一种矩阵分解和下三角矩阵求逆的实现方法

摘要

本申请适用于数据处理技术领域，提供了一种矩阵分解和下三角矩阵求逆的实现方法。本申请实施例中获取待求矩阵的矩阵维度；当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵；根据各个分块矩阵对应的分解算法在寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵；分块矩阵对应的分解算法根据分块矩阵的相对位置确定；对多个目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵，从而提高了矩阵进行分解计算时的吞吐量。

说明书

技术领域

本申请属于数据处理技术领域，尤其涉及一种矩阵分解和下三角矩阵求逆的实现方法。

背景技术

随着社会的发展，现代信息处理越来越受到人们的重视，矩阵运算是现代信息处理的重要组成部分，例如在实时控制、卡尔曼滤波、雷达信号处理等领域通常会用到矩阵分解计算，而现有的通过单个浮点对矩阵进行分解计算，会导致运算吞吐量较低。

发明内容

本申请实施例提供了一种矩阵分解的实现方法、装置、终端设备及存储介质，可以解决矩阵进行分解计算时吞吐量较低的问题。

第一方面，本申请实施例提供了一种矩阵分解的实现方法，包括：

获取待求矩阵的矩阵维度；

当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵；

根据各个分块矩阵对应的分解算法在寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵；分块矩阵对应的分解算法根据分块矩阵的相对位置确定；

对多个目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵。

第二方面，本申请实施例提供了一种下三角矩阵求逆的实现方法，包括：

获取待求解的下三角矩阵的下三角矩阵维度；

当下三角矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量沿下三角矩阵的主对角线方向对下三角矩阵进行分块，得到多个下三角分块矩阵；

根据各个下三角分块矩阵对应的求逆算法在寄存器组中对各个下三角分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列对数据处理后的各个下三角分块矩阵的矩阵数据进行矩阵计算，确定各个下三角分块矩阵对应的下三角目标矩阵；下三角分块矩阵对应的求逆算法根据下三角分块矩阵的相对位置确定；

根据多个下三角目标矩阵确定下三角矩阵的求逆结果。

第三方面，本申请实施例提供了一种矩阵分解的实现装置，包括：

维度获取模块，用于获取待求矩阵的矩阵维度；

矩阵分块模块，用于当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵；

矩阵计算模块，用于根据各个分块矩阵对应的分解算法在寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵；分块矩阵对应的分解算法根据分块矩阵的相对位置确定；

结果分离模块，用于对多个目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵。

第四方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述任一种矩阵分解的实现方法或上述任一种下三角矩阵求逆的实现方法的步骤。

第五方面，本申请实施例提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述的计算机程序被处理器执行时实现上述任一种矩阵分解的实现方法或上述任一种下三角矩阵求逆的实现方法的步骤。

第六方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一种矩阵分解的实现方法或上述第二方面中任一种下三角矩阵求逆的实现方法。

本申请实施例中获取待求矩阵的矩阵维度，当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵，以便于分别对分块矩阵进行处理，提高待求矩阵的处理速度，具体根据各个分块矩阵对应的分解算法在所述寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵，该分块矩阵对应的分解算法根据分块矩阵的相对位置确定，最后对多个目标矩阵进行结果分离，以根据多个目标矩阵的分离结果确定待求矩阵对应的上三角矩阵和下三角矩阵，从而在待求矩阵进行分解计算时通过二维脉动阵列进行处理来提高矩阵进行分解计算时的吞吐量。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的矩阵分解的实现方法的流程示意图；

图2是本申请实施例提供的数据处理系统的结构示意图；

图3是本申请实施例提供的原位复制处理示意图；

图4是本申请实施例提供的纵向扩散映射处理示意图；

图5是本申请实施例提供的水平扩散映射处理示意图；

图6是本申请实施例提供的跨组单向原位映射处理示意图；

图7是本申请实施例提供的对角线归一化处理示意图；

图8是本申请实施例提供的下三角矩阵求逆的实现方法的流程示意图；

图9是本申请实施例提供的组内水平扩散处理示意图；

图10是本申请实施例提供的下三角取反处理示意图；

图11是本申请实施例提供的不含主对角线的下三角取反处理示意图；

图12是本申请实施例提供的矩阵分解的实现装置的结构示意图；

图13是本申请实施例提供的终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例一

图1所示为本申请实施例中一种矩阵分解的实现方法的流程示意图，该方法的执行主体可以是终端设备，如图1所示，上述矩阵分解的实现方法可以包括如下步骤：

步骤S101、获取待求矩阵的矩阵维度。

在一个实施例中，如图2所示，图2为数据处理系统的结构示意图，该处理系统可以实现矩阵分解的实现方法和下三角矩阵求逆的实现方法，可以包括控制器21、寄存器组22、二维脉动阵列23、高速总线24和数据存储模块25。其中，上述控制器21负责启动并控制数据处理系统中的各个组件，以实现矩阵分解的实现方法和下三角矩阵求逆的实现方法，即相当于本实施例中的终端设备；上述寄存器组22可以由N*N个寄存器组成，即可将数据分为N组，每组N个，N为2的幂次数，寄存器位宽可根据用户需求进行设定，在对寄存器组进行计算时需对寄存器组进行清零操作；上述二维脉动阵列23为矩形结构，可以由N*N个同类型乘加单元组成，该二维脉动阵列23可以用于计算矩阵对位加、减、乘、和矩阵乘、矩阵乘加、矩阵乘减；上述高速总线24通过高速互联的方式向数据存储模块25中输入或输出数据；上述数据存储模块25用于存储数据。

