基于GPU平台的模乘算法实现

利用图形处理器（GPU）硬件平台进行ECC（椭圆曲线密码体制）的有关计算及其相关攻击是一个较新的研究课题,其基础在于如何应用GPU硬件平台实现大整数模乘运算。文章针对NIST提出的素域F2192-264-1,基于GPU硬件的CUDA（计算统一设备架构）计算平台提出了实现该素域模乘算法的并行方法,详细说明了该方法在GPU上的数据组织结构和执行效率。实验数据表明,基于GPU硬件平台的模乘算法的速度约是用Mircal包计算该素域模乘的1 200倍,约是用GMP包的110倍。     

基于语音MFCC特征的改进算法

就算法的执行速度加速为讨论重点,对Mel刻度倒频谱参数（MFCC,Mel-frequency cepstral coefficient）特征撷取的加速方法的各改进步骤详细介绍,其中包涵了快速傅里叶变换、对数运算和在整数运算中维持精准度的方法等主题,并且希望在加速的同时,能顾及到整个系统最后的辨识能力。改进算法比传统MFCC算法的速度提升了约20倍。     

保留非线性的有功最优分配的快速算法

本文提出了一种有功最优分配的快速算法,这种方法是利用修正量的完全表达式;通过该方法的推导得出了一般性的观点。此外,本文还对耗量函致的摸拟方法、以及在优化过程中,不等式处理的原理和方法加以讨论;最后还进行了摸拟计算,结果表明,本方法比牛顿法的计算速度约提高了一倍。     

基于GPU平台的模乘算法实现

利用图形处理器硬件平台进行ECC椭圆曲线密码体制的有关计算及其相关攻击是一个较新的研究课题,其基础在于如何应用GPU硬件平台实现大整数模乘运算。文章针对NIST提出的素域F2192-264-1,基于GPU硬件的CUDA计算平台提出了实现该素域模乘算法的并行方法,详细说明了该方法在GPU上的数据组织结构和执行效率。实验数据表明,基于GPU硬件平台的模乘算法的速度约是用Mircal包计算该素域模乘的1 200倍,约是用GMP包的110倍。     

SVD可观测度分析方法的改进及组合导航中的应用

为解决已有的基于线性时变系统可观测性矩阵奇异值分解（SVD）的可观测度分析方法中存在的依靠外部量测信息、状态量纲比较不一致、奇异值基准不唯一的问题,提出一种改进的基于SVD理论的系统状态可观测度分析方法. 首先阐述了线性时变系统与分段式线性定常系统（PWCS）之间的关系,并介绍了PWCS可观测性分析理论,在满足该定理要求的情况下,通过PWCS的提取可观测性矩阵（SOM）替代总可观测性矩阵（TOM）可以有效降低分析计算的复杂度. 然后由系统提取可观测性矩阵SVD分解及其得到的奇异值与对应奇异向量,对系统的观测方程进行推导,根据载体不同机动情况下同一状态观测程度的纵向比较计算得到系统各状态的可观测度指标. 最后采用SINS/DVL组合导航系统进行仿真验证. 仿真结果表明, 通过该方法计算的可观测度指标与Kalman滤波状态估计误差特性相符,证明该改进方法可预见及准确描述状态的估计效果,并且依据所计算的状态可观测度进行系统自适应反馈校正,可以有效提高导航精度.     

矩阵正定性的降阶判定

在将ｎ阶方阵正定性的判定转化为（ｎ－１）阶方阵正定性判定的基础上,给出了将ｎ阶方阵正定性的判定转化为ｒ阶方阵正定性的判定方法。应用此方法,每步可降低（ｎ－ｒ）阶,加快了判定速度。     

HEVC运动估计中SAD算法的动态可重构实现

高效视频编码（HEVC）标准中引入的不对称分割模式导致运动估计算法中绝对差值和（SAD）运算量成倍增加.为了提高运动估计算法的执行效率,方便用户进行自主选择,设计了同时支持不对称分割模式开启和关闭2种执行模式以及执行模式间自由切换的可重构阵列结构.为了满足用户要求编码速度的同时,最大限度地利用可重构阵列处理器的资源,在阵列结构为16×16个处理元中通过加载16×8、16×4以及16×2个处理元的指令来进行阵列规模的动态重构,采用指令下发的方式将不同的指令发送到对应处理元进行相应配置.实验结果表明,所提出的可重构实现方式在硬件资源占用量接近条件下,相较于流水化实现处理时间减少了约35%,吞吐量提高了约0.4倍.该实现具有较高的执行效率,能够进行执行模式与阵列规模的切换,具有较好的灵活性.     

