一种用于MUSIC算法特征值分解的多核并行处理方法技术

一种用于MUSIC算法特征值分解的多核并行处理方法，对用于MUSIC算法的复Hermite矩阵基于DSP多核并行优化，进行原始数据初始化及迭代特征值分解。本发明专利技术解决了MUSIC算法特征值分解通过DSP工程实现的问题，同时兼具DSP多核并行计算提高算法效率，采样数据少，特征向量包含的噪声子空间与信号子空间正交性好的特点。

【技术实现步骤摘要】
一种用于MUSIC算法特征值分解的多核并行处理方法
本专利技术涉及信号处理
，特别涉及一种用于MUSIC算法特征值分解的多核并行处理方法。
技术介绍
阵列信号处理广泛应用于提高信号处理效率方面，超分辨空间谱估计方法即MUSIC算法是其中的一种经典算法，特征值分解作为MUSIC算法的重要计算步骤，对MUSIC算法的性能有着重要作用。在特征值分解算法领域提出了乘幂法，QR分解法以及Jacobi等算法，并对特征值分解的优化实现展开了研究：陈建兵等在文献乘幂法求矩阵特征向量与特征值的初始向量及循环控制中，介绍了用矩阵迭代法求解矩阵的特征值与特征向量时的初始向量选取和循环控制条件。冯天祥等在文献非对称三对角矩阵的特征值中，用带Wilkinson位移的QR方法求出对称三对角矩阵的特征值。王飞等在文献实对称矩阵特征值分解高速并行算法的FPGA实现中，对矩阵特征值分解的Jacobi算法进行了并行改进，采用脉动阵列结构在FPGA上高速并行实现了对数据协方差矩阵的特征值分解。公开号为CN103364828A的中国专利中本文档来自技高网...

【技术保护点】
1.一种用于MUSIC算法特征值分解的多核并行处理方法，其特征在于，对用于MUSIC算法的复Hermite矩阵基于DSP多核并行优化，进行原始数据初始化及迭代特征值分解；/n所述原始数据初始化的方法包含：特征向量矩阵初始化、构造扩展实对称矩阵、以及构造实对称平方矩阵；/n所述迭代特征值分解的方法包含：迭代要素计算、主元要素更新、以及迭代终止判断。/n

【技术特征摘要】
1.一种用于MUSIC算法特征值分解的多核并行处理方法，其特征在于，对用于MUSIC算法的复Hermite矩阵基于DSP多核并行优化，进行原始数据初始化及迭代特征值分解；
所述原始数据初始化的方法包含：特征向量矩阵初始化、构造扩展实对称矩阵、以及构造实对称平方矩阵；
所述迭代特征值分解的方法包含：迭代要素计算、主元要素更新、以及迭代终止判断。


2.如权利要求1所述的用于MUSIC算法特征值分解的多核并行处理方法，其特征在于，所述特征向量矩阵初始化包含：
全局变量初始化过程，在共享内存构造单位矩阵，矩阵维度为2N*2N；
特征值分解初始化过程，采用内存拷贝函数，用单位矩阵对特征向量矩阵进行初始赋值；
特征向量矩阵初始赋值采用8核并行计算，核i处理数据量为D_i，D_i＝4*N2/8，(i＝0,1,…7)。


3.如权利要求2所述的用于MUSIC算法特征值分解的多核并行处理方法，其特征在于，所述构造扩展实对称矩阵包含：
采用EDMA数据搬移函数对用于特征值分解的复Hermite矩阵进行分解，提取矩阵的实部矩阵和虚部矩阵，并分配数据至各核存储空间，实部、虚部矩阵维度为N*N，各核处理实部、虚部矩阵第N/8*N行数据；
各核使用上述分解得到的实部、虚部矩阵构造矩阵维度为2N*2N的实对称矩阵：以2N*2N实对称矩阵中心为直角坐标系的原点，对矩阵进行四象限划分，以实部矩阵构造实对称矩阵的第2,4象限，以虚部的取反矩阵作为实对称矩阵的第1象限，以虚部矩阵作为实对称矩阵的第3象限，计算公式如下：
(R+iI)(U+iV)＝λ(U+iV)





4.如权利要求3所述的用于MUSIC算法特征值分解的多核并行处理方法，其特征在于，所述构造实对称平方矩阵包含：
对扩展后的实对称矩阵各行第k(k＝1,2,…l-1,l＝1,2,…2N)位元素清零，得到上三角实对称矩阵，各核依次处理实对称矩阵数据的第((i-1)(2N/8)+1,…,(i)(2N/8))行数据，(i＝0,1,…7)；
对所述上三角实对称矩阵非零元素进行取平方操作，得到上三角实对称平方矩阵。


5.如权利要求4所述的用于MUSIC算法特征值分解的多核并行处理方法，其特征在于，所述迭代要素计算...

【专利技术属性】
技术研发人员：郭晓双，郑巧珍，马亮，杜科，黄飞，张鹏，王静，董千里，李乾，
申请(专利权)人：上海无线电设备研究所，
类型：发明
国别省市：上海;31