發(fā)布時(shí)間：2021-10-16 21:38

　　雷達(dá)數(shù)據(jù)處理系統(tǒng)是現(xiàn)代雷達(dá)中至關(guān)重要的一環(huán)。隨著科技的發(fā)展,電子干擾的種類(lèi)越來(lái)越多,戰(zhàn)場(chǎng)環(huán)境越來(lái)越復(fù)雜化,目標(biāo)的運(yùn)動(dòng)速度越來(lái)越快,目標(biāo)運(yùn)動(dòng)形式也愈發(fā)多樣,這些都導(dǎo)致了數(shù)據(jù)處理模塊中虛假目標(biāo)的爆發(fā)式增長(zhǎng),這對(duì)雷達(dá)數(shù)據(jù)處理的能力帶來(lái)了很大的挑戰(zhàn)。傳統(tǒng)的目標(biāo)跟蹤處理方式在對(duì)大批量目標(biāo)的處理時(shí)往往硬件是限制處理效率的瓶頸,因此在處理批量數(shù)據(jù)時(shí)耗時(shí)較長(zhǎng),難以滿足雷達(dá)進(jìn)行大規(guī)模數(shù)據(jù)處理時(shí)對(duì)實(shí)時(shí)性的要求。而隨著GPU的發(fā)展,將CPU+GPU的并行架構(gòu)應(yīng)用于雷達(dá)信號(hào)處理領(lǐng)域里,不但能夠提高信號(hào)處理效率,而且可以降低計(jì)算成本,提高計(jì)算性能,這將成為未來(lái)雷達(dá)領(lǐng)域的發(fā)展方向。首先,本文闡述了幾種經(jīng)典的目標(biāo)運(yùn)動(dòng)模型,以及目標(biāo)跟蹤過(guò)程中常用的線性濾波技術(shù)和非線性濾波技術(shù),并對(duì)常用算法EKF、UKF以及IMM算法,進(jìn)行了實(shí)驗(yàn)對(duì)比和仿真分析。其次,傳統(tǒng)的標(biāo)準(zhǔn)卡爾曼濾波算法在使用過(guò)程中,當(dāng)目標(biāo)發(fā)生運(yùn)動(dòng)狀態(tài)改變或量測(cè)誤差大時(shí),會(huì)導(dǎo)致目標(biāo)的跟蹤精度下降,跟蹤結(jié)果不收斂的問(wèn)題。本文針對(duì)這些問(wèn)題在該算法的基礎(chǔ)上進(jìn)行了改進(jìn),提出了一種基于新息回溯的修正卡爾曼濾波算法,并對(duì)其進(jìn)行了仿真實(shí)驗(yàn)。該方法的關(guān)鍵在于聯(lián)合目標(biāo)過(guò)去時(shí)刻的新息... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

k40c 硬件架構(gòu)

西安電子科技大學(xué)碩士學(xué)位論文雙精度浮點(diǎn)加法、乘法等操作。圖中標(biāo)有 SFU 的框表示特殊運(yùn)算單元有 32 個(gè)，負(fù)責(zé)進(jìn)行整數(shù)乘法、除法、單精度浮點(diǎn)數(shù)除法以及基本的數(shù)，余弦和指數(shù)等操作。圖中標(biāo)有 LD/ST 的框框表示 load/store 單元，一片個(gè)，負(fù)責(zé)進(jìn)行存儲(chǔ)器訪問(wèn)操作。一片 SM 還包括 4 個(gè) warp 調(diào)度器，每個(gè)個(gè) threads。

