了一种基于对称逐步超松弛(SSOR)的线性预编码方案,相比传统的规则化迫零(RZF)预编码方案,本文所提的方案在没有任何性能损失的情况下可以降低一个量级的运算复杂度,为了保证所提SSOR预编码方案的性能,提出一种仅依靠天线配置的简单的量化松弛参数。

改进的SSOR-PCG快速求解法在高面板堆石坝求解效率和节约内存中的实践

针对大型高面板堆石坝有限元计算中常用的直接法存在存储空间大、计算时间长的问题,根据刚度矩阵稀疏性特点,采用对称逐步超松弛预处理共轭梯度法(SSOR-PCG法)的改进算法求解线性方程组,并提出了与该算法相适应的有限元刚度矩阵压缩存储的新方法,以典型面板堆石坝为例,将快速求解法和一维半带宽直接法在计算精度、内存占用、计算耗时三方面进行了比较分析。结果表明,快速求解法具有精度高、速度快、占用内存少的优点,可应用于大规模土石坝有限元分析中。

基于改进共轭梯度的大规模多输入多输出预编码

针对大规模多输入多输出(Massive MIMO)系统下行链路预编码实现复杂、线性预编码矩阵求逆困难等问题,提出一种基于对称逐步超松弛预处理共轭梯度法(SSOR-PCG)的低复杂度预编码算法。该算法在共轭梯度(PCG)算法的基础上,采用对称逐步超松弛分裂(SSOR)算法对矩阵进行预处理以降低矩阵的条件数,达到提高预编码算法收敛速度、降低复杂度的目的。仿真结果表明:与PCG算法相比,所提出的SSOR-PCG预编码算法运行时间缩短约88.93%,在信噪比为26dB时已收敛;与迫零预编码算法相比,所提算法迭代2次即可获得与迫零预编码算法相近的系统容量性能,复杂度降低约一个数量级,误码率降低约49.94%。

高精度曲面建模的一种快速算法

高精度曲面建模(HASM)是一种全新的曲面建模方法,其整个过程可分为偏微分方程的离散、采样方程建立和代数方程组求解3个阶段。目前所采用的求解对称正定方程组的方法主要是共轭梯度法。为了解决HASM的计算速度问题,本文给出了2种新的预处理共轭梯度算法,分别为不完全Cholesky分解共轭梯度法和对称逐步超松弛预处理共轭梯度法。实验表明,不完全Cholesky分解共轭梯度法收敛速度最快,且这2种预处理方法均比其他方法具有更快的收敛速度。