2013年AASRI并行和分布式计算系统基于ChinaGrid的机动目标跟踪粒子滤波算法

© 2013作者。出版社：Elsevier B.V.由美国应用科学研究所负责选择和/或同行评审可在www.sciencedirect.com在线获取ScienceDirectAASRI Procedia 5（2013）262 - 2672013年AASRI并行和分布式计算系统基于ChinaGrid的李玉强a，*，何喜旭a，贾海涛b，a电子科技大学信息中心，成都610054bRIEST，电子科技大学，中国摘要实际中的目标跟踪通常是机动的，而大多数目标跟踪算法都是线性滤波。线性滤波会引入较大的估计误差。机动目标跟踪算法越来越受到研究者的关注。粒子滤波器已被开发用于非线性系统的状态估计。本文提出了一种改进的粒子滤波算法，该算法可以应用于机动目标的跟踪问题。在实际应用中，粒子滤波估计机动目标的跟踪需要大量的计算量。ChinaGrid系统采用敏捷的分布式联邦来减少计算时间，实现了目标跟踪应用中粒子滤波计算的快速求解。最后通过仿真验证了这一点。© 2013作者。由Elsevier B. V.在CC BY-NC-ND许可下开放获取。由美国应用科学研究所负责选择和/或同行评审关键词：目标跟踪;粒子滤波; ChinaGrid;1. 介绍目标跟踪在国防、雷达、声纳、航空、卫星、自主机器人等领域有着广泛的应用。[1]对于任何目标跟踪系统，它必须中央高校基础研究基金资助项目（编号：ZYGX 2010 J150）* 通讯作者。联系电话：电话：028 -83204056传真：028 -83200666电子邮箱：yqli@uestc.edu.cn。2212-6716 © 2013作者由Elsevier B. V.在CC BY-NC-ND许可下开放获取。美国应用科学研究所负责的选择和/或同行评审doi：10.1016/j.aasri.2013.10.087Yuqiang Li等人/ AASRI Procedia 5（2013）262263Kkk1kk1KKKKK1采样传播重采样重要性推理解决两个基本任务。一个是估计细化过程，需要从噪声测量数据中推断准确的估计目标位置。另一种是预测目标在下一时刻的位置，利用这些信息形成预测窗口，限制目标在未来的位置。[2]因此，目标跟踪的核心问题是估计运动目标的位置、速度和加速度等状态。大多数目标跟踪算法属于贝叶斯理论。卡尔曼滤波器和粒子滤波器是基于概率性质的贝叶斯目标跟踪滤波器。[3]第一章Isard提出的论文是粒子滤波算法的首次出版物[4]。典型的粒子滤波器框架如图1所示。图1.典型的粒子滤波器粒子滤波是利用大量具有目标状态的粒子来近似目标的后验分布，其主要思想来自于蒙特卡罗模拟理论。粒子滤波器更多的是采用粒子逼近的方法，而不是直接估计。虽然它可以提高跟踪性能，但它的计算量很大。粒子滤波只有使用大量的粒子才能在处理复杂目标跟踪时取得更好的估计效果。因此，粒子滤波器需要庞大而高效的结构。网格技术采用虚拟的方式将计算任务分配给分布的机器，实现了计算和存储资源的巨大共享。[5]采用网格框架可以解决粒子滤波跟踪机动目标时受计算机性能限制的问题。提出了一种基于ChinaGrid的机动目标跟踪粒子滤波框架。仿真结果表明，该框架能够很好地实现复杂目标的跟踪.2. 粒子滤波考虑一个单目标跟踪问题， 是在时间k的目标运动状态向量x f（x）（一）zh（x ）的方式其中v~N（，），N（ 、 表示具有均值和协方差矩阵的高斯分布。v是独立的噪声序列 f（）是非线性状态函数。 z是在时间k获得的观测向量。h（） 是 非线性 测量功能。W 是 观察 噪声 序列 的 独立的[6]让X{x，x. x}和Z{z，z. z}作为目标运动状态的序列向量，0：k01K0：k01K在离散时间域中，贝叶斯规则是使用后验条件概率密度函数p（x）|Z0：k预测和更新。[7]目标追踪程序是1) 使用状态函数f（） 为了预测下一次目标状态x：WKvKK264Yuqiang Li等人/ AASRI Procedia 5（2013）262K1K1t i1不不不不p（x）f（x）p（x|Z ）dx（二）kk1k10：k1k12) 使用贝叶斯公式估计目标状态x 【九】：p（z |x）p（x| Z )p（x）|Z）k1k1k10：k（三）k10：k1p（z| Z0: k)实际上，p（x|Z）计算是非常棘手的公式3。序贯蒙特卡罗方法K10：k1用于生成足够的具有采样目标状态的加权粒子以实现滤波器。即也就是说，粒子滤波器采用一组所谓的粒子{x（i）}N来近似概率密度功能[10]p（x）|Z0：k）I1（xx㈠）（四）这里x（i）是t时间内第i个粒子的状态，i是其重要性权重，其与t tx（i）.当粒子的状态估计接近真实值时，粒子的权值会更高。[11]因此，根据重要抽样理论，粒子滤波公式可以表示为（5）。1.基于先验概率密度函数初始化粒子{x（i）} M. [12]2.输入观察日期0I1z，并更新重要性权重iip（z |x(i)），我K1... M不（五）tkk|K 13.归一化权重~我It（六）不J不J14.如有必要，重置粒子，创建N个新粒子，替换j~1.. NPr（x（j）x（j））的方式j，j1... 中文（简体）KK|k 1t5.