资料下载
DSP并行系统的并行粒子群优化目标跟踪
分享资料个
随着科学技术的不断进步 ，目标跟踪技术在高技术武器方面得到了广泛的应用［ 123 ］ 。一个鲁棒性好的目标跟踪系统包括两部分 ： （1） 对目标特征的可靠表示 ; （2） 对环境变换具有鲁棒性的快速目标定位。但是 ，许多跟踪算法都存在两个方面的问题 ： （1） 在背景复杂或者被相似目标遮挡时容易出现目标误匹配 ; （2） 计算量大 ，实时运行困难。粒子群优化 （PSO） 算法是由 Eberhart 博士和 Kennedy 博士于 1995 提出的［ 4 ］ 一种进化计算技术（ Evolutionary Comp utation） ，已广泛应用于科学和工程领域 ，如 ：神经网络训练［5 ］ 、系统辨识［6 ］ 、多目标跟踪［7 ］ 等。PSO 算法同遗传算法类似 ，是一种基于迭代的优化工具。系统初始化为一组随机解 ，通过粒子在解空间追随最优的粒子搜索最优值。PSO 算法简单易实现 ，但易陷入局部极小值点。一些改进的 PSO 跟踪算法仍存在着比较复杂、不便使用等缺点［8 ］ 。同时 ，由于优化问题的复杂性 ，需要很长的计算时间 ，在单个CPU 上运行串行的 PSO 算法 ，甚至有时无法得到满意的结果。本文针对这些问题 ，研制了基于 4 颗 TI 公司TMS320C6416 设计的并行处理系统。利用其自身提供的 CCS 开发环境 ，设计实现了并行 PSO跟踪算法 ，通过仿真实验可以得出 ，并行 PSO 跟踪算法不仅能提高求解的速度和求解的质量 ，而且得到了较满意的加速
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
