-
公开(公告)号：CN105846873B
公开(公告)日：2018-12-18
申请号：CN201610173392.0
申请日：2016-03-24
申请人： 中国人民解放军国防科学技术大学
IPC分类号： H04L25/03 , H04B7/0456
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a1，结果q1和r11作为QR分解模块的输出，并将q1输出到下一步的三角处理模块，产生的rjj2信号输出到第一步中的所有迭代处理模块；第j‑1个迭代处理模块将外部接收到矩阵A的第j个列向量aj，矩阵A的第一个列向量a1和第一个对角处理模块输出的rjj2作为输入，得到下一次迭代矩阵A1的第j个列向量aj1；以此类推，最后通过三角处理模块处理后得到QR分解模块的输出信号rn‑1,n。分解方法基于上述分解装置来实施。本发明具有原理简单、分解速度快、效率高等优点。
-
公开(公告)号：CN105846873A
公开(公告)日：2016-08-10
申请号：CN201610173392.0
申请日：2016-03-24
申请人： 中国人民解放军国防科学技术大学
CPC分类号： H04B7/0413 , H04B7/0854
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a1，结果q1和r11作为QR分解模块的输出，并将q1输出到下一步的三角处理模块，产生的rjj2信号输出到第一步中的所有迭代处理模块；第j?1个迭代处理模块将外部接收到矩阵A的第j个列向量aj，矩阵A的第一个列向量a1和第一个对角处理模块输出的rjj2作为输入，得到下一次迭代矩阵A1的第j个列向量aj1；以此类推，最后通过三角处理模块处理后得到QR分解模块的输出信号rn?1,n。分解方法基于上述分解装置来实施。本发明具有原理简单、分解速度快、效率高等优点。
-
公开(公告)号：CN105847194B
公开(公告)日：2019-05-03
申请号：CN201610172198.0
申请日：2016-03-24
申请人： 中国人民解放军国防科学技术大学
IPC分类号： H04L25/02
摘要： 一种基于MGS的QRD结构，包括第一模块CORE_GEQRT和第二模块CORE_TTQRT，所述第一模块CORE_GEQRT用来对输入的2×2矩阵[a1,a2]通过MGS算法进行QR分解输出q1,r11,r22,sign(f(A)),r12,q2，其中[q1,q2]为Q矩阵、r11,r12,r22组成上三角矩阵R、sign(f(A))＝(a21a12‑a11a22)/r11；将得到的两个R矩阵作为第二模块CORE_TTQRT的输入与[1,0；01]、[0,0；0,0]共同组成矩阵[a11,a12,1,0；0,a22,0,1；a31,a32,0,0；0,a42,0,0]，最终得到4×2的矩阵。本发明具有结构简单、能够提高整体性能等优点。
-
公开(公告)号：CN105389329B
公开(公告)日：2019-02-12
申请号：CN201510617003.4
申请日：2015-09-21
申请人： 中国人民解放军国防科学技术大学
IPC分类号： G06F16/9535 , G06F16/951
摘要： 一种能够基于群体评论对开发者正在开发的软件项目进行有效的组合软件推荐方法，包括获取开源数据，对所述项目和评论文档标签进行预处理；提取用户本地项目特征，利用评论文档标签、标题和项目名称、标签，对项目和评论文档进行匹配；计算本地项目与采集的开源项目的相似性和相关性；对相关性和相似性进行线性加权求和，为用户生成项目推荐列表。本发明可以与开发者的软件开发环境集成，提高开发者对互联网范围内相关软件的检索效率，并从推荐的软件项目获得技术支持或者实现软件重用。
-
公开(公告)号：CN104601518B
公开(公告)日：2018-01-05
申请号：CN201510096090.3
申请日：2015-03-02
申请人： 中国人民解放军国防科学技术大学
IPC分类号： H04L27/26
摘要： 本发明公开了一种基于最大似然估计的采样频偏和载波频偏联合估计方法，目的是解决现有SFO和CFO联合估计方法中二维全局搜索导致计算复杂度高，在高SNR时存在错误平层估计精度无法继续收敛的问题。技术方案是先确定SFO的取值范围并将SFO的取值范围变换到变量t的取值范围，使用一阶勒让德多项式逼近得到的一阶勒让德多项式逼近并将该逼近式代入式，得到t；由t换算SFO的最终估计值并由得到CFO的估计值本发明不需要进行二维全局搜索，大大降低了计算复杂度，同时消除了现有估计方法在高SNR时存在错误平层的问题，提高了估计精度。
-