更新粒子状态x（i）~p（x| x(i))（八）K1|kk1 |KK|K6.K K 1和步骤2中的重复。从上面的讨论中，我们可以很容易地得出这样的结论，即粒子数越多，滤波结果越准确。这一结论得到了其他研究者的认同[13]，因此我们将采用计算网格来实现这一目标。3. 使用ChinaGrid支持粒子滤波器（CGSP）目前，ChianGrid已经覆盖了全国近百所著名高校，旨在建立一个全国性的网格计算系统，为教育服务。中国网格利用了最先进的互联网和分布式计算、共享技术。[8]ChinaGrid框架为用户在ChinaGrid上开发应用提供了一个平台，称为ChinaGrid支撑平台（CGSP）。该平台作为一个工具套件与API功能，为每个应用程序。图2显示了CGSP的框架。从图2可以看出，作业管理器模块、信息中心模块和数据管理器模块是ChinaGrid的关键层，提供了基础功能。安全管理器模块和服务容器模块为整个系统提供支持。域管理器、网格监视器和门户NItYuqiang Li等人/ AASRI Procedia 5（2013）262265CGSP系统模块（服务）网格监控服务容器安全管理器作业管理器域管理器信息中心数据管理器引擎模块是ChinaGrid的门户。用户可以在共享和存储服务中获得更好的服务，而不必考虑整个机器的物理分布。门户工程师网格开发工具图2. CGSP的架构图3.正常转弯机动航线4. 改进粒子滤波粒子滤波器基于贝叶斯规则。如果目标状态是稳定的，则滤波器性能满足实际要求。当跟踪系统要捕捉机动目标时，粒子滤波器不适合这种情况。提出了一种基于粒子滤波的机动目标跟踪方法。图3示出了正常的拐角机动路线。从上图可以看出，在弯道处，目标的运动状态，如加速度和速度，变化很大。几乎跟踪滤波器通过对目标运动状态估计的累加来预测目标的未来位置。因此在目标开始机动的时刻，跟踪性能下降很大。对于目标机动，可以看作是目标运动状态的畸变。根据这一思想，我们可以将畸变引入粒子。与自然界一样，保存物种也采取变异来应对环境的变化。改进后的粒子滤波算法每次都要带一部分粒子去改变状态。当目标开始机动时，会有一些畸变粒子捕捉到目标。改进的粒子滤波器流程如图4所示。为了满足机动目标跟踪的要求，跟踪系统必须产生越来越多的粒子。在这里，我们使用ChinaGrid来支持改进的粒子滤波器进行机动目标跟踪。其框架如图5所示。在这里我们使用粒子包作为接口，将每个粒子作为一个计算单元放入ChinaGrid中运行。由于每个粒子都是独立的，所以粒子的计算可以在ChinaGrid框架下进行。互操作经纪人I266Yuqiang Li等人/ AASRI Procedia 5（2013）262目标真实轨迹普通粒子滤波改进粒子滤波目标真实轨迹普通粒子滤波改进粒子滤波基于先验概率密度图4.改进的粒子滤波器流程图5.基于ChinaGrid的改进粒子滤波框架5. 仿真结果在此基础上，本文提出了一种改进的粒子滤波算法，并将其应用于机动目标的跟踪，得到了一定的仿真结果。图6.滤波器性能仿真结果图7. 滤波器性能仿真结果预测目标未来状态创建畸变粒子使粒子复位输出过滤结果利用观测数据计算重要性权重利用基于目标机动观测数据的特征集粒子重要性权重的畸变计算机创建最前面的粒子基于先验概率密度创建畸变粒子使粒子复位预测目 标未 来状态输出过滤结果设置畸变粒子数颗粒包裹CGSP系统模块（服务）服务容器安全管理器工作管理网格监控域管理器基于目标机动特征集的粒子设置畸变粒子数门户工程师网格开发工具互操作经纪人I信息中心数据管理器Yuqiang Li等人/ AASRI Procedia 5（2013）262267图6给出了机动目标跟踪的仿真结果。红色轨迹是普通粒子滤波的结果，蓝色轨迹是改进的粒子滤波。图7示出了拐角机动跟踪结果。6. 结论本文在ChinaGrid框架下建立了一种改进的粒子滤波算法，并应用于机动目标跟踪系统中.最后通过仿真验证了该算法能够处理机动目标的跟踪问题。ChinaGrid系统为巨型粒子计算机提供计算资源。该技术将有助于目标跟踪系统的实际应用。确认我们感谢实验室里的其他研究人员帮助了我们。引用634，2004年。[二的IEEE航天会议，大斯凯，莫，2007. [三2007年在夏威夷檀香山举行的声学、语音和信号处理国际会议。[四29，pp. 1998年5月28日[5]Hai. Jin，ChinaGrid：Making Grid Computing a Reality，Digital Libraries：InternationalCollaboration and相互交流-讲座注意到在计算机科学，第3334卷，pp.13-24. [六IEEE航空航天会议论文集，Big Sky，MO，2007年[7非线性/非线性188，2002年。[8] ChinaGrid，http://www.chinagrid.edu.cn/。[9924，2007年。[102003年，密苏里州大天空航空航天会议[11] A. Doucet，N. de Freitas和N.戈登，编辑，序贯蒙特卡罗方法在实践中，施普林格，纽约，2001年。[12] X.利用声能的Sheng和Y-ce53,2005.[13] G.C.王文，线性与非线性系统的状态与参数估计，第七届国际控制自动化、机器人与视觉会议论文集。2002年。