基于 PSO 的 ML-PDA 算法及其并行实现

摘要：

针对密集杂波条件下的目标检测与跟踪问题，开展极大似然概率数据关联（maximum likelihood-probabilistic data association，ML-PDA）算法优化与实时计算问题研究。在算法层面，通过在极大化对数似然比（log likelihood ratio，LLR）过程中引入粒子群优化（particle swarm optimization，PSO）方法，并进一步提出基于观测引导的 PSO 播撒粒子方式，提升算法的计算效率；在实现层面，提出基于图形处理器（graphic processing unit， GPU）的 PSO 实现策略。仿真实验结果说明了基于观测引导 PSO 算法搜索的有效性。在 GPU 平台上实现该算法获得显著的加速比，验证了所提出方法具有工程实时性。

关键词：检测前跟踪、极大似然、概率数据关联、粒子群优化、并行处理

分类号：TN953

资助基金：中国博士后科学基金2015M572463资助课题

在线出版日期：2015-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2677-2682