论文部分内容阅读
粒子滤波方法作为一种基于贝叶斯估计思想的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,其在目标跟踪、导航与制导、图像处理、参数估计等都具有很好的应用。而这些领域对滤波以及估计的实时性要求较高,同时粒子滤波本身结构复杂、具有庞大的计算量等导致其运算速度缓慢,算法实时性不高,且对实时系统需求更多的资源。FPGA拥有强大的并行运算能力,且实现方式灵活。本文研究目的是基于FPGA硬件平台实现粒子滤波算法,通过降低粒子滤波算法的复杂度,优化硬件结构,提高运行速度,合理利用硬件资源,在保证滤波性能的前提下,设计出一款运算速度快、硬件资源占用少、性能可靠的粒子滤波器。本文首先介绍基本粒子滤波算法以及改进型粒子滤波算法,针对粒子匮乏引入一些处理措施,如重采样策略与粒子平滑技术。分析了FPGA结构与工作原理,并选取Spartan-3a作为粒子滤波硬件实现的目标器件。接着,本文针对带MCMC步骤的改进型粒子滤波EPF进行SOC设计,提出了本地平行粒子滤波算法,其总体上分区粒子集群,按多模块分别进行采样、重采样、权值计算、MCMC步骤计算,而后整合各模块预测值再次重采样以得到状态估计值。其在软件实现上改善了重采样策略,权值计算步骤以及MCMC步骤,大大降低了算法空间复杂度与时间复杂度。最后,将SOC的软、硬件结构相结合,验证设计的有效性,并生成可下载的流文件,在Spartan-3a开发板上进行针对非线性非高斯系统的改进粒子滤波算法仿真验证,完成将粒子滤波应用于实时系统。本文针对改进的粒子滤波算法,经过FPGA设计并实现此算法,经过仿真验证,其结果表明这种算法器具有速度快、性能可靠,计算精确,且需求资源较少的特点,能广泛应用于目标跟踪、导航与制导、图像处理、参数估计等其他实时系统中。