基于双fpga 的多目标跟踪算法研究

《基于双fpga 的多目标跟踪算法研究 》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于双FPGA的多目标跟踪算法研究刘旭东吉林省经济管理干部学院吉林长春130021【文章】多目标跟踪系统的精度和实时性一直是目标跟踪领域的主要研究问题。本文以双FPGA为主处理芯片，对卡尔曼滤波和粒子滤波这两个常用的滤波算法进行有机结合，分别利用各自的特点对目标进行跟踪处理。通过两片FPGA相互配合对多目标进行实时跟踪。【关键词】FPGA；卡尔曼滤波；粒子滤波；多目标跟踪:TP391：A0引言随着目标跟踪背景的复杂程度增大以及数字技术的快速发展，对于在干扰背景下雷达的多目标跟踪能力要求越来越高。多目标跟踪技术已经在军事、通信、卫星导航、

2、遥感等领域中得到广泛地应用，而多目标跟踪的核心为滤波算法。如何提出性能更好的适应各种线性、非线性滤波算法，用来应对实际系统的非线性、非高斯问题，是本领域研究的热点和难点所在。本文以两片FPGA为处理器核心，对卡尔曼滤波算法和粒子滤波算法进行融合，使这种新的算法更能对复杂环境下多目标进行有效的实时性跟踪。1滤波算法的FPGA实现多目标跟踪就是对目标运动参数，如位置、速度、加速度及目标分类特征进行识别和跟踪，将接收机所接收到的量测数据分解和估计，最终形成每个目标的运动轨迹。在整个系统中，滤波处于至关重要的地位，滤波效果好坏直接影响整个系统的

3、跟踪成败。所谓滤波是指从当前和过去的观测值来最优估计信号的当前值；滤波理论就是在对系统可观测信号进行测量的基础上,根据一定的滤波准则,对系统的状态或参数进行估计的理论和方法。由于在滤波过程中需要存取和计算大量的状态数据，这就要求跟踪系统中的主处理芯片要有很快的运算速度和很大的存储空间。与此同时主处理芯片和外围电路还要有数据进行通信，这就要求主处理芯片要有很强大的接口通信能力才能保证目标跟踪的实时性。Spartan-3A型FPGA是xilinx在SP3基础上，针对用户对丰富I/O的需求推出的I/O优化FPGA。SP3A的优势在于具有同系列

4、FPGA中最大的I/O密度，能支持最多的I/O标准等，因此，它是多目标跟踪主处理芯片的理想选择，本设计中所有的滤波算法均采用的Spartan-3A型FPGA实现。对于多目标跟踪系统来说，滤波算法有多种，如贝叶斯滤波、最优估计滤波、次优估计滤波等。目前比较成熟和常用的有卡尔曼滤波（最优估计滤波的一种）和粒子滤波。本文就针对这两种滤波方法进行综合处理。1.1卡尔曼滤波(KalmanFilter，KF)卡尔曼滤波是用状态空间法描述系统的，由状态方程和量测方程所组成。卡尔曼滤波用前一个状态的估计值和最近一个观测数据来估计状态当前值，并以状态变量

5、的估计值的形式给出。假设某系统k时刻的状态变量为Xk,状态方程和量测方程表示为（1）（2）其中，k表示时间，这里指第k步迭代时，相应信号的取值；输入信号ωk是一白噪声，输出信号的观测噪声vk也是一个白噪声，输入信号到状态变量的支路增益等于1；A表示状态变量之间的增益矩阵，可以随时间发生变化；C表示状态变量与输出信号之间的增益矩阵。其信号模型如图1所示。当状态方程中时间变量k用k-1代替，得到（3）（4）其中，Xk是状态变量；ωk-1表示输入信号是白噪声；vk是观测噪声；yk是观测数据。图1卡尔曼滤波的信号模型图2卡尔曼滤波的FPGA算法

6、流程卡尔曼滤波的在FPGA中的算法如图2所示。其中，计算当前协方差和计算滤波器的增益这两步是在一个FPGA中实现的，而后验状态估计，后验误差协方差估计是在另一个FPGA中实现的，这样两个FPGA可以在同时进行一个算法的计算和存储，可以提高实时性。对于线性高斯随机系统，卡尔曼滤波能获得后验概率密度函数的精确解析解。但在部分情况下获得精确的后验概率密度函数是不可能的，这就需要进行各种近似次优估计。并且由系统的可观测性差、状态空间模型的线性程度低，也可导致了卡尔曼滤波算法在收敛精度及收敛时间上往往满足不了要求。为了解决这个问41消费警示Con

7、sumer0cm0pt;mso-layout-grid-align:none"class=MsoNormal>质量管理题Gordon等人将重采样算法引入到序贯重要性采样中，提出序贯重要性重采样算法，从而使这一技术趋于完善，序贯重要性重采样算法也是各种粒子滤波算法的基础相比于传统的卡尔曼滤波及其改进方法，粒子滤波可以在非线性非高斯环境下获得良好的性能，当粒子数足够多时，其估计可逼近最优解。1.2粒子滤波(ParticleFilter，PF)粒子滤波是一种基于蒙特卡罗方法(MonteCarloMethods，MCM)和递推贝叶斯估计的用于非

8、线性、非高斯系统的滤波方法。粒子滤波的基本思想是：首先依据系统状态向量的经验条件分布，在状态空间抽样产生一组随机样本集合，这些样本集合称为“粒子”；然后根据观测值不断地调整粒子的权重大小和样本位置；最后，通