抗激光散斑干擾的粒子濾波跟蹤算法硬件實現

程玉寶， 蔣 斐， 倪家正

(脈沖功率激光技術國家重點實驗室(電子工程學院)，合肥 230037)

0 引言

自海灣戰爭以來，電視制導技術一直是精確制導技術中的焦點，但是，光電對抗技術的發展對電視制導技術構成極大的威脅，尤其是激光散斑干擾［1］。目前，電視制導跟蹤系統執行的跟蹤算法抗干擾研究主要體現在復雜的自然背景干擾，對抗激光散斑干擾的研究較少，文獻［2］基于FPGA實現的自適應卡爾曼濾波算法對背景噪聲進行了處理;文獻［3］基于DSP實現的相關匹配算法在自然背景下實時性良好。而對于抗干擾性較強的粒子濾波跟蹤算法，目前的研究還局限于計算機仿真階段。

本文針對粒子濾波跟蹤算法計算量大、難以進行硬件實現的問題，提出了基于“DSP+ARM”技術架構的電視跟蹤仿真平臺。以基于達芬奇(DaVinci)技術的高集成度雙核架構視頻芯片TMS320DM6446(簡稱DM6446)為核心，設計了電視制導跟蹤仿真平臺，完成了粒子濾波跟蹤算法的硬件實現。

1 電視跟蹤仿真平臺設計

電視制導跟蹤平臺由攝像機、視頻編解碼器、存儲單元、圖像處理單元、視頻顯示模塊、控制單元以及伺服機構組成，如圖1所示。

為了滿足實時性、穩定性、智能化等性能要求，主控芯片選用了DM6446。該芯片是集成了可編程數字信號處理器(DSP)內核以及ARM處理器內核的片上系統(SoC):ARM作為主控器件，負責與外圍器件通訊，協調控制數據傳輸;DSP進行數據處理。該方案結構靈活，通用性強，適合模塊化設計，可以在不更改硬件的條件下改動相應ARM和DSP程序，從而滿足不同圖像源以及不同目標特性的跟蹤要求;同時開發周期較短，性價比高，增強了人機交互能力，為后續平臺升級和擴展提供了前提。

圖1 電視跟蹤平臺原理框圖Fig.1 The schematic diagram of TV－tracking platform

2 粒子濾波跟蹤算法的硬件實現

2.1 裂變自舉例子濾波跟蹤算法

粒子濾波是一種基于蒙特卡羅仿真的近似貝葉斯濾波［4］，它通過非參數化的蒙特卡羅模擬實現遞推貝葉斯濾波，適用于任何能用狀態空間模型表示的非線性系統，精度可逼近最優估計。粒子濾波跟蹤算法描述了一種魯棒的目標跟蹤框架，粒子濾波中的粒子描述目標狀態的各種可能點，而濾波是濾出目標最有可能的狀態。

在初始幀中，每個粒子代表目標的一個可能運動狀態，包括兩個參數系統狀態轉移時，粒子運動參數為

式中:A1、A2為常數，一般情況下取 A1=1，A2=1;B1、B2為粒子傳播半徑;wk－1為歸一化高斯噪聲量。

通過比較目標模板和參考目標的灰度分布，建立系統觀測模型。取最小平均絕對差值函數為衡量相似程度的工具，即對每個粒子計算一個相似值MAD。k時刻的后驗概率，就是目標跟蹤中所期望的目標參數(xopt，yopt)采用加權準則表示，即各粒子根據自身權值大小決定其在后驗概率中所占的比例，如式(2)所示。

至此，一次跟蹤過程結束，下一時刻的跟蹤仍然從系統的狀態轉移步驟重新開始［5］。

重采樣用于解決“粒子退化”問題，淘汰小權重粒子，以權重大粒子衍生替代，并重新分配權重。裂變自舉粒子濾波(Fission Bootstrap Particle Filtering，FBPF)［6］在粒子濾波跟蹤算法的基礎上改進了重采樣過程，引入了“權值排序—裂變繁殖—權值歸一”過程，簡稱SFN預處理過程。SFN預處理的核心是對有樣本枯竭趨勢的粒子集中的高權值粒子進行適當的預平滑處理。由于對高權值粒子的權值進行了重新分配，所以權值的方差減小，權值蛻化減弱，粒子集的多樣性增強，避免了原先的樣本枯竭問題。