用最佳差分方法计算P—SV波

使用最佳差分方法模拟在二维（或三维）非均匀介质中传播的弹性波．这种方法以最佳差分算子为理论基础，使频散影响最小．该方法能在大空间网格点上得到精确的波场结果，其计算速度比常规二阶差分格式至少快一个数量级，比谱法快３—５倍．     

基于CSVD法的小电流接地系统故障选线研究

小电流接地系统是我国配电网的普遍接线方式,故障选线技术日益受到重视．SVD算法（矢量奇异值算法）在理想条件下分析故障分量时具有良好的性能,但是在低信噪比,小角度条件下．SVD算法的分辨能力的不足使得分析结果不明显．为了解决这类问题．提出了一种基于SVD算法的改进算法CSVD法,利用改进后的算法进行数据采样,对矩阵进行修正,根据不同线路的暂态零序电流波形相似度及利用模极大值法计算经CSVD算法转换后的零序电流信号,利用各转换后的信号的首波头极性识别故障线路。通过PSCAD和matlab软件进行仿真分析,该方法可靠有效。     

肝细胞癌MR图像的纹理分类研究

结合小波多分辨率分析方法与统计分析方法提出了一种复合纹理分类模型,评估其基于核磁共振（MR）图像辅助诊断肝细胞癌（HCC）与正常肝脏组织的价值。首先,训练样本按类别分成两组,在每组中执行小波系数统计;其次,对新样本的小波系数基于两组统计结果执行两次离散化,以直方图、共生矩阵、游程长度矩阵等方法提取到两组特征;最后,基于两组特征执行两次分类以计算新样本的类别属性概率并决策。实验结果显示,该模型获得了比传统方法更好的分类性能,表明采用该模型对基于MR图像进行HCC与正常肝脏组织的计算机辅助诊断是有益的。     

单向收缩QR算法在奇异值分解中的收敛特性

针对大型矩阵奇异值分解的数值计算问题,总结了单向收缩QR算法的特点,通过实例证明了该算法在处理由某些小幅度信号构造的大型矩阵的奇异值分解时存在不收敛的情况。从理论上分析了QR迭代过程中Givens变换矩阵的变化特点,发现算法出现不收敛现象的根本原因在于大型矩阵首行对角带元素的衰减,最终会使QR迭代时的第一个Givens右矩阵变为单位阵,从而导致后面所有Givens矩阵全部成为单位阵,引起QR算法失效。在此基础上进一步研究了首行元素的衰减对QR算法收敛速度的影响。对理论分析用实际数据进行了验证,从本质上探明了该QR算法的收敛特性。     

国产CPU平台中并行高阶矩量法研究

将并行高阶矩量法在纯国产CPU平台中对电磁辐射与散射问题进行了仿真计算,并以散射问题为例,对算法的并行效率进行了测试.基于高阶多项式基函数的矩量法在保证计算精度的同时,可以大幅度降低传统RWG基函数矩量法产生的未知量.基于分块矩阵的高效并行策略进一步提高了矩量法的计算规模,并加速了仿真计算的过程.数值结果表明,采用的并行高阶矩量法程序,为在纯国产超级计算平台中解决复杂电磁仿真问题提供了一条有效的途径.     

一种正交向量基结构动力模型修正

针对矩阵修正方法不能保存原模型的连接信息以及计算效率低的缺点,基于多自由度振动和矩阵奇异值分解(SVD)理论,提出了一个具有SVD的模型修正方法．该方法引入矩阵重组技术以及采用SVD理论使未知参数的维数从n×2n降低到1×2n维,因而提高了矩阵修正法的计算效率．在此基础上对修正结果进行矩阵物理化处理,恢复了原模型的连接信息．最后,通过数值算例证明了该方法的有效性与可行性．     

基于SVD-DWT的彩色图像水印算法

提出了一种基于离散小波变换和奇异值分解相混合的水印嵌入方案,以彩色图像为载体,经过小波分解四个矩阵后,对每个矩阵应用奇异值分解,嵌入相同的灰度水印数据,实验表明该算法对多数类型的攻击有很好的鲁棒性.     

