基于可重构计算系统的矩阵三角化分解硬件并行结构研究

可重构计算系统成为加速计算密集型应用的重要选择之一.在众多受到关注的计算密集型问题中,矩阵三角化分解作为典型的基础类应用始终处于研究的核心地位,在求解线性方程组、求矩阵特征值等科学与工程问题中有重要的研究价值.本文面向矩阵三角化分解中共有的三角化计算过程,通过分析该过程的线性计算规律,提出一种适于硬件并行实现的子矩阵更新同一化算法及矩阵三角化计算FPGA(Field Programmable Gate Array)并行结构.针对LU矩阵三角化分解在并行结构模板上的高性能实现及优化方法开展了研究.理论分析表明,该算法针对矩阵三角化计算过程具有更高的数据并行性与流水并行性;实验结果表明,与通用处理器的软件实现相比,根据该算法实现的矩阵三角化分解FPGA并行结果在关键计算性能上可以取得10倍以上的加速比.

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。

关于无网格方法中点插值形函数的研究

点插值法与其他无网格方法不同的是采用多项式近似来构造形函数,这种形函数具有Kroneckerdelta函数的特性,因此,易于施加本质边界条件.本文研究了点插值法中以单项式为基函数的形函数的建立及其性质,并通过矩阵三角化算法来克服形函数矩阵大奇异性.同时,本文所给出的数值算例验证了形函数具有Kroneckerdelta函数的特性,说明了点插值形函数具有精确的曲线拟合特性并能通过分片试验.

关于Cayley-Hamilton定理的连续论证法

Cayley-Hamilton定理是线性代数中的一个重要结论.对该定理从不同角度入手的证明也多种多样.为丰富线性代数的这部分理论,首先对有限维向量空间某些结果的论证进行了改进,然后利用矩阵数值分析的连续论证法,给出了Cayley-Hamilton定理的另一种新证明.

双基地MIMO雷达多目标定位

针对双基地多输入多输出雷达目标定位问题,提出一种基于联合矩阵上三角化的收发角度估计算法.将收发角度估计问题转化为联合矩阵上三角问题,采用扩展QZ迭代算法对其求解,估计收发阵列流型矩阵,最后利用谱分析算法恢复收发角.该算法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次迭代均可得到精确的闭式解.与现有算法相比,该方法的角度估计精度更高,且收发角可自动配对.仿真结果表明所提算法的有效性.

从特征值到特征向量以及相关应用

利用伴随矩阵讨论了交换环上的可上三角化矩阵的特征值和特征向量之间的一组关系式,推广了文献[3]中的相关结果.作为所得关系式的一个应用,文中给出了域上可对角化矩阵A的重数大于等于2的一个充分必要条件.

采用近似计算获得行列式误差可控的值

众所周知,行列式的精确计算具有重要意义.然而,由于计算误差的积累与传播,使其成为一个具有挑战性的难题.对于元素中不含变元的任意一个行列式,基于高斯消元法,文章通过精确控制每一个中间运算的精度,提出控制其计算结果误差的一个数值算法.利用该算法,不论行列式是否病态,均可获得其任意精度的值.