2.2 基于仿真平臺的粒子濾波跟蹤算法實現

裂變自舉粒子濾波的實現主要為系統初始化、狀態轉移、權重計算、權重歸一化、最優估計輸出和重采樣6個步驟，流程如圖2所示。

圖2 改進FBPF算法流程框圖Fig.2 The flow chart of the improved FBPF

在本文研究中，由于激光散斑干擾，選取灰度模板為目標描述形式，用粒子加權和來表示目標參數的估計值，粒子權值與相關值成比例。研究中選擇了目標空間位置作為狀態變量，這樣既能滿足實際跟蹤需求，又能降低狀態空間模型的復雜度，大大減少運算量。

設搜索區域為M1×M2(搜索量)，則計算量比值

實際編程中，O 取 0.3 ～0.5［7］。

根據先驗知識，可以獲得視場內目標速度V。V越大，目標在連續兩幀圖像間的移動范圍就越大，粒子傳播半徑B就應越大。實驗發現［7］，當2V＜B＜3V時，可以得到較好的跟蹤結果。為了提高平臺的抗激光散斑干擾能力，同時兼顧硬件資源和計算能力，選擇B=2V。

根據系統預測方程，可以通過計算似然函數來獲取粒子權重。當進行重采樣后，權重被均衡化，常設為1/Ns，因此下一刻的權重及權重歸一化為

經過對FBPF算法的反復研究發現，在整個FBPF算法流程中權重歸一化步驟僅僅用于計算目標最優估計和有效樣本容量，而SFN預處理、重采樣過程中也包含有權重歸一化計算。因此在程序編寫時，將權重歸一化與其他步驟合并，從而減少大量除法運算，降低開銷。

重采樣過程主要包括權重銳化檢測和SFN預處理兩方面內容。

在SFN預處理判斷時，權值銳化檢測的有效樣本容量Neff是歸一化權值平方和的倒數，需要Ns+1次除法運算。因此，按照前面所述與權重歸一化合并，如式(6)所示。

可見，整個過程僅需1次除法運算，從而省去了Ns次除法，運算量大大降低。另外，預設門限Nth的選取，一般滿足Nth/Ns∈［0.3 0.8］。編程時根據實際需要折衷考慮，選用 0.6。

在權重排序過程中，粒子間依次進行權重比較，權重大的粒子存儲在低地址，權重較小的存儲在較高地址，同時粒子的索引值也相應交換。參照樣本容量選取一定數目的高權粒子，進行裂變。根據索引值，對高地址的粒子(淘汰粒子)進行權重和狀態量的覆蓋。最后經權重歸一化后，SFN預處理結束，進入新一輪粒子采樣。

2.3 基于仿真平臺的粒子濾波跟蹤算法優化

2.3.1 設置編譯器選項

編譯器選項的設置不但控制編譯的過程，還能控制程序的運行。CCS編譯器中提供了若干等級和種類的自動優化選項。因此在優化時，根據實際要求，合適地選擇了編譯器選項，進行源程序優化，如表1所示。

表1 CCS編譯器優化選項Table 1 The CCS compiler optimizing options

2.3.2 打包存儲器數據

對于FBPF跟蹤算法，粒子間的獨立性非常適合進行打包數據操作。因此在編程時，結合DM6446的32位存儲結構，采用了字對齊方式，對視頻存儲數據進行打包處理，便于使用內聯函數進行字處理運算。具體體現在粒子MAD值計算，通過數據打包，一條指令能夠處理4個像素的MAD值計算。

3 實驗結果及分析

在當前實驗環境下，主要測試執行性能，包括跟蹤時間和跟蹤精度兩個方面，主要驗證平臺實時跟蹤能力。

3.1 測試跟蹤時間

實驗測試時，對DSP端的粒子濾波跟蹤算法中主要耗時模塊進行了時間測試。在27 MHz的參考時鐘下，倍頻使DSP端時鐘為459 MHz，ARM 端為229.5 MHz。根據實驗場景，選取目標模板24*24，粒子數32，對全場視頻數據Y分量進行處理。統計時，對其中一幀圖像進行跟蹤處理，統計粒子濾波跟蹤算法以及內部主要函數的運行時間，測試結果如表2所示。

