PMCMC算法的改進及粒子濾波算法的GPU實現(xiàn).pdf

1、粒子濾波器一種基于遞推貝葉斯和蒙特卡羅的算法,尤其適用于非高斯背景噪聲下的信號處理,其精度可以逼近最優(yōu)估計,但通常不能實現(xiàn)未知參數(shù)下的狀態(tài)估計。為此,本文首先研究具有狀態(tài)和參數(shù)的聯(lián)合估計的PMCMC算法。并針對實際應(yīng)用中粒子濾波算法計算量大、實時性差和硬件實現(xiàn)困難的問題,研究運算速度快、魯棒性強的基于GPU的粒子濾波算法及其硬件實現(xiàn)。
　　 首先,本論文針對非線性非高斯狀態(tài)下的跟蹤問題,研究了基于粒子濾波和Kalman濾波的跟蹤

2、原理,通過實例驗證了粒子濾波在目標跟蹤方面的優(yōu)越性。然后,針對PMCMC算法中未知參數(shù)直接抽樣可能出現(xiàn)不收斂的問題,提出基于自適應(yīng)的PMCMC的改進算法,通過仿真驗證了該算法具有未知參數(shù)的抽樣效率高,收斂速度快。然后,針對粒子濾波實時性差的問題,研究了基于GPU的粒子濾波算法,提出了相應(yīng)的硬件實現(xiàn)方法,并根據(jù)實際算法給出了GPU實現(xiàn)算法流程。最后針對重采樣和權(quán)重歸一化難以并行實現(xiàn)的問題,提出了去相關(guān)的并行改進算法,通過仿真驗證了基于GP