摘要：为解决数据域直接定位(DPD)算法面临的计算压力,提高算法效率,提出一种基于修正的容积卡尔曼滤波(MCKF)的DPD算法。首先,融合各观测信号波达方向信息,利用子空间数据融合方法建立一种基于间接观测量的DPD滤波模型;然后,根据模型特点设计MCKF算法进行求解,解决间接观测量带来的噪声累积问题;最后,对算法计算量进行分析和对比,说明计算效率的提升。仿真结果表明,所提算法与基于最大似然遍历搜索和遗传算法的DPD算法相比,在相同的估计性能下,计算量下降明显,时效性显著提升,增加了算法实用价值。

摘要：针对大规模数据下遗传直接定位算法执行时间慢、实时性较差的问题,提出了基于GPU加速的并行遗传直接定位算法。根据直接定位代价函数特点,设计了GPU高速并行遗传进化架构,通过对适应度函数并行化计算以及对选择、交叉、变异等遗传操作并行化设计,缩短了算法执行时间,提高了算法执行效率。仿真实验表明,通过合理的GPU并行线程结构设计,显著提升了遗传直接定位算法的执行速度,可更快得到直接定位估计结果。

摘要：互模糊函数可以估计时频差参数,但在弱信号条件下,需要大量采样点才能获得较好的估计结果,面临巨大的计算压力,现有算法大都基于遍历思想进行时频二维搜索,实时性较差。针对此问题,提出基于GPU加速的并行遗传算法进行时频差快速估计,该算法针对互模糊函数的特点,结合GPU设计高速并行的遗传进化架构,通过对适应度函数的并行化计算,选择、交叉、变异的并行化操作,提升算法的执行效率。实验表明,文章设计的GPU加速算法能够带来较大的速度提升,可以快速得到时频差估计结果。

摘要：针对可见光成像定位中目标位置估计所涉及的高维空间搜索收敛慢的问题,引入降维设计思想,联合惯导单元(IMU)的瞬时姿态估计,将搜索空间缩小到带约束特征的样本空间,据此提出一种联合目标瞬时姿态估计的高维空间搜索方法。该方法以瞬时姿态信息特征构建目标寻优函数作为约束条件,缩小遗传算法中个体优秀基因的进化范围,显著提高了进化速度,同时规避了对初始样本空间的依赖性,提高了算法的鲁棒性。仿真结果表明,算法的位置估计均方误差优于40 mm。