本文關(guān)鍵詞：基于PSO的ML-PDA算法及其并行實現(xiàn)

  更多相關(guān)文章： 檢測前跟蹤 極大似然-概率數(shù)據(jù)關(guān)聯(lián) 粒子群優(yōu)化 并行處理

【摘要】：針對密集雜波條件下的目標(biāo)檢測與跟蹤問題,開展極大似然-概率數(shù)據(jù)關(guān)聯(lián)(maximum likelihoodprobabilistic data association,ML-PDA)算法優(yōu)化與實時計算問題研究。在算法層面,通過在極大化對數(shù)似然比(log likelihood ratio,LLR)過程中引入粒子群優(yōu)化(particle swarm optimization,PSO)方法,并進(jìn)一步提出基于觀測引導(dǎo)的PSO播撒粒子方式,提升算法的計算效率;在實現(xiàn)層面,提出基于圖形處理器(graphic processing unit,GPU)的PSO實現(xiàn)策略。仿真實驗結(jié)果說明了基于觀測引導(dǎo)PSO算法搜索的有效性。在GPU平臺上實現(xiàn)該算法獲得顯著的加速比,驗證了所提出方法具有工程實時性。
【作者單位】： 電子科技大學(xué)電子工程學(xué)院;
【關(guān)鍵詞】： 檢測前跟蹤 極大似然-概率數(shù)據(jù)關(guān)聯(lián) 粒子群優(yōu)化 并行處理
【基金】：中國博士后科學(xué)基金(2015M572463)資助課題
【分類號】：TN953
【正文快照】： 0引言高密度雜波環(huán)境中的極低可觀測目標(biāo)跟蹤問題一直是困難的研究熱點。極低可觀測意味著目標(biāo)回波信號中信號能量與噪聲功率比值,即信噪比(signal-to-noise ratio,SNR)很低。在傳統(tǒng)的檢測后跟蹤(track after detect,TAD)算法中,若要維持對低SNR目標(biāo)的高檢測概率,勢必會降低檢

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蒙正中;;一種改進(jìn)的混合粒子群優(yōu)化算法[J];桂林工學(xué)院學(xué)報;2009年03期

2 吳昌友;王福林;馬力;;一種新的改進(jìn)粒子群優(yōu)化算法[J];控制工程;2010年03期

3 周馳,高海兵,高亮,章萬國;粒子群優(yōu)化算法[J];計算機(jī)應(yīng)用研究;2003年12期

4 高鷹,謝勝利;免疫粒子群優(yōu)化算法[J];計算機(jī)工程與應(yīng)用;2004年06期

5 張榮沂;一種新的集群優(yōu)化方法——粒子群優(yōu)化算法[J];黑龍江工程學(xué)院學(xué)報;2004年04期

6 高鷹;謝勝利;;混沌粒子群優(yōu)化算法[J];計算機(jī)科學(xué);2004年08期

7 劉釗,康立山,蔣良孝,楊林權(quán);用粒子群優(yōu)化改進(jìn)算法求解混合整數(shù)非線性規(guī)劃問題[J];小型微型計算機(jī)系統(tǒng);2005年06期

8 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年10期

9 竇全勝;周春光;馬銘;劉全;;群核進(jìn)化粒子群優(yōu)化方法[J];計算機(jī)科學(xué);2005年08期

10 范娜;云慶夏;;粒子群優(yōu)化算法及其應(yīng)用[J];信息技術(shù);2006年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運動目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運籌學(xué)會第八屆學(xué)術(shù)交流會論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國計算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學(xué)大會——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進(jìn)粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

2 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

3 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實例[D];浙江大學(xué);2005年

4 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

5 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

6 余炳輝;粒子群優(yōu)化算法試驗研究及擴(kuò)展[D];華中科技大學(xué);2007年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

8 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2013年

9 徐星;融合熱運動機(jī)制的粒子群優(yōu)化算法研究及其應(yīng)用[D];武漢大學(xué);2010年

10 劉逸;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];西安電子科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏數(shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 彭傳勇;廣義粒子群優(yōu)化算法及其在作業(yè)車間調(diào)度中的應(yīng)用研究[D];華中科技大學(xué);2006年

9 盧靜;粒子群優(yōu)化算法改進(jìn)研究[D];渤海大學(xué);2012年

10 江濤;改進(jìn)的粒子群優(yōu)化算法[D];吉林大學(xué);2013年

，

本文編號：521247