[发明专利]一种基于FPGA的粒子滤波权值处理及重采样方法

说明书

技术领域

    本发明涉及数字图像处理领域，具体地说，本发明涉及一种基于FPGA的粒子滤波权值处理及重采样方法，属于电子信息领域。

背景技术

粒子滤波是一种基于蒙特卡洛方法和递推贝叶斯估计的方法，广泛应用于状态空间的运动估计问题，特别是非线性、非高斯系统的滤波问题。粒子滤波的基本思想是：根据系统状态向量的经验条件分布，在状态空间中抽样产生一组称为“粒子”的随机样本集合，并通过实际观测值在各次递推中不断地修正粒子的权重大小和样本位置，最后通过调整后的粒子信息调整最初的经验条件分布，估计出系统状态和参数。本算法是一种递推滤波估计算法，理论上对于各种任意的非线性、非高斯随机系统的状态和参数都有很好的估计性能，能有效克服卡尔曼滤波，扩展卡尔曼滤波等滤波算法的不足。

粒子滤波在处理非线性非高斯时变系统的参数估计和状态滤波问题方面有较大的优势，但是粒子滤波算法结构复杂，计算量大，当系统状态空间的维数增加时，粒子滤波的计算量会扩大数倍，如何将粒子滤波应用于实时系统是面临的最大课题。粒子滤波主要有三个步骤：采样(从状态空间产生新粒子)；权值计算并归一化（根据观测值计算各个粒子的权值并归一化）；重采样(保留并复制大权值粒子代替小权值粒子)，这三步即为粒子滤波的基本算法SIRF（Sample Importance Resampling）。

发明内容

本发明的目的在于针对粒子滤波中的权值计算并归一化和重采样步骤，提出一种优化的基于FPGA的粒子滤波权值处理及重采样方法。该方法抛弃了权值归一化过程，将计算得到的权值进行并行化排序处理，重采样部分的阈值根据权值的排序结果自适应选取。本方法计算结果准确，完全满足实时跟踪系统的性能要求。

为达到上述目的，本发明采用下述技术方案：

一种基于FPGA的粒子滤波权值处理及重采样方法针对传统粒子滤波算法权值计算并归一化和重采样步骤进行改进，具体为：

1）  粒子权值排序的并行处理。

所述粒子滤波算法中,选取粒子数M为偶数，计算粒子特征与目标特征之间的巴式距离作为权值；得到各个粒子的权值之后，不进行权值归一化操作，而是对粒子权值进行排序；粒子权值排序算法的基本方式如下:

排序算法要求粒子权值依次从大到小排列，硬件排序算法包含两个排序状态机，状态1和状态2：状态1中，序号为奇数的粒子与序号比其小一位偶数位粒子用比较器进行比较，若奇数位粒子权值小于偶数位粒子权值，则两个粒子的权值及位置信息进行交换，若奇数位粒子权值大于等于偶数位粒子权值，则无操作；状态2中，首粒子与末尾粒子单独进行比较交换，序号为偶数的粒子与序号比其小一位的奇数位粒子进行比较交换，若偶数位粒子权值小于奇数位粒子权值，则两个粒子的权值及位置信息进行交换，若偶数位粒子权值大于等于奇数位粒子权值，则无操作；一个时钟周期执行一个状态，状态1、状态2交替执行，直到粒子序列按照权值大小有序排列。

2)        根据权值分布的自适应重采样。

通过排序算法得到粒子权值序列，按照权值大小从大到小排列，设位于1/8序列处的粒子权值为高阈值N_h，设位于5/8序列处的粒子值设为低阈值N_l；粒子权值高于N_h的为大权值粒子，权值介于N_h与N_l之间的为中权值粒子，大权值粒子与中权值粒子在重采样过程中权值和位置信息保持不变；粒子权值小于N_l的为小权值粒子，其在重采样过程中被淘汰，由大权值粒子复制(M/4-1)次代替。

其进一步特征在于：所述权值排序的并行处理中，包括两个状态机，含有M/2个比较器及控制器；所述比较器连接相邻粒子权值，对其大小进行比较；所述控制器连接比较器，根据比较器结果对两个粒子的权值与位置信息进行交换；所述粒子权值排序算法由于使用硬件系统的并行设计，使得每个周期可进行M/2次比较及交换操作，而较于传统PC排序算法的单周期仅有一次比较及交换操作，提高了排序操作效率。