基于CPU+GPU协同架构下的并行化多目标跟踪方法研究
发布时间：2021-10-16 21:38
雷达数据处理系统是现代雷达中至关重要的一环。随着科技的发展,电子干扰的种类越来越多,战场环境越来越复杂化,目标的运动速度越来越快,目标运动形式也愈发多样,这些都导致了数据处理模块中虚假目标的爆发式增长,这对雷达数据处理的能力带来了很大的挑战。传统的目标跟踪处理方式在对大批量目标的处理时往往硬件是限制处理效率的瓶颈,因此在处理批量数据时耗时较长,难以满足雷达进行大规模数据处理时对实时性的要求。而随着GPU的发展,将CPU+GPU的并行架构应用于雷达信号处理领域里,不但能够提高信号处理效率,而且可以降低计算成本,提高计算性能,这将成为未来雷达领域的发展方向。首先,本文阐述了几种经典的目标运动模型,以及目标跟踪过程中常用的线性滤波技术和非线性滤波技术,并对常用算法EKF、UKF以及IMM算法,进行了实验对比和仿真分析。其次,传统的标准卡尔曼滤波算法在使用过程中,当目标发生运动状态改变或量测误差大时,会导致目标的跟踪精度下降,跟踪结果不收敛的问题。本文针对这些问题在该算法的基础上进行了改进,提出了一种基于新息回溯的修正卡尔曼滤波算法,并对其进行了仿真实验。该方法的关键在于联合目标过去时刻的新息...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
k40c 硬件架构
西安电子科技大学硕士学位论文双精度浮点加法、乘法等操作。图中标有 SFU 的框表示特殊运算单元有 32 个，负责进行整数乘法、除法、单精度浮点数除法以及基本的数，余弦和指数等操作。图中标有 LD/ST 的框框表示 load/store 单元，一片个，负责进行存储器访问操作。一片 SM 还包括 4 个 warp 调度器，每个个 threads。
图 4.5 GPU 编程在软硬件层面上的对比 CPU+GPU 协同处理架构PU 在控制流方面的能力极其突出，但是其计算能力相对较弱，而的浮点运算能力和存储带宽方面却有很大优势，这主要在于二者的PU 主要针对大量数据执行相同的程序，对每个数据元素执行的操 GPU 对于流程的复杂度要求不高。正是由于大量数据在同一程序行，因此 GPU 可以通过这种方式来隐藏存储器的访问延迟。当然流程中的任务划分，合理规划 CPU 和 GPU 各自的处理任务，对 任务时需要兼顾效率与计算量的关系。对于含有大量的逻辑判断，可充分利用 CPU 在控制流方面出色的能力，采用 CPU 执行效率会于计算量较多，数据量较大的计算任务可充分利用 GPU 丰富的并，大量的数据的并行计算任务交给 GPU 进行，可以提高计算效率和分支预测的任务交给 CPU，可以保证逻辑处理的高效和准确性
【参考文献】：
期刊论文
[1]基于简化CKF的IMM算法[J]. 蔡宗平,牛创,戴定成. 现代防御技术. 2015(06)
[2]五阶容积卡尔曼滤波算法及其应用[J]. 赵曦晶,刘光斌,汪立新,何志昆,赵晗. 红外与激光工程. 2015(04)
[3]基于修正卡尔曼滤波的目标跟踪[J]. 杨永建,樊晓光,王晟达,禚真福,徐洋. 系统工程与电子技术. 2014(05)
[4]平方根容积卡尔曼滤波算法及其应用[J]. 穆静,蔡远利. 兵工自动化. 2011(06)
[5]CPU-GPGPU异构体系结构相关技术综述[J]. 徐新海,林宇斐,易伟. 计算机工程与科学. 2009(S1)
[6]论航迹起始方法[J]. 董志荣. 情报指挥控制系统与仿真技术. 1999(02)
[7]机动目标“当前”统计模型与自适应跟踪算法[J]. 周宏仁. 航空学报. 1983(01)
硕士论文
[1]基于GPU的警戒雷达信号处理软件设计[D]. 陈大强.电子科技大学 2018
[2]认知雷达资源管理方法研究和基于GPU的雷达信号处理[D]. 王凤莲.西安电子科技大学 2017
[3]基于GPU的前视雷达成像方法研究[D]. 刘永飞.西安电子科技大学 2017
