QR分解

摘要： 大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。

摘要： 在封闭的环境内,声源发出的语音信号不可避免会因为房间冲激响应产生一定的混响,造成语音质量和辨识度下降,给通信的对方带来一定的困难。因此,高效的语音去混响算法变得特别引人注目,研究过程中最常用的方法就是多通道线性预测自适应去混响算法,文章将详细介绍该算法,提出新的时变遗忘因子,控制方案并改进了QR-RLS算法,不仅提高了去混响的能力,还提高了算法的稳定性。

摘要： 近年来,随着云计算和人工智能的飞速发展,数字图像在多媒体、医疗和军事等领域中的应用越来越普遍。其中,遥感技术通过电磁波的理论可以对远距离目标进行探测处理,因此,遥感图像的传输安全变得尤为重要。为了解决数字图像信息的安全和隐私保护等问题,提出了一种基于新型Hachimoji脱氧核糖核酸(Deoxyribonucleic Acid,DNA)和QR分解的遥感图像可逆隐藏算法。首先利用遥感图像和宿主图像的信息熵更新耦合映像格子(Coupled Map Lattice,CML)的系统参数和初始值,将产生的混沌序列作为加密过程中一次一密的密钥流,增强抵抗已知攻击或选择明文攻击的能力。接着,根据Hachimoji DNA技术对遥感图像进行8位碱基编码,并利用密钥流对图像矩阵进行异或运算和循环移位操作。最后,将宿主图像分块并进行QR分解,并将加密后的遥感图像以DNA碱基的形式嵌入宿主块中。特别地,嵌入遥感信息后的宿主图像仍然有视觉意义,并且可以从中无损地提取出所嵌入的图像信息。实验仿真结果表明,所提算法嵌入效果良好、安全性高,具有较强的鲁棒性。

摘要： MIMO技术虽然可以提高频谱的利用率,但是多维度的信号处理为MIMO信号的检测带来了极大的挑战.在对各类MIMO检测算法分析的基础上,选择非线性QR分解算法作为研究对象.为了获取更高的检测性能,进一步研究了排序的QR分解并提出了基于L1范数的排序方案.Matlab性能仿真显示,基于L1范数的排序策略和基于L2范数的排序策略对MIMO系统检测性能的影响基本一致,但采用L1范数降低了计算复杂度.在此基础上,设计了基于FPGA的利用Givens旋转改进的排序QR分解的硬件电路结构.在4×4信道矩阵的分解实现中,相较于L2范数求解,L1范数在单个列范数计算中组合逻辑资源至少节省了29.2%,触发器资源至少节省了32.4%.整体结构设计与同等规模的类似结构相比,主频时钟得到明显改善.

摘要： 矩阵分解是矩阵求逆中重要的运算之一,被广泛运用在神经网络、数字信号处理、无线通信技术等领域中。针对传统的分解算法运算不利于硬件实现的缺陷,文中在一种列向量优化QR分解算法的基础上,提出了一种一维线性矩阵分解结构,并完成了其ASIC设计。该分解器支持2~32阶矩阵分解运算,在TSMC 28 nm工艺下工作主频为700 MHz。仿真和FPGA测试结果表明,该分解器与MATLAB运算结果的相对误差小于10^(-12)。在执行12阶级以上规模矩阵分解时,该分解器的运算周期相比传统一维线性结构具有2.3倍的加速比。在执行32阶矩阵分解时,该分解器的运算周期相比于NIVIDA RTX2070具有22.8倍的加速比。

摘要： 在压缩感知理论中,最为关键的问题是观测矩阵的构造.影响图像重建质量的因素包括观测矩阵列向量间的独立性以及观测矩阵与稀疏基间的互相关性.基于此提出了一种优化算法.该算法采用QR分解以增大观测矩阵列独立性,同时对利用等角紧框架(Equiangular Tight Frame,ETF)收缩的Gram矩阵进行优化,通过更新每次梯度下降的方向,加快收敛速度,从而减小观测矩阵与稀疏基间的互相关性.仿真实验结果显示,在信号稀疏度或观测次数相同情况下,该优化观测矩阵的方法在提高图像重建质量与稳定性方面都有一定优势.

