实时多模粒子PHD滤波器算法与硬件实现研究

使用粒子PHD（Probability Hypothesis Density, 概率假设密度）滤波器研究多目标跟踪问题是近年来国内外学者关注的热点课题。由于粒子PHD滤波器计算量大，制约了它在实时性要求较高场合的使用。为解决这一问题，可以使用硬件电路实现实时性好的粒子PHD滤波器，但相关研究尚未见诸报道。本课题拟研究实时多模粒子PHD滤波器的算法及其硬件实现，提出了一种多模型粒子PHD滤波器并行可扩展算法与硬件结构，并对这一结构中的不确定数目观测数据与确定数目硬件处理单元映射、分布式重采样、复杂权重函数计算等关键算法与硬件实现提出了相应的创新性方案，通过算法与硬件的协同设计，预期使用100MHz系统时钟频率时的处理速率（观测数据采样速率/目标状态更新速率）达到10kHz以上，满足多目标跟踪应用的实时性要求。本课题的实施，将有力地推动粒子PHD滤波器在实际多目标跟踪系统中的应用。