可以理解的是，上述寄存器组22可以包括至少一组寄存器组，例如在本实施例中可以用三组结构和功能完全相同的寄存器组来实现矩阵分解的实现方法和下三角矩阵求逆的实现方法。具体地，上述三组寄存器组分别是第一寄存器组221、第二寄存器组222、第三寄存器组223，而上述第一寄存器组221包括寄存器组A和寄存器组BA，上述第二寄存器组222包括寄存器组B和寄存器组BB，上述第三寄存器组223包括寄存器组C和寄存器组BC。其中，上述寄存器组BA、寄存器组BB和寄存器组BC可以用于缓存数据，但并不与计算阵列互联，即相当于缓存寄存器组，上述寄存器组A、寄存器组B和寄存器组C可以用于缓存并处理数据，即相当于处理寄存器组。

步骤S102、判断矩阵维度是否大于预设的寄存器组的寄存器数量。

若是，则执行步骤S103至步骤S105；若否，则执行步骤S106及后续步骤。

在本实施例中，寄存器组中的寄存器数量为N*N，用k表示。

步骤S103、根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵。

在本实施例中，终端设备将待求矩阵的数据以k为颗粒度进行分组，即相当于待求矩阵的数据长度除以k，得到商值q和余数r，即相当于得到了q+1个分块矩阵，例如，若待求矩阵的数据为n*n，且将待求矩阵划分为4个分块矩阵，则4个分块矩阵按照从左至右、从上至下的顺序依次为：大小为

步骤S104、根据各个分块矩阵对应的分解算法在寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵。

在本实施例中，由于各个分块矩阵由于其相对位置不同，所以其分解算法存在不同，故终端设备可根据分块矩阵对应的分解算法对分块矩阵的矩阵数据进行处理。上述分解算法可以基于非奇异矩阵LU分解控制算法，且根据分块矩阵的相对位置确定。

在一个实施例中，寄存器组包括第一处理寄存器组，即上述第一寄存器组221中的寄存器组A；第二处理寄存器组，即上述第二寄存器组222中的寄存器组B；结果寄存器组和缓存寄存器组，结果寄存器组和缓存寄存器组连接，该结果寄存器为上述第三寄存器组223中的寄存器组C，而与结果寄存器组连接的缓存寄存器组则为上述第三寄存器组223中的寄存器组BC。

步骤S104可以包括：向缓存寄存器组中输入分块矩阵的矩阵数据；根据分解算法从原位复制处理、纵向扩散映射处理、水平扩散映射处理和跨组单向原位映射处理中确定至少一种处理方式；根据处理方式在缓存寄存器组中对分块矩阵的矩阵数据进行数据处理，并将数据处理后的分块矩阵的矩阵数据输入处理方式对应的寄存器组，该处理方式对应的寄存器组包括第一处理寄存器组、第二处理寄存器组和结果寄存器组中的至少一个。

具体地，上述原位复制处理可以用于将缓存寄存器组内的数据复制到与其同一组的处理寄存器组，也可反之处理，即将处理寄存器组内的数据复制到与其同一组的缓存寄存器组内，如图3所示，当N为8时，将第一寄存器组221中寄存器组BA的数据复制到第一寄存器组221中的寄存器组A。

具体地，上述纵向扩散映射处理可以用于将缓存寄存器组内的数据复制到与其同一组的处理寄存器组时，可选择将缓存寄存器组内主对角线上的任意一个寄存器内的数据纵向复制至该寄存器所在的列方向下的所有寄存器后再映射至处理寄存器组，也可反之处理。如图4所示，当N为8时，将第一寄存器组221中寄存器组BA的数据复制到第一寄存器组221中的寄存器组A时，选择将寄存器组BA内主对角线上的任意一个寄存器内的数据纵向复制至该寄存器所在的列方向下的所有寄存器后再映射至寄存器组A，如图4中的x10。

具体地，上述水平扩散映射处理可以用于将缓存寄存器组内的数据复制到与其同一组的处理寄存器组时，可选择将缓存寄存器组内主对角线上各寄存器内的数据复制给寄存器所在行的所有的寄存器后再映射至处理寄存器组，也可反之处理。如图5所示，当N为8时，将第一寄存器组221中寄存器组BA的数据复制到第一寄存器组221中的寄存器组A时，选择将寄存器组BA内主对角线上各寄存器内的数据复制给寄存器所在行的所有的寄存器后再映射至寄存器组A。

