粒子濾波TBD及并行實(shí)現(xiàn)技術(shù)研究.pdf

1、粒子濾波算法是一種通過(guò)蒙特卡洛方法實(shí)現(xiàn)的貝葉斯濾波算法,相比于卡爾曼濾波及其改進(jìn)算法,能在非高斯非線性環(huán)境下獲得更好的效果。目前對(duì)粒子濾波算法的理論研究與應(yīng)用已經(jīng)較為成熟,其中最為常見的應(yīng)用場(chǎng)景為目標(biāo)跟蹤以及檢測(cè)前跟蹤(Track-Before-Detect)。但由于粒子濾波算法是一種迭代算法,因此自身存在固有的缺陷:粒子貧化與粒子退化等。這些缺陷對(duì)粒子濾波的應(yīng)用與性能造成了限制。本文重點(diǎn)研究了粒子濾波算法與粒子濾波檢測(cè)前跟蹤算法,并對(duì)

2、上述兩種算法提出了改進(jìn),主要研究?jī)?nèi)容如下:
　　第一,根據(jù)基于雷達(dá)觀測(cè)與紅外觀測(cè)檢測(cè)前跟蹤模型,研究了RPF-TBD與SPF-TBD算法,通過(guò)仿真分析了兩種模型下的單幀觀測(cè)數(shù)據(jù),同時(shí)在紅外觀測(cè)模型下對(duì)兩種粒子濾波TBD算法進(jìn)行了仿真,在仿真中印證了RPF-TBD算法的性能優(yōu)于SPF-TBD算法。
　　第二,提出了一種基于裂變自舉的粒子群優(yōu)化粒子濾波算法。由于粒子濾波算法存在的缺陷,因此粒子群優(yōu)化算法被引入粒子濾波以提高對(duì)目標(biāo)

3、的跟蹤性能。在該算法中,通過(guò)粒子群優(yōu)化使粒子向高似然區(qū)域集中,但會(huì)有陷入局部極值的情況,導(dǎo)致濾波性能不穩(wěn)定,本文在粒子群優(yōu)化后加入了裂變自舉優(yōu)化,提高了粒子在粒子群優(yōu)化后的多樣性,從而提高了粒子群優(yōu)化粒子濾波算法的性能。針對(duì)機(jī)動(dòng)目標(biāo)的跟蹤問(wèn)題,提出了將改進(jìn)的粒子群優(yōu)化粒子濾波算法應(yīng)用于交互式多模型結(jié)構(gòu),相比于單模型粒子群優(yōu)化粒子濾波算法,能更好的實(shí)現(xiàn)跟蹤。
　　第三,將改進(jìn)的粒子群優(yōu)化粒子濾波算法應(yīng)用于對(duì)弱小目標(biāo)的檢測(cè)前跟蹤中,相

4、對(duì)基本的RPF-TBD算法,獲得了一定的性能提升。并在此基礎(chǔ)上,將算法應(yīng)用于多模型濾波結(jié)構(gòu),實(shí)現(xiàn)了對(duì)機(jī)動(dòng)目標(biāo)的檢測(cè)前跟蹤。
　　第四,研究了在CUDA環(huán)境下通過(guò)編程實(shí)現(xiàn)GPU對(duì)粒子濾波檢測(cè)前跟蹤算法的并行化處理方法,并將其擴(kuò)展應(yīng)用在多模型粒子濾波檢測(cè)前跟蹤算法的并行實(shí)現(xiàn)中。粒子濾波TBD算法及其改進(jìn)算法,其性能與計(jì)算量都會(huì)隨著粒子數(shù)量的提高而增加。結(jié)合GPU編程能夠?qū)崿F(xiàn)大規(guī)模并行通用運(yùn)算的特點(diǎn),解決粒子濾波檢測(cè)前跟蹤性能與實(shí)時(shí)性的