基于粒子濾波的檢測(cè)前跟蹤算法研究及在GPU平臺(tái)上的實(shí)現(xiàn).pdf

1、微弱目標(biāo)檢測(cè)與跟蹤技術(shù)在雷達(dá)預(yù)警、紅外探測(cè)及飛行導(dǎo)航等領(lǐng)域都有著廣泛的應(yīng)用。檢測(cè)前跟蹤(track-before-detect，TBD)是相對(duì)于傳統(tǒng)的檢測(cè)后跟蹤提出的信號(hào)處理方式。該方法未設(shè)定每一幀觀測(cè)數(shù)據(jù)的門限，累計(jì)多幀觀測(cè)的結(jié)果，通過對(duì)目標(biāo)能量的積累以完成對(duì)目標(biāo)的檢測(cè)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(biāo)檢測(cè)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(jìn)行檢測(cè)，需要處理的數(shù)據(jù)量較大，在實(shí)際應(yīng)用中存在實(shí)時(shí)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(jì)算密集的并行部分交由GPU處理，利用GPU突出的并行計(jì)算能力，使算法能夠高效實(shí)時(shí)的完成。本文對(duì)基于粒子濾波的TBD算法在GPU上實(shí)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(duì)TBD算法的原理及框架進(jìn)行了分析。通過仿真實(shí)驗(yàn)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(dá)傳感器的兩種處理模型。
　　第二，研究了幾種改進(jìn)的粒子濾波算法，重點(diǎn)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(duì)基于粒子濾波的TBD算法的檢測(cè)及跟蹤性能的影響。針對(duì)TBD算法缺少合理有效的評(píng)價(jià)標(biāo)準(zhǔn)的問題，提出了一組新的衡量指標(biāo)以評(píng)價(jià)T

4、BD的檢測(cè)性能，通過理論分析及實(shí)驗(yàn)仿真表明，該指標(biāo)能夠?qū)Σ煌腡BD算法進(jìn)行有效的評(píng)估。
　　第三，針對(duì)基于粒子濾波的TBD算法的計(jì)算量大所導(dǎo)致的算法實(shí)時(shí)性差這一問題，提出了在GPU平臺(tái)上實(shí)現(xiàn)該算法的方法。本文使用以C語(yǔ)言為基礎(chǔ)的CUDA程序，將并行線程在GPU上進(jìn)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(shí)時(shí)性。同時(shí)，給出了觀測(cè)場(chǎng)景的分區(qū)數(shù)超出GPU中block內(nèi)的線程數(shù)量時(shí)的解決方案。仿真實(shí)驗(yàn)采用兩塊不同的 GPU顯