具体地，上述跨组单向原位映射处理可以用于在存在多组所述寄存器组时，一组寄存器组中的某一个寄存器组可单向原位复制至另一组寄存器组中的某一个寄存器组。如图6所示，一个寄存器组中的寄存器组BA可将数据跨组单向原位映射至另一组寄存器组中的寄存器组B或寄存器组C；一个寄存器组中的寄存器组BB可将数据跨组单向原位映射至另一组寄存器组中的寄存器组B或寄存器组A；一个寄存器组中的寄存器组BC可将数据跨组单向原位映射至另一组寄存器组中的寄存器组A或寄存器组B；一个寄存器组中的寄存器组C可将数据跨组单向原位映射至另一组寄存器组中的寄存器组A或寄存器组B等。

在一个实施例中，步骤S104中的通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算可以包括：确定纵向扩散映射处理对应的主对角线上的目标寄存器位置；根据目标寄存器位置确定二维脉动阵列的使能信号；根据使能信号控制二维脉动阵列对第一处理寄存器组和第二处理寄存器组进行矩阵计算，并将计算结果输入至结果寄存器组；相应地，步骤S103中的确定各个分块矩阵对应的目标矩阵，包括：根据结果寄存器组中的矩阵数据确定分块矩阵对应的目标矩阵。

在一个实施例中，步骤S104中的通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算可以包括：若分块矩阵的左方和/或上方存在相邻的分块矩阵，则确定分块矩阵的左方和/或上方相邻的分块矩阵对应的相邻目标矩阵；将相邻目标矩阵的矩阵数据输入目标寄存器组中，通过二维脉动阵列对数据处理后的分块矩阵的矩阵数据和目标寄存器组进行矩阵计算。

示例性地，在处理大小为

第一步，根据待求矩阵的存储位置将分块矩阵E的矩阵数据搬入寄存器组BC中，并设置循环变量i的初始值为1。

第二步，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BC中的数据映射到寄存器组B中。根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BC中的数据映射到寄存器组C中。

第三步，根据分解算法确定纵向扩散映射处理方式，根据纵向扩散映射处理方式将寄存器组BC对角线中的第i个数据映射至寄存器组A中。

第四步，开启二维脉动阵列中第i列计算单元的第i+1至第k个使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵对位除法计算结果，并将矩阵对位除法计算结果存储于寄存器组C，即相当于公式C＝B./A，该公式可以通过Matlab语言进行描述。

第五步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射到寄存器组A中。

第六步，开启二维脉动阵列中第i+1列至第k列计算单元的第i+1至第k个使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘减计算结果，并将矩阵乘减计算结果存储于寄存器组C，即相当于公式C＝C-A*B，该公式可以通过Matlab语言进行描述。

第七步，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组C中的数据映射到寄存器组BC中，将循环变量i的值更新为i+1，并返回执行第三步，循环执行第三步至操作第七步k次后，从寄存器组C中以作为计算结果的U矩阵的存储位置为首地址搬运n*n个数据至数据存储模块，该n*n个数据为上述分块矩阵E对应的目标矩阵的数据。

示例性地，在处理大小为

第一步，将分块矩阵F以k为颗粒度进行分组，即相当于分块矩阵F的数据长度除以k，得到商值q1和余数r1，设置循环变量i的初始值为1。

第二步，从数据存储模块中向寄存器组A输入分块矩阵E对应的目标矩阵的矩阵数据。

第三步，根据分块矩阵F的存储位置将分块矩阵F的连续k个矩阵数据搬入寄存器组BC中。并根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BC中的数据映射到寄存器组B中。根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BC中的数据映射到寄存器组C中。

第四步，开启二维脉动阵列中第i+1列至第k列计算单元的第i+1至第k个使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘减计算结果，并将矩阵乘减计算结果存储于寄存器组C，即相当于公式C＝C-A*B，该公式可以通过Matlab语言进行描述。

第七步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射到寄存器组B中，将循环变量i的值更新为i+1，并返回执行第四步，循环执行第四步k次后，得到k个计算结果，再将k个计算结果搬运至数据存储模块，从而通过循环执行第二步至第七步q1+1次，得到

示例性地，在处理大小为

第一步，将分块矩阵G以k为颗粒度进行分组，即相当于分块矩阵G的数据长度除以k，得到商值q2和余数r2，设置循环变量i的初始值为1。

第二步，从数据存储模块中向寄存器组BA输入分块矩阵E对应的目标矩阵的矩阵数据。

第三步，根据分解算法确定水平扩散映射处理方式，根据水平扩散映射处理方式将寄存器组BA的主对角线上的数据水平扩散后再映射至寄存器组A。

第四步，根据分块矩阵G的存储位置将分块矩阵G的连续k个矩阵数据搬入寄存器组BC中。根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BC中的数据映射到寄存器组B中。根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BC中的数据映射到寄存器组C中。

第五步，开启二维脉动阵列中第i列计算单元的使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵对位除法计算结果，并将矩阵对位除法计算结果存储于寄存器组C，即相当于公式C＝B./A，该公式可以通过Matlab语言进行描述。

第六步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射到寄存器组B中。

第七步，开启二维脉动阵列中第i+1列至第k列计算单元的使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘减计算结果，并将矩阵乘减计算结果存储于寄存器组C，即相当于公式C＝C-A*B，该公式可以通过Matlab语言进行描述。

