10.3969/j.issn.1001-506X.2015.12.02
基于 PSO 的 ML-PDA 算法及其并行实现
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。
检测前跟踪、极大似然、概率数据关联、粒子群优化、并行处理
TN953
中国博士后科学基金2015M572463资助课题
2015-12-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
2677-2682