一种由CPU和GPU协同工作的目标航迹初始化方法技术

该发明专利技术公开了一种由CPU和GPU协同工作的目标航迹初始化方法，属于雷达与声纳技术领域，主要涉及目标跟踪技术中检测前跟踪技术的目标初始化，特别是使用最大似然‑概率数据关联（ML‑PDA）算法对目标的初始化。该方法使最大似然‑概率数据关联算法主要计算工作在多线程架构的GPU中完成，具有保持与CPU同等计算精度的前提下实现实时跟踪、计算速度快、可直接应用于工程、减小CPU计算量的效果。

【技术实现步骤摘要】
一种由CPU和GPU协同工作的目标航迹初始化方法
本专利技术属于雷达与声纳
，主要涉及目标跟踪技术中检测前跟踪技术的目标初始化，特别是使用最大似然-概率数据关联(ML-PDA)算法对目标的初始化。
技术介绍
目标跟踪技术广泛应用于各领域中，特别是雷达或声纳系统。目标跟踪技术分为检测后跟踪(TAD)和检测前跟踪(TBD)两大类，相比较而言，TAD算法计算量较低，利于实时实现，但由于TAD算法依赖于前端信号处理器对目标的检测，在低信噪比(SNR)情况下跟踪性能不理想；TBD算法由于在跟踪的同时加入了目标检测，因此在低信噪比下对目标有较强的跟踪能力，但由于计算复杂导致TBD算法在工程中应用受到很多限制。TBD算法按结构可分为两大类：批处理和迭代，批处理跟踪器直接从多帧观测数据中进行目标跟踪，由于利用了多帧观测，其效果较好，精度较高，但计算量大。迭代算法主要基于贝叶斯理论，常使用粒子滤波(PF)作为具体的实现手段。在工程应用中，目标跟踪算法实施之前需要对航迹进行初始化，以找到目标的初始状态向量，从而进一步进行跟踪，在批处理TBD算法中，目标初始化选择的是最大似然-概率数据关联(ML-P本文档来自技高网...

【技术保护点】
一种由CPU和GPU协同工作的目标航迹初始化方法，其步骤包括：步骤1.在CPU主机端对最大似然‑概率数据关联算法参数进行初始化，在CPU端随机产生Np个遗传种子，每个种子含|x|个数值；步骤2.在CPU端启动LLR计算线程；步骤3.将LLR存储矩阵cu_Seed_LLR矩阵复制到内存填充Seed_LLR中，通过遍历方式寻找其最大值max(Seed_LLR)、最小值min(Seed_LLR)与均值mean(Seed_LLR)，计算出Fitness指数线性算式中两个参数a,b；步骤4.在CPU端创建计算Fitness指数工作线程，cu_Fit_Factor＝a×cu_Seed_LLR+b；步骤5....

【技术特征摘要】
1.一种由CPU和GPU协同工作的目标航迹初始化方法，其步骤包括：步骤1.在CPU主机端对最大似然-概率数据关联算法参数进行初始化，在CPU端随机产生Np个遗传种子，每个种子含|x|个数值；步骤2.在CPU端启动LLR计算线程；步骤3.将LLR存储矩阵cu_Seed_LLR矩阵复制到内存填充Seed_LLR中，通过遍历方式寻找其最大值max(Seed_LLR)、最小值min(Seed_LLR)与均值mean(Seed_LLR)，计算出Fitness指数线性算式中两个参数a,b；步骤4.在CPU端创建计算Fitness指数工作线程，cu_Fit_Factor＝a×cu_Seed_LLR+b；步骤5.将Fitness指数存储向量cu_Fit_Factor拷贝到内存填充Fit_Factor中，计算出种子的平均Fitness指数，并且将种子的Fitness指数基于平均数归一化；步骤6.基于归一化后的Fitness指数选择出若干个父代种子，再依据Fitness指数复制选出的父代种子，使其总数达到Np并对其标号，然后将该Np个父代种子随机配对，将配对结果对应的种子序号存储到存储向量Pair_Rec中，将每一对种子随机产生的交叉点位置存储到交叉点记录向量Corss_pos中；步骤7.存储在CPU端的Np个父代种子状态向量与对应的种子编号存储向量Pair_Rec拷贝至GPU端的随机父代种子存储矩阵cu_Seed_Old与父代配对记录向量cu_Pair_Rec中；步骤8.在CPU端启动种子交叉线程，得到子代；步骤9.在CPU端启动子代突变线程，将突变完成后的子代填充父代存储矩阵；步骤10.在CPU端启动LLR计算线程，将得到的新一代种子LLR值拷贝回内存填充Seed_LLR，并且进行收敛测试；步骤11.若收敛测试通过，遗传搜索算法完成，若不通过，回到步骤3；步骤12.将通过收敛测试的父代种子复制回内存，计算种子内每一个参数的均值，得到收敛后的向量State_GA；步骤13.在CPU端初始化校正矩阵H，令k＝1；步骤14.在CPU端启动梯度计算线程；步骤15.在CPU端将显存中的梯度向量cu_Grad拷贝回内存中的梯度向量Grad，计算方向向量d；步骤16.在CPU端通过一维搜索方法确定搜索步长；步骤16a.初始化搜索步长λ为0，设定搜索步长迭代步进λ_step为1，令xk＝State_GA；步骤16b.在CPU端启动xk的LLR计算线程；步骤16c.在CPU端将得到的LLR值拷贝回内存填充LLR_xk，令LLR_xk＝-LLR_xk；步骤16d.令λ＝λ+λ_step，xk+1＝State_GA+λ×d；步骤16e.在CPU端启动xk+1的LLR计算线程；步骤16f.在CPU端将得到的LLR值拷贝回内存填充LLR_xk+1，令LLR_xk+1＝-LLR_xk+1；步骤16g.在CPU端进行判定，若LLR_xk+1≤LLR_xk，则停止，反之令LLR_xk＝LLR_xk+1，回到步骤15；步骤17：在CPU端进行收敛判断，即通过步骤14求出梯度Gradk+1，若||Gradk+1||小于阈值，令最优参数向量State_Final＝xk+1，进行步骤19；若反之则继续步骤18；步骤18.若k＝|x|，则令x1＝xk+1，返回步骤13，否则，更新校正矩阵H，k＝k+1，返回步骤14；步骤19.输出最优参数向量State_Final；步骤20.计算似然比检测值ΛH1/H0与航迹校验门限Tvali，判断航迹是否存在；...

【专利技术属性】
技术研发人员：唐续，高林，魏平，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51