[发明专利]一种由CPU和GPU协同工作的目标航迹初始化方法

摘要

该发明公开了一种由CPU和GPU协同工作的目标航迹初始化方法，属于雷达与声纳技术领域，主要涉及目标跟踪技术中检测前跟踪技术的目标初始化，特别是使用最大似然-概率数据关联（ML-PDA）算法对目标的初始化。该方法使最大似然-概率数据关联算法主要计算工作在多线程架构的GPU中完成，具有保持与CPU同等计算精度的前提下实现实时跟踪、计算速度快、可直接应用于工程、减小CPU计算量的效果。

主权项

一种由CPU和GPU协同工作的目标航迹初始化方法一种由CPU和GPU协同工作的目标航迹初始化方法，其步骤包括：步骤1.在CPU主机端对ML‑PDA算法参数进行初始化；步骤2.在CPU端启动LLR计算线程；步骤3.将cu_Seed_LLR矩阵复制到内存填充Seed_LLR，通过遍历方式寻找其最大值max(Seed_LLR)、最小值min(Seed_LLR)与均值mean(Seed_LLR)，计算出Fitness指数线性算式中两个参数a、b；步骤4.在CPU端创建计算Fitness指数工作线程，cu_Fit_Factor=acu_Seed_LLR+b；步骤5.将cu_Fit_Factor拷贝到内存填充Fit_Factor，计算出种子的平均Fitness指数，并且将种子的Fitness指数基于平均数归一化；步骤6.基于归一化后的Fitness指数选择出若干个父代种子，再依据Fitness指数复制选出的父代种子，使其总数达到N_p个并对其标号，然后将该N_p个父代种子随机配对，将配对结果对应的种子序号存储在向量Pair_Rec中，将每一对种子随机产生的交叉点位置存储于Corss_pos中；步骤7.存储在CPU端的N_p个父代种子状态向量与对应的种子编号存储向量Pair_Rec拷贝至GPU端的cu_Seed_Old与cu_Pair_Rec中；步骤8.在CPU端启动种子交叉线程，得到子代；步骤9.在CPU端启动子代突变线程，将突变完成后的子代填充父代存储矩阵；步骤10.在CPU端启动LLR计算线程，将得到的新一代种子LLR值拷贝回内存填充Seed_LLR，并且进行收敛测试；步骤11.若收敛测试通过，GA算法完成，若不通过，回到步骤3；步骤12.将通过收敛测试的父代种子复制回内存，计算种子内每一个参数的均值，得到收敛后的向量State_GA；步骤13.在CPU端初始化校正矩阵H，令k=1；步骤14.在CPU端启动梯度计算线程；步骤15.在CPU端将cu_Grad拷贝回内存填充Grad向量，计算方向向量d；步骤16.在CPU端通过一维搜索方法确定搜索步长；步骤17.在CPU端进行收敛判断，若满足，令State_Final=x_k+1；若不满足，继续；步骤18.若k=|x|，则令x₁=x_k+1，回13，否则，更新校正矩阵H，回14；步骤19.输出最优参数向量State_Final，释放CPU与GPU端存储空间；步骤20.计算似然比检测值ΛH₁/H₀与航迹校验门限T_vali，判断航迹是否存在。