欢迎来到天天文库
浏览记录
ID:34781286
大小:7.26 MB
页数:63页
时间:2019-03-10
《探索基于fpga实现的粒子滤波算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、北京交通大学硕士学位论文基于FPGA实现的粒子滤波算法研究姓名:邓文坛申请学位级别:硕士专业:交通信息工程及控制指导教师:张三同20080601中文摘要摘要:粒子滤波是上世纪90年代发展起来的一种基于蒙特卡罗方法和递推贝叶斯估计的新滤波方法,在处理非线性、非高斯系统的参数估计和状态滤波方而具有独到的优势。但是其复杂的算法结构、庞大的计算量和缓慢的运算速度限制了其在实时系统中的应用。本文研究的目的是降低粒子滤波算法的复杂度,提高运算速度,设计一种运算速度快、性能可靠、占用硬件资源少的粒子滤波器,使
2、其能应用于目标跟踪等实时系统中。现场町编程门阵YU(FieldProgrammableGateArray,FPGA)是一种硬件逻辑器件,执行真正意义卜的并行运算。理论卜,~个时钟周期,FPGA能输⋯一个结果,粒了滤波在FPGA系统中能达到最快运算速度。所以本文选取FPGA作为粒了滤波硬件实现的F
3、标器件。本文首先介绍了粒
4、了滤波的现状和本文研究的意义。接着详细介绍了粒了滤波基本原理和FPGA的结构特点。然后对SIRF算法的步骤、复杂度、并行件进行深入分析,在此基础上对重采样、权值计算、采样三步进
5、行改进,降低了粒子滤波算法的复杂度,提高了运算速度。并以被动定位系统中目标跟踪为例进行Matlab仿真,验证改进后算法的正确性。然后基’。J:改进后的SIRF算法,在FPGA中设汁出高斯随机数生成器、重采样、采样、权值计算各个模块,并进行波形图仿真,验证模块设计的正确性。最后,连接各个模块,在FPGA中实现粒子滤波算法。本文在FPGA中设计并实现了这种改进的粒子滤波算法。波形图仿真和FPGA资源使用情况报告表明这种算法器具有速度快、占用资源少的特点,能J’.泛适用于目标跟踪、导航与制导、图像处理
6、、参数估计等实时系统中。关键词:粒子滤波;FPGA;目标跟踪;并行算法分类号:U283.1ABSTRACTABSTRACT:Developingin90’Slastcentury,ParticlefiIter,anewfiltermethodbasedonMonteCarloandrecursiveBayesianestimation,hasspecialadvantagesindealingwiththestateandtheparameterestimationinthenonlineara
7、ndnon-Gaussiansystem.However,thedisadvantagesofcomplexalgorithmarchitecture,enormouscomputationsandlowspeedhaverestricteditsimplementationinreal-timesystem.Thisthesisaimstoreducethecomplexityoftheparticlefilteralgorithmwithbettercomputationspeedinord
8、ertodesignaparticlefilterwhichisfast,credibleandusinglesshardwareresourceSOastobeimplementedinreal—timesystem,i.e.objecttrackingetc..FieldProgrammableGateArrayisahardwarelogicdevice,whichimplementstherealparallelcomputation.Intheory,theFPGAcanoutputo
9、neresultinoneclockperiod.ParticlefiltercanreachthehighestcomputationspeedinFPGAsystem.So,thisthesischoosestheFPGAasthetargetdevicetoimplementparticlefilter.Thisthesis,atfirst,introducesthestatusinquoofparticlefilterandthemeaningofresearch.Secondly,it
10、introducesthebasicstheoryoftheparticlefilterandthecharacteristicsofFPGA.Thirdly,thecomplexityofthealgorithmhasbeenreducedandthecomputationspeedhasbeenadvancedbyimprovingmethodsonthethreestepsinsampling,weightingcomputation,andresamplingbasedonanalyzi
此文档下载收益归作者所有