第八步，根据分解算法确定跨组单向原位映射处理方式和原位复制处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射到寄存器组B中，根据原位复制处理方式将寄存器组BA中的数据映射到寄存器组A中，将循环变量i的值更新为i+1，并返回执行第五步，循环执行第五步至第八步k次后，得到k个计算结果，再将k个计算结果搬运至数据存储模块，从而通过循环执行第二步至第八步q2+1次，得到

示例性地，在处理大小为

第一步，将分块矩阵H以k为颗粒度进行分组，即相当于分块矩阵H的数据长度除以k，得到商值q3和余数r3。

第二步，从数据存储模块中向寄存器组A输入分块矩阵G对应的目标矩阵的矩阵数据。

第三步，从数据存储模块中向寄存器组B输入分块矩阵F对应的目标矩阵的矩阵数据。

第四步，根据分块矩阵H的存储位置将分块矩阵H的连续k个矩阵数据搬入寄存器组BC中。

第五步，通过二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘减计算结果，并将矩阵乘减计算结果存储于寄存器组C，即相当于公式C＝C-A*B，该公式可以通过Matlab语言进行描述。

第六步，循环执行第一步至第五步(q3+1)

可以理解的是，可对q值和r值进一步判断，以确定待求矩阵中是否还存在未处理的矩阵数据，将q值更新为q值减去1，并对q值进行判断。

当q不为零时，将作为计算结果的L矩阵的存储位置更新为作为计算结果的L矩阵的上一轮存储位置和k个数据存储的字长度的总和；将作为计算结果的U矩阵的存储位置更新为作为计算结果的U矩阵的上一轮存储位置和k个数据存储的字长度的总和，将n值更新为n-k，继续依据上述步骤对待求矩阵中的剩余数据进行处理；当q值为0时，对r值进行判断。

当r值不为零时，将作为计算结果的L矩阵的存储位置更新为作为计算结果的L矩阵的上一轮存储位置和n与k个数据存储的字长度的乘积之间的总和；将作为计算结果的U矩阵的存储位置更新为作为计算结果的U矩阵的上一轮存储位置和n与k个数据存储的字长度的乘积之间的总和，将n值更新为r值，根据上述分块矩阵E的运算步骤对r值对应的数据进行处理，从而最终得到待求矩阵对应的至少一个目标矩阵的矩阵数据，该至少一个目标矩阵包括q对应的目标矩阵和r对应的目标矩阵；当r值为零时，则计算结束，当前存在的至少一个目标矩阵对应整个待求矩阵。

步骤S105、对多个目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵。

在一个实施例中，步骤S105可以包括：向寄存器组中输入目标矩阵的矩阵数据；对寄存器组中的目标矩阵的矩阵数据进行原位复制处理、对角线归一化处理、跨组单向原位映射处理，得到处理后的目标矩阵的矩阵数据；通过二维脉动阵列对处理后的目标矩阵的矩阵数据进行矩阵计算，根据计算结果确定目标矩阵对应的上三角矩阵和下三角矩阵。

具体地，上述对角线归一化处理可以用于将某一寄存器组内的主对角线上的所有寄存器的值赋为1值。如图7所示，将寄存器A内的主对角线上的所有寄存器的值赋为1值。

示例性地，步骤S105包括如下步骤：

第一步，配置二维脉动阵列的使能信号为下三角模式，根据作为计算结果的U矩阵的存储位置从数据存储模块中向寄存器组BA依次搬入k个待求矩阵对应的目标矩阵的数据。

第二步，根据分解算法确定对角线归1化处理方式，根据对角线归1化处理方式将寄存器组BA中的数据映射至寄存器组A中；根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射至寄存器组C中。

第三步，通过二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘计算结果，并将矩阵乘计算结果存储于寄存器组C，即相当于公式C＝A*B，该公式可以通过Matlab语言进行描述。最后根据作为计算结果的L矩阵的存储位置从寄存器组C中将矩阵乘计算结果搬运至数据存储模块，从而得到分解后的L矩阵。

第四步，清零寄存器组B，将使能信号取反，并根据分解算法确定对角线归1化处理方式，根据对角线归1化处理方式将寄存器组BA中的数据映射至寄存器组A中；根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射至寄存器组C中。

第五步，通过二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘计算结果，并将矩阵乘计算结果存储于寄存器组C，即相当于公式C＝A*B，该公式可以通过Matlab语言进行描述。最后根据作为计算结果的U矩阵的存储位置从寄存器组C中将矩阵乘计算结果搬运至数据存储模块，从而得到分解后的U矩阵。

步骤S106、将待求矩阵对应的分解算法在寄存器组中对待求矩阵进行数据处理，并通过预设的二维脉动阵列对数据处理后的待求矩阵进行矩阵计算，确定目标矩阵。

示例性地，步骤S106包括如下步骤：

第一步，根据待求矩阵的存储位置将待求矩阵的矩阵数据搬入寄存器组BC中，并设置循环变量i的初始值为1。

第二步，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BC中的数据映射到寄存器组B中。根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BC中的数据映射到寄存器组C中。

