【研究生数学建模】相关矩阵组低复杂度计算和存储建模.pdfVIP

学 校 东南大学 参赛队号 21102860059 1. 曹苇杭 队员姓名 2. 丁明远 3. 田宇 题 目 摘要 相关矩阵组在无线通信、雷达、图像/视频处理等领域都有广泛的应用，其 特点在于数据之间具有较强的相关性。数据维数的不断增长，使得充分挖掘矩阵 间关联性以实现低复杂度的计算和存储具有十分重要的价值和意义。 对于问题一，本文从每个子矩阵的自相关性出发，基于随机SVD 分解方法 对目标矩阵降维，并使用基于双对角化和QR 分解的SVD 分解计算V。之后本 文基于AOR 迭代算法，从子矩阵自身的相关性出发，训练出合适的迭代因子， 使得计算W 时矩阵求逆的迭代次数大大减少。基于Strassen 算法，对算法中涉 及的矩阵运算进行分治计算，从而进一步降低计算复杂度。最后，本文从矩阵行 块间的相关性出发，构建相邻子矩阵的互相关函数模型，建立互相关函数与插值 算法的关系，给出最优插值系数。在矩阵V 和矩阵W 的计算中，理论上可以减 少约40% 的计算量。 对于问题二，本文提出一种基于SVD 分解的相关矩阵组压缩算法，通过对 矩阵重新排列、合并、SVD 分解并提取最大奇异值对应的列向量，可以实现对 矩阵组数据的有效压缩。本文基于SVD 分解对矩阵间相关性进行分析，验证了 该压缩/解压缩算法的可行性。本文进一步推导对这种方法的存储复杂度、压缩 复杂度以及解压复杂度，并建立多目标优化模型，求解最优的压缩参数。最优解 的压缩率可达0.3867，且具有较低的压缩、解压复杂度。 对于问题三，本文提出了一种联合优化策略，将问题一的中间变量存储复杂 度和插值存储复杂度纳入到优化方案当中进行讨论。同时我们将迭代算法的结 构调整为逐元素运算的形式，避免了部分矩阵存储的复杂度。 相关矩阵组 SVD 分解 AOR 迭代 QR 分解 1 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2.1 . . . . . . . . . . . . . . . . . . 4 1.2.2 . . . . . . . . . . . . . . . . . . 5 1.2.3 . . . . . . . . . . . . 5 1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .