資源描述：
《基于雙fpga 的多目標(biāo)跟蹤算法研究 》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于雙FPGA的多目標(biāo)跟蹤算法研究劉旭東吉林省經(jīng)濟(jì)管理干部學(xué)院吉林長春130021【文章】多目標(biāo)跟蹤系統(tǒng)的精度和實(shí)時性一直是目標(biāo)跟蹤領(lǐng)域的主要研究問題。本文以雙FPGA為主處理芯片，對卡爾曼濾波和粒子濾波這兩個常用的濾波算法進(jìn)行有機(jī)結(jié)合，分別利用各自的特點(diǎn)對目標(biāo)進(jìn)行跟蹤處理。通過兩片F(xiàn)PGA相互配合對多目標(biāo)進(jìn)行實(shí)時跟蹤?！娟P(guān)鍵詞】FPGA；卡爾曼濾波；粒子濾波；多目標(biāo)跟蹤:TP391：A0引言隨著目標(biāo)跟蹤背景的復(fù)雜程度增大以及數(shù)字技術(shù)的快速發(fā)展，對于在干擾背景下雷達(dá)的多目標(biāo)跟蹤能力要求越來越高。多目標(biāo)跟蹤技術(shù)已經(jīng)在軍事、通信、衛(wèi)星導(dǎo)航、
2、遙感等領(lǐng)域中得到廣泛地應(yīng)用，而多目標(biāo)跟蹤的核心為濾波算法。如何提出性能更好的適應(yīng)各種線性、非線性濾波算法，用來應(yīng)對實(shí)際系統(tǒng)的非線性、非高斯問題，是本領(lǐng)域研究的熱點(diǎn)和難點(diǎn)所在。本文以兩片F(xiàn)PGA為處理器核心，對卡爾曼濾波算法和粒子濾波算法進(jìn)行融合，使這種新的算法更能對復(fù)雜環(huán)境下多目標(biāo)進(jìn)行有效的實(shí)時性跟蹤。1濾波算法的FPGA實(shí)現(xiàn)多目標(biāo)跟蹤就是對目標(biāo)運(yùn)動參數(shù)，如位置、速度、加速度及目標(biāo)分類特征進(jìn)行識別和跟蹤，將接收機(jī)所接收到的量測數(shù)據(jù)分解和估計，最終形成每個目標(biāo)的運(yùn)動軌跡。在整個系統(tǒng)中，濾波處于至關(guān)重要的地位，濾波效果好壞直接影響整個系統(tǒng)的
3、跟蹤成敗。所謂濾波是指從當(dāng)前和過去的觀測值來最優(yōu)估計信號的當(dāng)前值；濾波理論就是在對系統(tǒng)可觀測信號進(jìn)行測量的基礎(chǔ)上,根據(jù)一定的濾波準(zhǔn)則,對系統(tǒng)的狀態(tài)或參數(shù)進(jìn)行估計的理論和方法。由于在濾波過程中需要存取和計算大量的狀態(tài)數(shù)據(jù)，這就要求跟蹤系統(tǒng)中的主處理芯片要有很快的運(yùn)算速度和很大的存儲空間。與此同時主處理芯片和外圍電路還要有數(shù)據(jù)進(jìn)行通信，這就要求主處理芯片要有很強(qiáng)大的接口通信能力才能保證目標(biāo)跟蹤的實(shí)時性。Spartan-3A型FPGA是xilinx在SP3基礎(chǔ)上，針對用戶對豐富I/O的需求推出的I/O優(yōu)化FPGA。SP3A的優(yōu)勢在于具有同系列