第三步，根据分解算法确定纵向扩散映射处理方式，根据纵向扩散映射处理方式将寄存器组BC对角线中的第i个数据映射至寄存器组A中。

第四步，开启二维脉动阵列中第i列计算单元的第i+1至第k个使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵对位除法计算结果，并将矩阵对位除法计算结果存储于寄存器组C，即相当于公式C＝B./A，该公式可以通过Matlab语言进行描述。

第五步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射到寄存器组A中。

第六步，开启二维脉动阵列中第i+1列至第k列计算单元的第i+1至第k个使能信号，以促使二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘减计算结果，并将矩阵乘减计算结果存储于寄存器组C，即相当于公式C＝C-A*B，该公式可以通过Matlab语言进行描述。

第七步，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组C中的数据映射到寄存器组BC中，将循环变量i的值更新为i+1，并返回执行第三步，循环执行第三步至操作第七步k次后，从寄存器组C中以作为计算结果的U矩阵的存储位置为首地址搬运n*n个数据至数据存储模块，该n*n个数据为上述待求矩阵对应的目标矩阵的数据。

步骤S107、对目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵。

示例性地，步骤S107包括如下步骤：

第一步，配置二维脉动阵列的使能信号为下三角模式，根据作为计算结果的U矩阵的存储位置从数据存储模块中向寄存器组BA搬入n*n个待求矩阵对应的目标矩阵的数据。

第二步，根据分解算法确定对角线归1化处理方式，根据对角线归1化处理方式将寄存器组BA中的数据映射至寄存器组A中；根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射至寄存器组C中。

第三步，通过二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘计算结果，并将矩阵乘计算结果存储于寄存器组C，即相当于公式C＝A*B，该公式可以通过Matlab语言进行描述。最后根据作为计算结果的L矩阵的存储位置从寄存器组C中将矩阵乘计算结果搬运至数据存储模块，从而得到分解后的L矩阵。

第四步，清零寄存器组B，将使能信号取反，并根据分解算法确定对角线归1化处理方式，根据对角线归1化处理方式将寄存器组BA中的数据映射至寄存器组A中；根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射至寄存器组C中。

第五步，通过二维脉动阵列计算寄存器组A与寄存器组B的矩阵乘计算结果，并将矩阵乘计算结果存储于寄存器组C，即相当于公式C＝A*B，该公式可以通过Matlab语言进行描述。最后根据作为计算结果的U矩阵的存储位置从寄存器组C中将矩阵乘计算结果搬运至数据存储模块，从而得到分解后的U矩阵。

本申请实施例中获取待求矩阵的矩阵维度，当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵，以便于分别对分块矩阵进行处理，提高待求矩阵的处理速度，具体根据各个分块矩阵对应的分解算法在所述寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵，该分块矩阵对应的分解算法根据分块矩阵的相对位置确定，最后对多个目标矩阵进行结果分离，以根据多个目标矩阵的分离结果确定待求矩阵对应的上三角矩阵和下三角矩阵，从而在待求矩阵进行分解计算时通过二维脉动阵列进行处理来提高矩阵进行分解计算时的吞吐量。

实施例二

图8所示为本申请实施例中一种下三角矩阵求逆的实现方法的流程示意图，该方法的执行主体可以是终端设备，如图8所示，上述下三角矩阵求逆的实现方法可以包括如下步骤：

步骤S801、获取待求解的下三角矩阵的下三角矩阵维度。

在本实施例中，上述下三角矩阵可以是通过实施例一的矩阵分解方法得到的下三角矩阵。

步骤S802、判断下三角矩阵维度是否大于预设的寄存器组的寄存器数量。

若是，则执行步骤S803至步骤S805；若否，则执行步骤S806。

在本实施例中，若寄存器组中的寄存器数量为N*N，并用k表示。

步骤S803、根据寄存器数量沿下三角矩阵的主对角线方向对下三角矩阵进行分块，得到多个下三角分块矩阵。

在本实施例中，终端设备将下三角矩阵以k为颗粒度进行分组，即相当于下三角矩阵的数据长度除以k，得到商值q4和余数r4，即沿下三角矩阵的主对角线方向对下三角矩阵进行分块，得到q4个大小为k的下三角分块矩阵和1个大小为r4的下三角分块矩阵。

步骤S804、根据各个下三角分块矩阵对应的求逆算法在寄存器组中对各个下三角分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列对数据处理后的各个下三角分块矩阵的矩阵数据进行矩阵计算，确定各个下三角分块矩阵对应的下三角目标矩阵；下三角分块矩阵对应的求逆算法根据下三角分块矩阵的相对位置确定。其中，上述求逆算法可以是下三角求逆控制算法。

步骤S805、根据多个下三角目标矩阵确定下三角矩阵的求逆结果。

在一个实施例中，步骤S804中根据各个下三角分块矩阵对应的求逆算法在寄存器组中对各个下三角分块矩阵的矩阵数据进行数据处理，包括：根据求逆算法从原位复制处理、对角线归1化处理、组内水平扩散处理、下三角取反处理、不含主对角线的下三角取反处理、跨组单向原位映射处理中确定至少一种处理方式；根据处理方式在寄存器组中对下三角分块矩阵的矩阵数据进行数据处理。