摘要： 针对不相关MIMO和相关MIMO信道系统,提出了基于增量和减量选择规则的联合天线选择和链路自适应算法.具体实现是首先构建出受系统施加的总吞吐量和功率约束的MIMO系统的联合天线选择和链路自适应最优化问题;然后对于不相关MIMO信道系统,提出了带链路自适应的增量和减量的天线选择规则,增量选择将所需的天线递归地添加到初始为空的有源天线集合中,减量选择将不需要的天线递归地从初始为满的天线集合中移除,对于相关MIMO信道系统,基于慢变信道协方差信息,提出了一种带链路自适应的增量天线选择规则,从而得到2种情形在总吞吐量和功率约束下的误码率最小化;实验结果表明,提出的算法相比于传统的天线选择算法不仅有更低的误码率,而且对于不同反馈延迟有着较好的鲁棒性.

摘要： 针对SINS/GPS组合导航姿态估计精度不足问题,提出一种BP神经网络辅助的导航姿态估计的补偿方法.首先,以QR分解Kalman滤波的增益矩阵并构建其降维特征向量;然后,以此为输入,以姿态估计误差为期望输出对BP神经网络进行训练;最后,利用BP神经网络的输出辅助修正SINS/GPS组合导航的姿态估计结果.数值仿真表明,相对于仅依赖传统Kalman滤波的方法,使用降维特征向量训练的BP神经网络获得补偿误差的SINS/GPS组合导航系统姿态估计可大大降低计算耗时,同时精度可提高2个数量级,对提高SINS/GPS组合导航精度具有较高参考价值.

摘要： 为了提高彩色图像数字水印的性能,同时兼顾彩色图像3个颜色通道之间的相关性,文章提出了一种基于DCT变换和DQFT变换的QR矩阵分解水印嵌入算法,融合了变换域水印算法较好的鲁棒性,能将彩色图像三通道作为整体处理来嵌入水印信息.首先,对彩色图像RGB三通道分别进行DCT变换,选取变换后的3个1/4中低频分量作为四元数矩阵的3个虚部构造一个纯四元数矩阵Q,对Q进行DQFT变换,选取变换后的实部进行4×4分块,对每个数据块做QR分解后嵌入水印信息.实验结果表明,面对噪声攻击、JPEG压缩、中值滤波等攻击时,文章提出的水印算法具有良好的鲁棒性.

摘要： 矩阵分解是线性代数中最重要的运算之一,广泛应用于现代通讯和控制.文章提出一种针对浮点矩阵的GR-QR(Givens rotation QR)分解一维线性结构,利用GR-QR分解运算过程中的并行特点,提高运算资源利用率,实现任意阶浮点矩阵分解,并设计实现了基于此结构的矩阵分解电路,该电路支持2-32阶双精度浮点矩阵的直接分解.在TSMC28 nm工艺,QR分解器的工作主频为700 MHz,面积为2mm2,计算精度达到10-15,性能是1.6 GHz RTX2070的95倍.

摘要： 提出了在差空间中构造差矢量,对其进行QR 分解得到小样本条件下的最佳线性鉴别矢量。所得线性鉴别矢量位于总散度阵的秩空间和类内散度阵的零空间中。rn 由于使用QR 分解求解正交化的鉴别矢量,有较好的数值稳定性和实时性能。实验验证了所得方法能得到小样本人脸图像的线性最佳鉴别特征。

摘要： 提出了在差空间中构造差矢量,对其进行QR 分解得到小样本条件下的最佳线性鉴别矢量。所得线性鉴别矢量位于总散度阵的秩空间和类内散度阵的零空间中。rn 由于使用QR 分解求解正交化的鉴别矢量,有较好的数值稳定性和实时性能。实验验证了所得方法能得到小样本人脸图像的线性最佳鉴别特征。

摘要： 提出了在差空间中构造差矢量,对其进行QR 分解得到小样本条件下的最佳线性鉴别矢量。所得线性鉴别矢量位于总散度阵的秩空间和类内散度阵的零空间中。rn 由于使用QR 分解求解正交化的鉴别矢量,有较好的数值稳定性和实时性能。实验验证了所得方法能得到小样本人脸图像的线性最佳鉴别特征。