圖 4.5 GPU 編程在軟硬件層面上的對(duì)比 CPU+GPU 協(xié)同處理架構(gòu)PU 在控制流方面的能力極其突出，但是其計(jì)算能力相對(duì)較弱，而的浮點(diǎn)運(yùn)算能力和存儲(chǔ)帶寬方面卻有很大優(yōu)勢(shì)，這主要在于二者的PU 主要針對(duì)大量數(shù)據(jù)執(zhí)行相同的程序，對(duì)每個(gè)數(shù)據(jù)元素執(zhí)行的操 GPU 對(duì)于流程的復(fù)雜度要求不高。正是由于大量數(shù)據(jù)在同一程序行，因此 GPU 可以通過(guò)這種方式來(lái)隱藏存儲(chǔ)器的訪問(wèn)延遲。當(dāng)然流程中的任務(wù)劃分，合理規(guī)劃 CPU 和 GPU 各自的處理任務(wù)，對(duì) 任務(wù)時(shí)需要兼顧效率與計(jì)算量的關(guān)系。對(duì)于含有大量的邏輯判斷，可充分利用 CPU 在控制流方面出色的能力，采用 CPU 執(zhí)行效率會(huì)于計(jì)算量較多，數(shù)據(jù)量較大的計(jì)算任務(wù)可充分利用 GPU 豐富的并，大量的數(shù)據(jù)的并行計(jì)算任務(wù)交給 GPU 進(jìn)行，可以提高計(jì)算效率和分支預(yù)測(cè)的任務(wù)交給 CPU，可以保證邏輯處理的高效和準(zhǔn)確性

【參考文獻(xiàn)】：
期刊論文
[1]基于簡(jiǎn)化CKF的IMM算法[J]. 蔡宗平,牛創(chuàng),戴定成.  現(xiàn)代防御技術(shù). 2015(06)
[2]五階容積卡爾曼濾波算法及其應(yīng)用[J]. 趙曦晶,劉光斌,汪立新,何志昆,趙晗.  紅外與激光工程. 2015(04)
[3]基于修正卡爾曼濾波的目標(biāo)跟蹤[J]. 楊永建,樊曉光,王晟達(dá),禚真福,徐洋.  系統(tǒng)工程與電子技術(shù). 2014(05)
[4]平方根容積卡爾曼濾波算法及其應(yīng)用[J]. 穆靜,蔡遠(yuǎn)利.  兵工自動(dòng)化. 2011(06)
[5]CPU-GPGPU異構(gòu)體系結(jié)構(gòu)相關(guān)技術(shù)綜述[J]. 徐新海,林宇斐,易偉.  計(jì)算機(jī)工程與科學(xué). 2009(S1)
[6]論航跡起始方法[J]. 董志榮.  情報(bào)指揮控制系統(tǒng)與仿真技術(shù). 1999(02)
[7]機(jī)動(dòng)目標(biāo)“當(dāng)前”統(tǒng)計(jì)模型與自適應(yīng)跟蹤算法[J]. 周宏仁.  航空學(xué)報(bào). 1983(01)

碩士論文
[1]基于GPU的警戒雷達(dá)信號(hào)處理軟件設(shè)計(jì)[D]. 陳大強(qiáng).電子科技大學(xué) 2018
[2]認(rèn)知雷達(dá)資源管理方法研究和基于GPU的雷達(dá)信號(hào)處理[D]. 王鳳蓮.西安電子科技大學(xué) 2017
[3]基于GPU的前視雷達(dá)成像方法研究[D]. 劉永飛.西安電子科技大學(xué) 2017
[4]基于GPU的陣列雷達(dá)信號(hào)處理技術(shù)研究[D]. 朱曉芳.電子科技大學(xué) 2017
[5]基于GPU的雷達(dá)數(shù)據(jù)處理技術(shù)研究[D]. 周夢(mèng)璐.電子科技大學(xué) 2016
[6]基于GPU的目標(biāo)跟蹤算法研發(fā)與優(yōu)化[D]. 馬翌堃.浙江大學(xué) 2016
[7]基于多傳感器信息融合的目標(biāo)跟蹤技術(shù)研究[D]. 尚志龍.西安電子科技大學(xué) 2014
[8]基于GPU+CPU軟件化雷達(dá)終端系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 曹成忠.武漢理工大學(xué) 2014
[9]機(jī)動(dòng)目標(biāo)跟蹤算法與應(yīng)用研究[D]. 沈瑩.西北工業(yè)大學(xué) 2007



本文編號(hào)：3440538