具体地，上述组内水平扩散处理可以用于将寄存器组内主对角线上寄存器内的数据可复制给其同行所有的寄存器。如图9所示，将寄存器组BA主对角线上寄存器内的数据可复制给同行所有的寄存器。

具体地，上述下三角取反处理可以用于将寄存器组内下三角数据值全部取反。如图10所示，将寄存器组A的下三角数据值全部取反。

具体地，上述不含主对角线的下三角取反处理可以用于将寄存器组内不含主对角线上的数据在内的其它下三角数据值全部取反。如图11所示，将寄存器组A不含主对角线上的数据在内的其它下三角数据值全部取反。

示例性地，上述步骤S804可以包括如下步骤：

第一步，根据下三角矩阵的存储位置从数据存储模块中向寄存器组BA中输入k个计算数据，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BA中的数据映射至寄存器组A中；根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射至寄存器组B中。

第二步，根据分解算法确定对角线归1化处理方式，根据对角线归1化处理方式将寄存器组B的对角线的数值均设置为1。

第三步，通过二维脉动阵列执行对位除法操作，得到对位除法操作结果，并将该结果存储于寄存器组C，即相当于公式C＝B./A，该公式可以通过Matlab语言进行描述。

第四步，根据分解算法确定组内水平扩散处理方式和跨组单向原位映射处理方式，根据组内水平扩散处理方式将寄存器组C中的数据映射至寄存器组BC中，根据跨组单向原位映射处理方式将寄存器组C中的数据映射至寄存器组BC。

第五步，开启二维脉动阵列的主对角线以下的计算单元的使能信号，促使二维脉动阵列执行矩阵对位乘操作，得到对位乘操作结果，并将该结果存储于寄存器组C，即相当于公式C＝A.*B，该公式可以通过Matlab语言进行描述。

第六步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射至寄存器组B和寄存器组A中。

第七步，根据分解算法确定不含主对角线的下三角取反处理方式，根据不含主对角线的下三角取反处理方式将寄存器组A的值重映射至寄存器组A中。

第八步，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BC的值映射至寄存器组C中。

第九步，开启二维脉动阵列第i+1行中第1个至第i个计算单元的使能信号，促使二维脉动阵列执行矩阵乘计算，即相当于公式C＝A*B，该公式可以通过Matlab语言进行描述。并根据计算结果的存储位置从寄存器组C中将k个数据搬运至数据存储模块，将q4值更新为q4值减1，对q4值进行判断。

第十步，当q4值不为0时，将下三角矩阵的存储位置更新为下三角矩阵的上一轮存储位置和n与k个数据存储的字长度的乘积之间的总和；将计算结果的存储位置更新为计算结果的上一轮存储位置和n与k个数据存储的字长度的乘积之间的总和，并返回执行第一步；当q4值为0时，对r4值进行判断。

第十一步，当r4值不为0时，将下三角矩阵的存储位置更新为下三角矩阵的上一轮存储位置和n与k个数据存储的字长度的乘积之间的总和；将计算结果的存储位置更新为计算结果的上一轮存储位置和n与k个数据存储的字长度的乘积之间的总和，返回执行一次第一步后，将q4值更新为q4值的初始值，继续执行第十二步；当r4值为0时，将q4值更新为q4值减1，将r4值更新为k，继续执行第十二步。

第十二步、根据计算结果的存储位置从数据存储模块中向寄存器组A中输入第九步中得到的k个计算结果数据。

第十三步、将下三角矩阵的存储位置更新为下三角矩阵的上一轮存储位置和k个数据存储的字长度之间的差值，根据更新后的下三角矩阵的存储位置从数据存储模块中向寄存器组B中输入k个矩阵数据。

第十四步、根据分解算法确定下三角取反处理方式，根据下三角取反处理方式将寄存器A的数据重映射至寄存器A。

第十五步、通过二维脉动阵列执行矩阵乘操作，得到矩阵乘操作结果，并将该结果存储于寄存器组C，即相当公式C＝A*B，该公式可以通过Matlab语言进行描述。

第十六步、根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C的值映射至寄存器组A，并清零寄存器组C。

第十七步、将计算结果的存储位置更新为计算结果的上一轮存储位置和n与k个数据存储的字长度的乘积之间的差值，根据更新后的计算结果的存储位置从数据存储模块中向寄存器组B中输入k个计算结果。

第十八步、通过二维脉动阵列执行矩阵乘操作，得到矩阵乘操作结果，并将该结果存储于寄存器组C，即相当公式C＝A*B，该公式可以通过Matlab语言进行描述。

第十九步、设置变量位置为计算结果的存储位置和n与k个数据存储的字长度的乘积之间的总和，根据变量位置从自寄存器组C中将结果数据搬运至数据存储模块中，并将q4值更新为q4值减1，对q4值进行判断。