摘要： 提出了在差空间中构造差矢量,对其进行QR 分解得到小样本条件下的最佳线性鉴别矢量。所得线性鉴别矢量位于总散度阵的秩空间和类内散度阵的零空间中。rn 由于使用QR 分解求解正交化的鉴别矢量,有较好的数值稳定性和实时性能。实验验证了所得方法能得到小样本人脸图像的线性最佳鉴别特征。

摘要： 提出了在差空间中构造差矢量,对其进行QR 分解得到小样本条件下的最佳线性鉴别矢量。所得线性鉴别矢量位于总散度阵的秩空间和类内散度阵的零空间中。rn 由于使用QR 分解求解正交化的鉴别矢量,有较好的数值稳定性和实时性能。实验验证了所得方法能得到小样本人脸图像的线性最佳鉴别特征。

摘要： 通过对观测结构的研究探讨了观测的基本机理;提出了观测结构的6种形态,从根本上分析了病态性存在的原因.利用观测矩阵的QR分解结果,将对观测结构的分析过渡到对上三角矩阵的分析与计算.由此对观测结构进行了深入分析与度量,能够对观测结构的各种形态进行推断,进而对系统的Ⅰ类及Ⅱ类病态性作出推断与估计.

摘要： 通过对观测结构的研究探讨了观测的基本机理;提出了观测结构的6种形态,从根本上分析了病态性存在的原因.利用观测矩阵的QR分解结果,将对观测结构的分析过渡到对上三角矩阵的分析与计算.由此对观测结构进行了深入分析与度量,能够对观测结构的各种形态进行推断,进而对系统的Ⅰ类及Ⅱ类病态性作出推断与估计.

摘要： 通过对观测结构的研究探讨了观测的基本机理;提出了观测结构的6种形态,从根本上分析了病态性存在的原因.利用观测矩阵的QR分解结果,将对观测结构的分析过渡到对上三角矩阵的分析与计算.由此对观测结构进行了深入分析与度量,能够对观测结构的各种形态进行推断,进而对系统的Ⅰ类及Ⅱ类病态性作出推断与估计.

摘要： 通过对观测结构的研究探讨了观测的基本机理;提出了观测结构的6种形态,从根本上分析了病态性存在的原因.利用观测矩阵的QR分解结果,将对观测结构的分析过渡到对上三角矩阵的分析与计算.由此对观测结构进行了深入分析与度量,能够对观测结构的各种形态进行推断,进而对系统的Ⅰ类及Ⅱ类病态性作出推断与估计.

摘要： 未来的无线通信系统将会采用发射端和接收端都有多根天线的多输入多输出(MIMO)技术，这样能获得很高的频谱效率。为了保证通信质量，在信道情况发生变化的时候都需要进行发射天线选择。在本文中，我们提出了一种基于QR分解的天线选择准则。与传统的基于奇异值分解的天线选择相比，基于QR分解的天线选择复杂度低很多，而且仿真结果显示，性能损失很小。

摘要： 一种基于超前迭代的迭代结构QR分解装置及分解方法，分解装置用来对n×n的矩阵A进行QR分解，它包括三角处理模块、1个对角处理模块、(n‑1)个迭代处理模块；第一多路选择器从外部接收到矩阵A的第一个列向量a

摘要： 一种基于超前迭代的三角脉动阵列结构QR分解装置及分解方法，用来对n×n的矩阵A进行QR分解，它包括对角处理模块，迭代处理模块和三角处理模块；第一个对角处理模块从外部接收到矩阵A的第一个列向量a

摘要： 使用QR因数分解及修改的K-best算法来检测从多个发射天线(1、2、3、4)向多个接收天线发射的符号，所述K-best算法涉及实值分解及排序。首先，对于第一天线(4)，计算所接收的信号与第一天线符号的多个候选(212、214、...、242)之间的部分距离。然后，对于所述算法的每一步骤，在相应第一选择器中选择具有较小部分距离的候选(220、222、224、226)，在相应第一块中确定接收的信号与具有不同的正交相位值的新的多个候选(244、246、248、...)之间的距离，在相应第二选择器中选择具有较小距离的候选(244、254、260、262)，且在相应第二块中确定接收的信号与具有不同的同相值的新的多个候选之间的距离。最后，识别器对由所述算法的最后步骤输出的候选(272、274、...、291)中具有最小距离的符号(274)进行检测。