[4]基于GPU的阵列雷达信号处理技术研究[D]. 朱晓芳.电子科技大学 2017
[5]基于GPU的雷达数据处理技术研究[D]. 周梦璐.电子科技大学 2016
[6]基于GPU的目标跟踪算法研发与优化[D]. 马翌堃.浙江大学 2016
[7]基于多传感器信息融合的目标跟踪技术研究[D]. 尚志龙.西安电子科技大学 2014
[8]基于GPU+CPU软件化雷达终端系统的设计与实现[D]. 曹成忠.武汉理工大学 2014
[9]机动目标跟踪算法与应用研究[D]. 沈莹.西北工业大学 2007
本文编号：3440538
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
k40c 硬件架构
西安电子科技大学硕士学位论文双精度浮点加法、乘法等操作。图中标有 SFU 的框表示特殊运算单元有 32 个，负责进行整数乘法、除法、单精度浮点数除法以及基本的数，余弦和指数等操作。图中标有 LD/ST 的框框表示 load/store 单元，一片个，负责进行存储器访问操作。一片 SM 还包括 4 个 warp 调度器，每个个 threads。
图 4.5 GPU 编程在软硬件层面上的对比 CPU+GPU 协同处理架构PU 在控制流方面的能力极其突出，但是其计算能力相对较弱，而的浮点运算能力和存储带宽方面却有很大优势，这主要在于二者的PU 主要针对大量数据执行相同的程序，对每个数据元素执行的操 GPU 对于流程的复杂度要求不高。正是由于大量数据在同一程序行，因此 GPU 可以通过这种方式来隐藏存储器的访问延迟。当然流程中的任务划分，合理规划 CPU 和 GPU 各自的处理任务，对 任务时需要兼顾效率与计算量的关系。对于含有大量的逻辑判断，可充分利用 CPU 在控制流方面出色的能力，采用 CPU 执行效率会于计算量较多，数据量较大的计算任务可充分利用 GPU 丰富的并，大量的数据的并行计算任务交给 GPU 进行，可以提高计算效率和分支预测的任务交给 CPU，可以保证逻辑处理的高效和准确性
【参考文献】：
期刊论文
[1]基于简化CKF的IMM算法[J]. 蔡宗平,牛创,戴定成. 现代防御技术. 2015(06)
[2]五阶容积卡尔曼滤波算法及其应用[J]. 赵曦晶,刘光斌,汪立新,何志昆,赵晗. 红外与激光工程. 2015(04)
[3]基于修正卡尔曼滤波的目标跟踪[J]. 杨永建,樊晓光,王晟达,禚真福,徐洋. 系统工程与电子技术. 2014(05)
[4]平方根容积卡尔曼滤波算法及其应用[J]. 穆静,蔡远利. 兵工自动化. 2011(06)
[5]CPU-GPGPU异构体系结构相关技术综述[J]. 徐新海,林宇斐,易伟. 计算机工程与科学. 2009(S1)
[6]论航迹起始方法[J]. 董志荣. 情报指挥控制系统与仿真技术. 1999(02)
[7]机动目标“当前”统计模型与自适应跟踪算法[J]. 周宏仁. 航空学报. 1983(01)
硕士论文
[1]基于GPU的警戒雷达信号处理软件设计[D]. 陈大强.电子科技大学 2018
[2]认知雷达资源管理方法研究和基于GPU的雷达信号处理[D]. 王凤莲.西安电子科技大学 2017
[3]基于GPU的前视雷达成像方法研究[D]. 刘永飞.西安电子科技大学 2017
[4]基于GPU的阵列雷达信号处理技术研究[D]. 朱晓芳.电子科技大学 2017
[5]基于GPU的雷达数据处理技术研究[D]. 周梦璐.电子科技大学 2016
[6]基于GPU的目标跟踪算法研发与优化[D]. 马翌堃.浙江大学 2016
[7]基于多传感器信息融合的目标跟踪技术研究[D]. 尚志龙.西安电子科技大学 2014
[8]基于GPU+CPU软件化雷达终端系统的设计与实现[D]. 曹成忠.武汉理工大学 2014
[9]机动目标跟踪算法与应用研究[D]. 沈莹.西北工业大学 2007
本文编号：3440538
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3440538.html