第二十步、当q值不为0时，将计算结果的存储位置更新为差值与k个数据存储的字长度的乘积，该差值为计算结果的上一轮存储位置减去k个数据存储的字长度减去n的值，将r4值更新为r4的初始值和k的总和，返回执行第十二步，直至q4值为0时，计算结束。

步骤S806、将待求解的下三角矩阵对应的分解算法在寄存器组中对待求解的下三角矩阵进行数据处理，并通过预设的二维脉动阵列对数据处理后的待求解的下三角矩阵进行矩阵计算，确定下三角矩阵的求逆结果。

示例性地，示例性地，上述步骤S806可以包括如下步骤：

第一步，根据下三角矩阵的存储位置从数据存储模块中向寄存器组BA中输入n*n个计算数据，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BA中的数据映射至寄存器组A中；根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组BA中的数据映射至寄存器组B中。

第二步，根据分解算法确定对角线归1化处理方式，根据对角线归1化处理方式将寄存器组B的对角线的数值均设置为1。

第三步，通过二维脉动阵列执行对位除法操作，得到对位除法操作结果，并将该结果存储于寄存器组C，即相当于公式C＝B./A，该公式可以通过Matlab语言进行描述。

第四步，根据分解算法确定组内水平扩散处理方式和跨组单向原位映射处理方式，根据组内水平扩散处理方式将寄存器组C中的数据映射至寄存器组BC中，根据跨组单向原位映射处理方式将寄存器组C中的数据映射至寄存器组BC。

第五步，开启二维脉动阵列的主对角线以下的计算单元的使能信号，促使二维脉动阵列执行矩阵对位乘操作，得到对位乘操作结果，并将该结果存储于寄存器组C，即相当于公式C＝A.*B，该公式可以通过Matlab语言进行描述。

第六步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射至寄存器组B和寄存器组A中。

第七步，根据分解算法确定不含主对角线的下三角取反处理方式，根据不含主对角线的下三角取反处理方式将寄存器组A的值重映射至寄存器组A中。

第八步，根据分解算法确定原位复制处理方式，根据原位复制处理方式将寄存器组BC的值映射至寄存器组C中。

第九步，开启二维脉动阵列第i+1行中第1个至第i个计算单元的使能信号，促使二维脉动阵列执行矩阵乘计算，即相当于公式C＝A*B，该公式可以通过Matlab语言进行描述。

第十步，根据分解算法确定跨组单向原位映射处理方式，根据跨组单向原位映射处理方式将寄存器组C中的数据映射至寄存器组B中，更新循环变量i的值为i+1，并跳转至上述第九步，循环执行第九步至第十步k次后，根据计算结果的存储位置从寄存器组C中将n*n个数据搬运至数据存储模块中，至此计算结束。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的实施例二的具体工作过程，可以参考前述实施例一中的对应过程，在此不再赘述。

实施例三

对应于实施例一所述的一种矩阵分解的实现方法，图12所示为本申请实施例中一种矩阵分解的实现装置的结构示意图，如图12所示，上述矩阵分解的实现装置可以包括：

维度获取模块121，用于获取待求矩阵的矩阵维度。

矩阵分块模块122，用于当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵。

矩阵计算模块123，用于根据各个分块矩阵对应的分解算法在寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵；分块矩阵对应的分解算法根据分块矩阵的相对位置确定。

结果分离模块124，用于对多个目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵。

在一个实施例中，寄存器组包括第一处理寄存器组、第二处理寄存器组、结果寄存器组和缓存寄存器组，结果寄存器组和缓存寄存器组连接，上述矩阵计算模块123可以包括：

第一数据输入单元，用于向缓存寄存器组中输入分块矩阵的矩阵数据。

第一方式确定单元，用于根据分解算法从原位复制处理、纵向扩散映射处理、水平扩散映射处理和跨组单向原位映射处理中确定至少一种处理方式。

第一数据处理单元，用于根据处理方式在缓存寄存器组中对分块矩阵的矩阵数据进行数据处理，并将数据处理后的分块矩阵的矩阵数据输入处理方式对应的寄存器组，处理方式对应的寄存器组包括第一处理寄存器组、第二处理寄存器组和结果寄存器组中的至少一个。