公开(公告)号：CN105847213A
公开(公告)日：2016-08-10
申请号：CN201610173480.0
申请日：2016-03-24
申请人： 中国人民解放军国防科学技术大学
IPC分类号： H04L27/26
CPC分类号： H04L27/263
摘要： 一种用于快速傅里叶变换的数据存储及调度方法，步骤为：S1：数据的输入端口从Data输入；输入对应的数据存储配置信息，数据先放入一个深度为4的存储块中；S2：在深度为4的数据队列中，假设当前队列的状态位是满状态，则开始将队列中的数据四路输入到DM模块中；S3：当前的DM模块中的数据数量达到要求时，启动DM模块，通过配置信息，将当前的4*4的空间数据流出；S4：经过一轮复数乘法与基四变换，数据通过队列开始输入到DM模块；S5：DM配置信息进行改变，修改输入端口；S6：通过改变DM配置信息改变输出，将输出端口修改后输出到数据队列中，得到正序的数据结果。本发明具有能使数据输出延时时钟数减少、使资源消耗减少等优点。
-
公开(公告)号：CN105827297A
公开(公告)日：2016-08-03
申请号：CN201610172279.0
申请日：2016-03-24
申请人： 中国人民解放军国防科学技术大学
CPC分类号： H04B7/0854 , H04B7/0413
摘要： 一种MMSE检测法中矩阵逆的获取方法，其步骤为：S1：设目标求逆矩阵A＝D+E；其中，D是一对角矩阵，仅含有矩阵A的对角元素；E则是一个对角线全为零，其他位置与A矩阵完全相同的矩阵；S2：采用作为初始估计带入公式(1)，可以得到公式(2)：仅考虑矩阵E每一行对角元素左右各p个元素，其中p为扩展宽度，其余的元素都置为零得到一个条带矩阵进行计算；然后，仅进行两次迭代就能获得最终对A?1的近似估计。本发明具有原理简单、易实现、能够降低复杂度、提高计算效率等优点。
-
公开(公告)号：CN104615576A
公开(公告)日：2015-05-13
申请号：CN201510092458.9
申请日：2015-03-02
申请人： 中国人民解放军国防科学技术大学
IPC分类号： G06F15/16
摘要： 本发明公开了面向CPU+GPU处理器的混合粒度一致性维护方法，目的是解决CPU簇和GPU簇的二级缓存的一致性问题。技术方案是设计一个由粗粒度的域目录和细粒度的块目录组成的双目录结构，双目录结构嵌在L2Cache和主存通道之间，根据CPU簇和GPU簇发出的不同访存请求类型，若访存请求的初始来源为GPU，则采用GPU请求维护流程，若访存请求的初始来源为GPU，启动CPU请求维护流程，通过域目录和块目录相互通信并协作，完成一致性信息的更新和维护以及数据的传递，保证处理器访存的一致性。本发明能有效过滤GPU应用对一致性资源的竞争、减少GPU对CPU性能干扰、保证CPU数据精确记录，极大地提升CPU+GPU异构多核系统的处理性能，且能满足CPU应用对重要数据精细跟踪的需求。
-
公开(公告)号：CN104601518A
公开(公告)日：2015-05-06
申请号：CN201510096090.3
申请日：2015-03-02
申请人： 中国人民解放军国防科学技术大学
IPC分类号： H04L27/26
摘要： 本发明公开了一种基于最大似然估计的采样频偏和载波频偏联合估计方法，目的是解决现有SFO和CFO联合估计方法中二维全局搜索导致计算复杂度高，在高SNR时存在错误平层估计精度无法继续收敛的问题。技术方案是先确定SFO的取值范围并将SFO的取值范围变换到变量t的取值范围，使用一阶勒让德多项式逼近得到的一阶勒让德多项式逼近并将该逼近式代入式，得到t；由t换算SFO的最终估计值并由得到CFO的估计值本发明不需要进行二维全局搜索，大大降低了计算复杂度，同时消除了现有估计方法在高SNR时存在错误平层的问题，提高了估计精度。
-
公开(公告)号：CN105846794B
公开(公告)日：2018-12-18
申请号：CN201610173415.8
申请日：2016-03-24
申请人： 中国人民解放军国防科学技术大学
摘要： 本发明公开了一种具有启动停止控制位的插值FIR滤波实现方法，在一个数据包处理完毕后使寄存器不再移位，所有的移位寄存器里的数据都保持在数据包的最后一个数据输入时的状态；下一个数据包到来时，完整的与上一个数据包对接，新输入的数据与前N‑1个数据的相关性没被破坏，保证了大量连续数据的无间隔处理，其中N为移位寄存器个数。本发明具有原理简单、易实现、能够令各移位寄存器在各个包间隙数据保持不变、保证数据连续及相关性等优点。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.12 秒)