基于SVD和DCNN的彩色图像多功能零水印算法

为了对彩色图像进行版权保护和篡改定位,提出一种基于奇异值分解(singular value decomposition, SVD)和深度卷积神经网络(deep convolutional neural network, DCNN)的彩色图像多功能零水印算法。将原始RGB彩色图像转换成YCbCr彩色图像,对原始图像的Y、Cb、Cr通道离散小波变换得到的系数矩阵进行奇异值分解,得到DCNN的输入矩阵,从DCNN输出层的输入矩阵中获取原始图像信息矩阵,生成零鲁棒水印图像。从Y通道小波变换得到的低频子带系数矩阵中获取原始图像信息矩阵,生成零半脆弱水印图像。试验结果证明,提出的算法不但有效,而且对强度较大的常见攻击有较好的抵抗能力。     

Fast sensing method in compressive sensing with low complexity

The random sensing algorithms are hard for hardware implementation while the deterministic sensing algorithms have difficulty in acquiring large signals in the sensing systems of compressive sensing. This paper proposes a fast sensing method for compressive sensing with low complexity. The input signal is firstly permuted by an m-sequence controlled interleaving device. Then the permuted signal is transformed by the fast Walsh-Hadamard transform and down sampled to generate the measurements. Theoretical analysis indicates that the entries of the corresponding sensing matrices are asymptotically normally distributed. Simulation results show that the sensing performance of the corresponding matrices is almost the same as that of completely random sensing operators with a shorter computational time cost. The proposed method has good sensing performance and is easier for hardware implementation, which is meaningful in practice.     

奇异值分解技术在加权残数法中应用

本文试图将奇异值分解技术(SVD—Singular Value Decomposition)引入计算结构力学的加权残数法中。利用最小二乘配点法得到连续体的残数方程后,本文采用了SVD技术求出这些方程的最小二乘解。文中还给出了在微机上用SVD技术求解薄板弯曲最小二乘解的若干算例。计算结果表明,它具有计算精度高,结果稳定,取点少,点的布局限制小等优点。     

一种高阶费歇耳信息矩阵分布式求逆方法

为获得多智能体系统任意耦合型无向网络导航克拉美-罗下界的显示表达式,简化高阶费歇耳信息矩阵求逆过程,提出了一种分布式求逆方法,即矩阵分块对角化求逆方法。首先,针对任意耦合型无向网络导航定位模型,构造了高阶费歇耳信息矩阵,并结合其对称特点及矩阵元素与网络拓扑间的对应关系,将其分解为两个分块对角矩阵的线性组合,它们分别包含所有节点和边的费歇耳信息量。其次,通过两次运用矩阵求逆引理,推导了费歇耳信息矩阵的逆即克拉美-罗下界以及网络节点等价费歇耳信息矩阵的显式表达式;同时引入了迭代过程,将整个求逆过程完全分解为若干个低阶矩阵间的运算,以减小单步运算量。最后,通过数值试验对该算法进行了验证,并与矩阵分块迭代求逆法进行了对比分析。结果表明,两者均具有较高的计算效率和精度,但本算法运算量更小,计算速度更快,从而验证了算法的准确性和有效性。该算法可用于分析任意耦合型无向网络导航定位模型中各节点或边费歇耳信息的融合过程。     

基于奇异值分解的频率估计新算法

为了提高信号频率估计的精确度，提出了一种新的自适应滑动窗奇异值算法（sliding window adaptive SVD, SWASVD）.该算法基于奇异值算法将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中，从而分离信号信息与其他噪声信息的特点，推导了连续奇异值算法，产生两个辅助矩阵，在行列式处理中，采用减少秩的方法消除噪声，推导出的近似矩阵减少了复杂计算，使用matlab进行仿真，与多重信号分类谱估计法（MUSIC）进行了比较.结果表明，该新算法使用了滑动窗的概念，对陡峭信号变化有很好的鲁棒性，应用该方法可以在频率估计方面获得更准确的结果.     

SVD Approach for Actuator and Sensor Placement in Active Vibration Control of Large Cable Net Structures

The actuator and sensor placement problem for active vibration control of large cable net structures is investigated in this paper. Since the structures exhibit closely spaced modes in the range of low frequencies, the number of modes to be considered is quite large after modal truncation, while only a limited number of actuators and sensors are to be placed. This makes it hard to determine the actuator and sensor locations with the existing placement methods in the literature such as the methods based on the controllability/observability grammian. To deal with this issue, an actuator and sensor placement method based on singular value decompositions (SVD) of the input and output matrices is proposed, which guarantees the modal controllability and observability of the system. The effectiveness of the SVD based method is verified through numerical simulations in which comparisons are conducted between randomly-chosen locations and the optimal ones obtained by a genetic algorithm.