基于CUDA的粒子滤波并行实现技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 动态系统状态估计问题 | 第15-18页 |
| 1.1.1 卡尔曼滤波算法 | 第16-18页 |
| 1.1.2 粒子滤波算法 | 第18页 |
| 1.2 选题缘由和意义 | 第18-20页 |
| 1.2.1 粒子滤波算法缺点 | 第18-19页 |
| 1.2.2 GPU并行计算 | 第19-20页 |
| 1.2.3 粒子滤波并行计算 | 第20页 |
| 1.3 本文的主要工作及内容安排 | 第20-23页 |
| 第二章 粒子滤波算法介绍 | 第23-35页 |
| 2.1 粒子滤波简介 | 第23-24页 |
| 2.1.1 蒙特卡洛近似方法 | 第23页 |
| 2.1.2 贝叶斯估计理论 | 第23-24页 |
| 2.2 粒子滤波算法 | 第24-28页 |
| 2.2.1 粒子滤波算法原理 | 第24-26页 |
| 2.2.2 权值退化与重采样 | 第26-28页 |
| 2.3 重采样方法 | 第28-34页 |
| 2.3.1 分层/系统/多项式重采样方法 | 第28-30页 |
| 2.3.2 残差重采样方法 | 第30-31页 |
| 2.3.3 重采样算法分析 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 CUDA计算模型 | 第35-43页 |
| 3.1 GPU并行架构与CPU串行架构对比 | 第35-36页 |
| 3.2 CUDA编程语言 | 第36-41页 |
| 3.2.1 CUDA并行编程语言模型 | 第36-37页 |
| 3.2.2 CUDA的存储模型 | 第37-39页 |
| 3.2.3 CUDA程序的执行模型 | 第39-41页 |
| 3.3 GPU硬件架构的发展 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于CUDA的并行粒子滤波实现 | 第43-65页 |
| 4.1 外辐射源雷达跟踪问题 | 第43-49页 |
| 4.1.1 三发一收外辐射源雷达TOA跟踪模型 | 第43-44页 |
| 4.1.2 外辐射源雷达TOA跟踪动态方程 | 第44-45页 |
| 4.1.3 MATLAB仿真结果 | 第45-49页 |
| 4.2 粒子滤波并行化实现 | 第49-57页 |
| 4.2.1 规约求和与前缀和算法 | 第49-53页 |
| 4.2.2 异构并行实现结果 | 第53-54页 |
| 4.2.3 并行索引生成 | 第54-55页 |
| 4.2.4 并行重采样分析 | 第55-57页 |
| 4.3 双层并行实现方法 | 第57-61页 |
| 4.3.1 分布式并行粒子滤波计算方法 | 第57-59页 |
| 4.3.2 双层并行实现 | 第59-61页 |
| 4.4 粒子滤波并行结果与分析 | 第61-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 本文总结 | 第65页 |
| 5.2 未来展望 | 第65-69页 |
| 5.2.1 粒子滤波算法改进 | 第65-67页 |
| 5.2.2 粒子滤波实现改进 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
