基于粒子濾波的檢測前跟蹤算法研究及在GPU平臺上的實現(xiàn).pdf

1、微弱目標檢測與跟蹤技術(shù)在雷達預(yù)警、紅外探測及飛行導(dǎo)航等領(lǐng)域都有著廣泛的應(yīng)用。檢測前跟蹤(track-before-detect，TBD)是相對于傳統(tǒng)的檢測后跟蹤提出的信號處理方式。該方法未設(shè)定每一幀觀測數(shù)據(jù)的門限，累計多幀觀測的結(jié)果，通過對目標能量的積累以完成對目標的檢測和航跡的跟蹤。TBD一般應(yīng)用在非線性、非高斯的情況下，而基于粒子濾波(particle filter，PF)的TBD算法在微弱目標檢測中表現(xiàn)出良好的性能，因此粒子濾波技

2、術(shù)成為解決TBD問題的有效的手段。
　　由于TBD算法采用原始數(shù)據(jù)進行檢測，需要處理的數(shù)據(jù)量較大，在實際應(yīng)用中存在實時性的問題。隨著圖像處理器(graphic processing unit，GPU)技術(shù)的快速發(fā)展，采用CPU與GPU結(jié)合的方式，將算法中計算密集的并行部分交由GPU處理，利用GPU突出的并行計算能力，使算法能夠高效實時的完成。本文對基于粒子濾波的TBD算法在GPU上實現(xiàn)展開研究，主要的研究成果如下：
　　第一

3、，研究了貝葉斯框架下的粒子濾波算法，并在此基礎(chǔ)上對TBD算法的原理及框架進行了分析。通過仿真實驗分析了兩種基本的基于粒子濾波的TBD算法，并建立了基于紅外傳感器和雷達傳感器的兩種處理模型。
　　第二，研究了幾種改進的粒子濾波算法，重點討論了基于輔助粒子濾波的TBD算法。仿真分析了不同粒子數(shù)及不同似然比區(qū)域大小對基于粒子濾波的TBD算法的檢測及跟蹤性能的影響。針對TBD算法缺少合理有效的評價標準的問題，提出了一組新的衡量指標以評價T

4、BD的檢測性能，通過理論分析及實驗仿真表明，該指標能夠?qū)Σ煌腡BD算法進行有效的評估。
　　第三，針對基于粒子濾波的TBD算法的計算量大所導(dǎo)致的算法實時性差這一問題，提出了在GPU平臺上實現(xiàn)該算法的方法。本文使用以C語言為基礎(chǔ)的CUDA程序，將并行線程在GPU上進行合理的規(guī)劃，提高了算法的加速比，有效地改善了算法的實時性。同時，給出了觀測場景的分區(qū)數(shù)超出GPU中block內(nèi)的線程數(shù)量時的解決方案。仿真實驗采用兩塊不同的 GPU顯