三线性分解算法因能对复杂多组分体系中的各组分同时进行定量分析而在众多领域得到应用。然而在嵌入式环境下,该算法因平台优化不足而性能不佳。三线性分解算法计算复杂,如何优化嵌入式平台上三线性分解算法,提升算法性能成为亟待解决的问题。与桌面平台相比,现有的嵌入式平台在指令调度器和TLB (Translation Lookaside Buffer)等部件上有所简化。同时,传统的嵌入式优化多在资源受限的平台上进行,对现有资源丰富的嵌入式平台优化工作较少。本文为了解决三线性分解算法在现有嵌入式平台上性能较低的问题,针对平台特性对算法进行优化,缩短算法的计算时间,具体工作如下：在对三线性分解算法进行性能分析的基础上,研究了平台的体系结构特性,确定了算法优化的核心为矩阵乘法优化。计算出优化矩阵乘法后算法的最大加速比,以评估优化效果。针对ARMv7体系结构在指令调度器和TLB替换策略上与桌面平台的不同,优化GotoBLAS中的矩阵乘法分块算法,提升矩阵乘法的基础性能。在上一步优化的基础上,利用NEON核心的向量计算特性优化矩阵乘法核函数,利用NEON核心的数据访存带宽优势加速矩阵乘法中部分拷贝的访存过程,从计算和访存两方面共同优化矩阵乘法。为验证优化策略的有效性,本文首先实现了优化的矩阵乘法,并在基于ARMv7体系结构的各平台上进行性能评估,然后检验三线性分解算法在优化矩阵乘法后的加速比。实验结果表明,本文优化的矩阵乘法在性能上优于其他开源库,实现了7-30倍的加速比,从而使三线性分解算法整体性能提高了2.8倍,达到了较好的优化效果,具有一定的理论意义和应用价值。