[發明專利]一種基于GPU架構的改進的粒子濾波方法

有效

• 申請號: 201410241879.9
• 申請日: 2014-06-03
• 公開（公告）號: CN104022756A
• 公開（公告）日: 2014-09-03
• 發明（設計）人: 王俊;張培川;武勇;喬家輝
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H03H17/02
• 分類號: H03H17/02
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

技術領域

本發明屬于粒子濾波技術領域，特別涉及一種基于GPU架構的改進的粒子濾波方法。

背景技術

非線性濾波問題廣泛存在于信號處理、數據通信、雷達探測、目標跟蹤、衛星導航等諸多領域，這類問題可歸納為存在觀測噪聲時，非線性系統的狀態估計問題。粒子濾波方法是一種較為通用的濾波方法，其采用一系列帶有權值的樣本點對狀態的后驗概率分布進行近似，這種方法實質上基于狀態搜索進行的。由于在狀態逼近的過程中使用了大量的粒子，因此該方法的計算復雜度很高。而且在粒子濾波中存在著兩個主要的問題：第一，當粒子采樣不準確時，如采樣得到的粒子位于實際后驗分布的拖尾區域，經過狀態搜索后，絕大部分的粒子權值都會趨于0。這會為后驗分布的近似帶來很大的誤差，甚至有可能引起濾波發散。第二，在對狀態進行迭代估計的過程中，會出現粒子退化以及粒子貧化的現象，降低了狀態估計可用粒子的數量和種類，增大了狀態估計誤差。

發明內容

本發明的目的在于提出一種基于GPU(圖形處理器)架構的改進的粒子濾波方法。本發明，對粒子的重采樣進行了改進，提出一種基于二次采樣的粒子濾波方法，改善了狀態估計的精度。同時，針對粒子濾波方法計算復雜度高的問題，提出了一種基于GPU架構的實現方法，使得運算時間大大降低，提高了算法處理的實時性，可以滿足實時處理的需要。

本發明的技術思路是：在標準粒子濾波基礎上，通過最大化似然函數引入當前時刻的觀測信息，進行二次采樣，并使用似然函數計算新粒子的權值，最后通過粒子加權對當前的狀態進行估計。并且將計算復雜度高的部分在GPU架構上進行實現，提高了算法的實時性。

為實現上述技術目的，本發明采用如下技術方案予以實現。

一種基于GPU架構的改進的粒子濾波方法包括以下步驟：

S1：利用CPU將粒子個數設定為N，利用CPU設定M個觀測時刻，N和M均為大于1的自然數，所述M個觀測時刻依次表示為1時刻至M時刻；利用GPU生成N個1時刻初始粒子；設置觀測時刻參數k，k＝1,2,3,...M；

S2：利用CPU加載每個觀測時刻非線性系統的觀測向量，CPU將每個觀測時刻非線性系統的觀測向量傳輸至GPU顯存；當k＝1時，執行步驟S3；

S3：在GPU中，根據重要性密度函數對k時刻的每個初始粒子進行重要性采樣，得出k時刻的多個重要性采樣粒子；

S4：在GPU中，根據非線性系統的觀測模型，建立似然函數；然后，通過最大化似然函數，對k時刻的每個重要性采樣粒子進行二次采樣，產生k時刻的多個最大似然采樣粒子；

S5：利用GPU得出k時刻每個最大似然采樣粒子的接受概率；

S6：在GPU中，根據k時刻每個最大似然采樣粒子，得出k時刻非線性系統的狀態向量的估計值；

S7：GPU將k時刻每個最大似然采樣粒子的接受概率傳輸至CPU；在CPU中，根據所述k時刻每個最大似然采樣粒子的接受概率，得出k時刻每個最大似然采樣粒子的重采樣索引；然后，CPU將k時刻每個最大似然采樣粒子的重采樣索引傳輸至GPU；在GPU中，根據k時刻每個最大似然采樣粒子的重采樣索引，對k時刻每個最大似然采樣粒子進行重采樣，得出k+1時刻的多個初始粒子；令k值自增1，然后返回至步驟S3；

S8：將步驟S3至步驟S7重復執行M次，得出M個觀測時刻的非線性系統的狀態向量的估計值。

本發明的特點和進一步改進在于：

在步驟S1中，建立非線性系統的狀態模型和觀測模型，非線性系統的狀態模型和觀測模型表示如下：