表2 粒子濾波跟蹤算法執行時間統計Table 2 The implementing time of particle filter tracking

Trace函數指的是從第二幀開始運行的粒子濾波跟蹤算法，該處統計的是某一次對第二幀圖像進行粒子濾波跟蹤算法處理所需時間;Extract_module函數用于粒子提取對應灰度區域，由于粒子數設為32，再加上初始模板提取，總共執行33次;Sk_MAD函數是指粒子進行MAD值計算，32個粒子需要進行32次MAD值計算。

通過多次執行運算統計，得出運行粒子濾波算法的平均時間為9～10 ms，遠遠小于幀采集時間40 ms?？梢钥闯?，改進后的粒子濾波算法在高性能仿真平臺上的執行時間完全滿足幀處理要求，具有良好的實時性。

3.2 測試跟蹤精度

為了更好地分析硬件平臺上跟蹤算法的抗干擾性能，分別采用 0.095 mW、0.576 mW、1.390 mW和3.130 mW 4種不同功率的激光散斑干擾來對電視跟蹤仿真平臺進行跟蹤精度測試。由于篇幅限制，只給出采用粒子濾波算法在1.390 mW和3.130 mW激光散斑干擾時的跟蹤結果，如圖3～圖4所示。

圖3 1.390 mW激光散斑干擾時仿真平臺跟蹤結果Fig.3 The simulation platform tracking result of 1.390 mW laser speckle jamming

從上面1.390 mW激光散斑干擾時的跟蹤結果來看，跟蹤波門自始至終都能鎖定目標，保持了良好的跟蹤性能。

圖4 3.130 mW激光散斑干擾時仿真平臺跟蹤結果Fig.4 The simulation platform tracking result of 3.130 mW laser speckle jamming

當激光干擾能量為3.130 mW時，散斑很快就覆蓋視場，到達近飽和狀態，跟蹤波門逐漸偏離目標，出現了較大偏差，但跟蹤波門仍能滯留在目標周圍，可見此時高權重粒子表現出了強健性。隨著攝像機繼續轉動，散斑干擾逐漸減弱，波門將立即捕獲目標。

由此可見，硬件實現的FBPF跟蹤算法在整個跟蹤誤差測試中表現出了粒子濾波算法的“多峰”特性，使得整個仿真平臺在面對激光散斑干擾時具有一定的抗干擾能力，能夠準確跟蹤目標。

4 結論

本文介紹了裂變自舉粒子濾波跟蹤算法的硬件實現，并提出了優化方案。搭建的實驗仿真平臺在激光散斑干擾情況下，能夠充分發揮粒子濾波跟蹤算法的優越性，提高了電視制導技術的實時性和精確性。相信伴隨著數字信息處理技術的發展，電視制導技術的抗干擾性能將不斷完善。

［1］ 陶小紅，胡以華.電視制導武器激光軟殺傷關鍵技術［J］.火力與指揮控制，2008，3(33):77－79.

［2］ 江和平，李飚，沈振康.基于FPGA實現的自適應卡爾曼濾波器的設計［J］.紅外與激光工程，2005，34(1):89－92.

［3］ 李國輝，李亞安，林關成.基于多片DSP的相關匹配算法的研究與實現［J］.彈箭與制導學報，2010，30(1):58－64.

［4］ BAR－SHALOM Y，LI X R.Estimation with applications to tracking and navigation［M］.New York:John Wiley ＆Sons，2001:179－192.

［5］ 楊德貴，張長城，鄭濤.粒子濾波算法的性能分析與改進［J］.電光與控制，2008，15(5):72－75.

［6］ 程水英，張劍云.裂變自舉粒子濾波［J］.電子學報，2008(3):500－503.

［7］ 姚劍敏.粒子濾波跟蹤方法研究［D］.長春:中國科學院長春光學精密機械與物理研究所，2004.