一种并行 LLL 高维模糊度降相关算法
本发明公开了一种并行 LLL 高维模糊度降相关算法,首先通过混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解,提高 LLL 算法针对高维模糊度降相关的计算效率,增强高维模糊度降相关的能 力。其次为了得到降相关能力较强的 Z 变换矩阵,所以在每一次 QR 分解变换过程中,变换系数矩阵要 获取较小的整数值,因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序, 而在上三角分解前先对矩阵的列向量按内积大小进行降序排列,由此求得的 Z 变换降相关性能更佳。最 后把算法正交变换过程中的取整运算移至在求 Z 矩阵时取整,可以避免算法迭代过程中反复取整而引起 的误差累积,解决算法发散的问题,从而进一步提高并行 LLL 算法的计算效率和稳定性。
武汉大学
2021-04-13