摘要： 本发明公开了一种双向QR分解检测方法和装置，该双向QR分解检测方法包括：步骤S1，获取接收序列，其中，接收序列是根据复用波形矩阵对输入信号进行编码调制后经过高斯信道得到的序列；步骤S2，采用双向QR分解算法对接收序列进行检测，其中，步骤S2包括：对接收序列进行后向QR分解和前向QR分解，以获取第一软判决值和第二软判决值，其中，第一软判决值和第二软判决值对接收序列的检测顺序相反；根据第一软判决值和第二软判决值，对接收序列进行检测。本发明利用OvXDM系统的编码特性，结合双向QR分解检测，用于对接收序列进行相应的译码，从而降低了OvXDM系统的译码复杂度。

摘要： 本发明属于无线通信技术领域，公开了一种信道矩阵排序QR分解处理方法、系统，所述信道矩阵排序QR分解处理方法包括：将复数域的信道矩阵H化为实数域的信道矩阵并赋给矩阵Q；将实数化的矩阵Q列向量按序号调整列向量的顺序；对相邻成对信道矩阵的奇数列向量求l

摘要： 一种基于超前迭代的迭代结构QR分解装置及分解方法，分解装置用来对n×n的矩阵A进行QR分解，它包括三角处理模块、1个对角处理模块、(n‑1)个迭代处理模块；第一多路选择器从外部接收到矩阵A的第一个列向量a

摘要： 一种基于超前迭代的三角脉动阵列结构QR分解装置及分解方法，用来对n×n的矩阵A进行QR分解，它包括对角处理模块，迭代处理模块和三角处理模块；第一个对角处理模块从外部接收到矩阵A的第一个列向量a

摘要： 使用QR因数分解及修改的K-best算法来检测从多个发射天线(1、2、3、4)向多个接收天线发射的符号，所述K-best算法涉及实值分解及排序。首先，对于第一天线(4)，计算所接收的信号与第一天线符号的多个候选(212、214、...、242)之间的部分距离。然后，对于所述算法的每一步骤，在相应第一选择器中选择具有较小部分距离的候选(220、222、224、226)，在相应第一块中确定接收的信号与具有不同的正交相位值的新的多个候选(244、246、248、...)之间的距离，在相应第二选择器中选择具有较小距离的候选(244、254、260、262)，且在相应第二块中确定接收的信号与具有不同的同相值的新的多个候选之间的距离。最后，识别器对由所述算法的最后步骤输出的候选(272、274、...、291)中具有最小距离的符号(274)进行检测。

摘要： 本发明公开了一种基于QR分解的变量投影法在地表形变中的应用方法，将研究区在时间与空间上的地表形变拟合作为研究重点，在应用SBAS‑InSAR时序分析技术探究研究区地表形变的基础上，采用一种具有可分离结构的复杂指数模型拟合地表在空间位置上的沉降形势，利用基于QR分解的变量投影算法解算模型参数，在空间位置上以高精度逼近沉降剖面曲线，同时结合Logistic模型进行了地表在时间上的预测，实现了对地表形变状况在时间和空间上的全面监测，为地表形变监测提供了可靠的技术支持。

摘要： 本申请涉及一种基于QR分解的时序知识图谱补全方法、装置及电子设备。所述方法获取时序知识图谱中的头实体、关系、尾实体、时间戳的初始嵌入表示，该初始嵌入表示是复数形式；将时间戳的初始嵌入表示的实部和虚部分别采用Gram‑Schmidt正交化进行QR分解，得到时间戳的实部和虚部对应的两个正交矩阵，并根据该两个正交矩阵对头实体、关系和尾实体的初始嵌入表示进行融合，得到头实体、关系和尾实体的融合时间嵌入表示，根据该融合时间嵌入表示计算待补全时序知识图谱中知识的分数，并通过分数预测待补全时序知识图谱中的缺失内容，完成时序知识图谱补全。该方法能够准确、快速的构造动态的知识图谱，具有更好的实用意义。