在一个实施例中，上述矩阵计算模块123还可以包括：

位置确定单元，用于确定纵向扩散映射处理对应的主对角线上的目标寄存器位置。

信号确定单元，用于根据目标寄存器位置确定二维脉动阵列的使能信号。

第一矩阵计算单元，用于根据使能信号控制二维脉动阵列对第一处理寄存器组和第二处理寄存器组进行矩阵计算，并将计算结果输入至结果寄存器组。

第一矩阵确定单元，用于根据结果寄存器组中的矩阵数据确定分块矩阵对应的目标矩阵。

在一个实施例中，上述结果分离模块124可以包括：

第二数据输入单元，用于向寄存器组中输入目标矩阵的矩阵数据。

第二数据处理单元，用于对寄存器组中的目标矩阵的矩阵数据进行原位复制处理、对角线归一化处理、跨组单向原位映射处理，得到处理后的目标矩阵的矩阵数据。

第二矩阵计算单元，用于通过二维脉动阵列对处理后的目标矩阵的矩阵数据进行矩阵计算，根据计算结果确定目标矩阵对应的上三角矩阵和下三角矩阵。

在一个实施例中，上述矩阵计算模块123还可以包括：

第二矩阵确定单元，用于若分块矩阵的左方和/或上方存在相邻的分块矩阵，则确定分块矩阵的左方和/或上方相邻的分块矩阵对应的相邻目标矩阵。

第三矩阵计算单元，用于将相邻目标矩阵的矩阵数据输入目标寄存器组中，通过二维脉动阵列对数据处理后的分块矩阵的矩阵数据和目标寄存器组进行矩阵计算。

本申请实施例中获取待求矩阵的矩阵维度，当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵，以便于分别对分块矩阵进行处理，提高待求矩阵的处理速度，具体根据各个分块矩阵对应的分解算法在所述寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵，该分块矩阵对应的分解算法根据分块矩阵的相对位置确定，最后对多个目标矩阵进行结果分离，以根据多个目标矩阵的分离结果确定待求矩阵对应的上三角矩阵和下三角矩阵，从而在待求矩阵进行分解计算时通过二维脉动阵列进行处理来提高矩阵进行分解计算时的吞吐量。

实施例四

对应于实施例二所述的一种矩阵分解的实现方法，上述矩阵分解的实现装置可以包括：

矩阵维度获取模块，用于获取待求解的下三角矩阵的下三角矩阵维度。

分块模块，用于当下三角矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量沿下三角矩阵的主对角线方向对下三角矩阵进行分块，得到多个下三角分块矩阵。

数据处理模块，用于根据各个下三角分块矩阵对应的求逆算法在寄存器组中对各个下三角分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列对数据处理后的各个下三角分块矩阵的矩阵数据进行矩阵计算，确定各个下三角分块矩阵对应的下三角目标矩阵；下三角分块矩阵对应的求逆算法根据下三角分块矩阵的相对位置确定。

结果确定模块，用于根据多个下三角目标矩阵确定下三角矩阵的求逆结果。

在一个实施例中，上述矩阵分解的实现装置还可以包括：

第二方式确定单元，用于根据求逆算法从原位复制处理、对角线归1化处理、组内水平扩散处理、下三角取反处理不含主对角线的下三角取反处理、跨组单向原位映射处理中确定至少一种处理方式。

第三数据处理单元，用于根据处理方式在寄存器组中对下三角分块矩阵的矩阵数据进行数据处理。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对上述实施例的实施过程构成任何限定。

实施例五

图13为本申请实施例提供的终端设备的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分。

如图13所示，该实施例的终端设备13包括：至少一个处理器1300(图13中仅示出一个)，与上述处理器1300连接的存储器1301，以及存储在上述存储器1301中并可在上述至少一个处理器1300上运行的计算机程序1302，例如矩阵分解的实现程序。上述处理器1300执行上述计算机程序1302时实现上述各个矩阵分解的实现方法实施例中的步骤，例如图1所示的步骤S101至S107或图8所示的步骤S801至S806。或者，上述处理器1300执行上述计算机程序1302时实现上述各装置实施例中各模块的功能，例如图12所示模块121至124的功能。

示例性的，上述计算机程序1302可以被分割成一个或多个模块，上述一个或者多个模块被存储在上述存储器1301中，并由上述处理器1300执行，以完成本申请。上述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序1302在上述终端设备13中的执行过程。例如，上述计算机程序1302可以被分割成维度获取模块121、矩阵分块模块122、矩阵计算模块123、结果分离模块124，各模块具体功能如下：

维度获取模块121，用于获取待求矩阵的矩阵维度。

矩阵分块模块122，用于当矩阵维度大于预设的寄存器组的寄存器数量时，根据寄存器数量对待求矩阵进行分块，得到多个分块矩阵。

矩阵计算模块123，用于根据各个分块矩阵对应的分解算法在寄存器组中对各个分块矩阵的矩阵数据进行数据处理，并通过预设的二维脉动阵列依次对数据处理后的各个分块矩阵的矩阵数据进行矩阵计算，确定各个分块矩阵对应的目标矩阵；分块矩阵对应的分解算法根据分块矩阵的相对位置确定。

结果分离模块124，用于对多个目标矩阵进行结果分离，确定待求矩阵对应的上三角矩阵和下三角矩阵。

上述终端设备13可包括，但不仅限于，处理器1300、存储器1301。本领域技术人员可以理解，图13仅仅是终端设备13的举例，并不构成对终端设备13的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备、总线等。

所称处理器1300可以是中央处理单元(Central Processing Unit，CPU)，该处理器1300还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

上述存储器1301在一些实施例中可以是上述终端设备13的内部存储单元，例如终端设备13的硬盘或内存。上述存储器1301在另一些实施例中也可以是上述终端设备13的外部存储设备，例如上述终端设备13上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器1301还可以既包括上述终端设备13的内部存储单元也包括外部存储设备。上述存储器1301用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等，例如上述计算机程序的程序代码等。上述存储器1301还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。