4、FPGA中最大的I/O密度，能支持最多的I/O標(biāo)準(zhǔn)等，因此，它是多目標(biāo)跟蹤主處理芯片的理想選擇，本設(shè)計中所有的濾波算法均采用的Spartan-3A型FPGA實(shí)現(xiàn)。對于多目標(biāo)跟蹤系統(tǒng)來說，濾波算法有多種，如貝葉斯濾波、最優(yōu)估計濾波、次優(yōu)估計濾波等。目前比較成熟和常用的有卡爾曼濾波（最優(yōu)估計濾波的一種）和粒子濾波。本文就針對這兩種濾波方法進(jìn)行綜合處理。1.1卡爾曼濾波(KalmanFilter，KF)卡爾曼濾波是用狀態(tài)空間法描述系統(tǒng)的，由狀態(tài)方程和量測方程所組成。卡爾曼濾波用前一個狀態(tài)的估計值和最近一個觀測數(shù)據(jù)來估計狀態(tài)當(dāng)前值，并以狀態(tài)變量
5、的估計值的形式給出。假設(shè)某系統(tǒng)k時刻的狀態(tài)變量為Xk,狀態(tài)方程和量測方程表示為（1）（2）其中，k表示時間，這里指第k步迭代時，相應(yīng)信號的取值；輸入信號ωk是一白噪聲，輸出信號的觀測噪聲vk也是一個白噪聲，輸入信號到狀態(tài)變量的支路增益等于1；A表示狀態(tài)變量之間的增益矩陣，可以隨時間發(fā)生變化；C表示狀態(tài)變量與輸出信號之間的增益矩陣。其信號模型如圖1所示。當(dāng)狀態(tài)方程中時間變量k用k-1代替，得到（3）（4）其中，Xk是狀態(tài)變量；ωk-1表示輸入信號是白噪聲；vk是觀測噪聲；yk是觀測數(shù)據(jù)。圖1卡爾曼濾波的信號模型圖2卡爾曼濾波的FPGA算法
6、流程卡爾曼濾波的在FPGA中的算法如圖2所示。其中，計算當(dāng)前協(xié)方差和計算濾波器的增益這兩步是在一個FPGA中實(shí)現(xiàn)的，而后驗狀態(tài)估計，后驗誤差協(xié)方差估計是在另一個FPGA中實(shí)現(xiàn)的，這樣兩個FPGA可以在同時進(jìn)行一個算法的計算和存儲，可以提高實(shí)時性。對于線性高斯隨機(jī)系統(tǒng)，卡爾曼濾波能獲得后驗概率密度函數(shù)的精確解析解。但在部分情況下獲得精確的后驗概率密度函數(shù)是不可能的，這就需要進(jìn)行各種近似次優(yōu)估計。并且由系統(tǒng)的可觀測性差、狀態(tài)空間模型的線性程度低，也可導(dǎo)致了卡爾曼濾波算法在收斂精度及收斂時間上往往滿足不了要求。為了解決這個問41消費(fèi)警示Con
7、sumer0cm0pt;mso-layout-grid-align:none"class=MsoNormal>質(zhì)量管理題Gordon等人將重采樣算法引入到序貫重要性采樣中，提出序貫重要性重采樣算法，從而使這一技術(shù)趨于完善，序貫重要性重采樣算法也是各種粒子濾波算法的基礎(chǔ)相比于傳統(tǒng)的卡爾曼濾波及其改進(jìn)方法，粒子濾波可以在非線性非高斯環(huán)境下獲得良好的性能，當(dāng)粒子數(shù)足夠多時，其估計可逼近最優(yōu)解。1.2粒子濾波(ParticleFilter，PF)粒子濾波是一種基于蒙特卡羅方法(MonteCarloMethods，MCM)和遞推貝葉斯估計的用于非
8、線性、非高斯系統(tǒng)的濾波方法。粒子濾波的基本思想是：首先依據(jù)系統(tǒng)狀態(tài)向量的經(jīng)驗條件分布，在狀態(tài)空間抽樣產(chǎn)生一組隨機(jī)樣本集合，這些樣本集合稱為“粒子”；然后根據(jù)觀測值不斷地調(diào)整粒子的權(quán)重大小和樣本位置；最后，通
