论文部分内容阅读
本文对使用概率假设密度粒子滤波处理多目标跟踪问题的算法及其硬件电路实现进行了较为深入的探讨研究．
论文首先研究跟踪多个机动目标的概率假设密度粒子滤波算法，结合当前统计模型跟踪机动目标的优势，提出了一种基于当前统计模型的概率假设密度粒子滤波算法。和多模型概率假设密度粒子滤波算法相比，所提出的算法无需知道目标运动模型的先验信息，无需设计运动模型集合，避免了滤波过程中的模型竞争问题。仿真结果显示，所提出的算法具有与多模型概率假设密度粒子滤波算法相似的多个机动目标跟踪性能，但是具有较低的计算复杂度且处理速度更快的优势。
标准概率假设密度粒子滤波本身较为复杂，使用硬件电路实现存在较大困难。为此，论文提出了一种简化的概率假设密度粒子滤波算法，依据k-n时刻估计得到的状态信息对k时刻的观测值进行选择，以保证每个时刻经过选择后观测值个数是固定的，从而可以使用固定个数的电路单元处理观测值。仿真结果表明，论文提出的算法在跟踪性能方面和标准的概率假设密度粒子滤波相似，但更易于硬件实现。
在算法研究的基础上，论文提出了一种简化的概率假设密度粒子滤波算法硬件实现电路结构，给出了电路结构中各个子模块的详细设计方案，并对硬件处理的时延进行了分析。硬件电路实验结果和Matlab算法仿真研究的比较表明，硬件电路实现与算法仿真的跟踪性能基本一致，证明了硬件实现的可行性;对硬件电路执行时间的分析表明，此结构具有较快的处理速度，在目标空间最多存在3个目标的情况下，使用50MHz的系统时钟，数据处理刷新速率可达6kHz.