Optimization of Track-Before-Detect Systems for GPGPU

• Autorzy: Mazurek P.

Warianty tytułu

PL

Optymalizacja systemów śledzenia przed detekcją dla GPGPU

• Języki publikacji: EN

Abstrakty

EN

A computation speed of Track-Before-Detect algorithm with GPGPU implementations are compared in the paper. The conventional and subpixel variants for different thread processing block sizes are compared. Decimation of the state space for reduction of the external memory accesses is assumed. The GPGPU code profiling technique by the source code synthesis is applied for finding of the best parameters and code variants for particular GPGPU.

PL

Systemy śledzenia oparte na schemacie śledzenia przed detekcją (TBD) umożliwiają śledzenia obiektów o niskim stosunku sygnału do szumu (SRN<1), co jest ważne dla zastosowań cywilnych i wojskowych. Konwencjonalne systemy śledzenia oparte na detekcji i śledzeniu nie są odpowiednie z uwagi na dużą ilość fałszywych lub utraconych detekcji. Najważniejszą wadą algorytmów TBD jest skala obliczeń, ponieważ wszystkie hipotezy (trajektorie) powinny być testowane, nawet jeśli nie ma obiektu w zasięgu. Proponowana metoda [8] oparta o decymację daje istotną (kilka razy) redukcję czasu przetwarzania na GPGPU. Programowalne karty graficzne (GPGPU) zawierają dużą ilość jednostek przetwarzania (procesorów strumieniowych) z bardzo małą, ale szybką pamięcią współdzieloną oraz dużą, ale bardzo wolną pamięcią globalną. Proponowana metoda [8] została w artykule przetestowana z wykorzystaniem algorytmu Spatio-Temporal TBD z dodatkowym profilowaniem kodu z wykorzystaniem platformy przetwarzania Nvidia CUDA. Kompilator CUDA jest dodatkowo używany do optymalizacji czasu przetwarzania z różnymi rozmiarami bloku przetwarzania. Przestrzeń stanów jest przetwarzana wewnętrznie z wykorzystaniem pamięci współdzielonej i przechowywana w pamięci globalnej po pewnej określonej liczbie kroków czasowych. Podejście z okienkowaniem jest używane do przetwarzania wejściowych danych pomiarowych 2D przechowywanych w pamięci globalnej.

Słowa kluczowe

EN

GPGPU; estimation; parallel image processing; track before detect

PL

estymacja; śledzenie ruchu; równoległe przetwarzanie obrazów; GPGPU; śledzenie przed detekcją; Tracking; Parallel Image Processing

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2010
• Tom: R. 56, nr 7
• Strony: 655--667
• Opis fizyczny: Bibliogr. 8 poz., rys., wykr., wzory

Twórcy

autor

Mazurek P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej, ul. 26 Kwietnia 10, 71-126 Szczecin,

Bibliografia

• [1] Blackman S., Poupoli R.: Modern Tracking Systems, Artech House, 1999.
• [2] Bar-Shalom Y.: Multitarget-Multisensor Tracking: Applications and Advances, vol II, 1998.
• [3] Stone L.D., Barlow C.A., Corwin T.L.: Bayesian Multiple Target Tracking, Artech House 1999.
• [4] Mazurek P.: Implementation of Spatio-Temporal Track-Before-Detect Algorithm using GPU. Pomiary Automatyka Kontrola, vol. 55 nr 8, 657-659, 2009.
• [5] Daca W., Mazurek P.: Subpikselowe śledzenie przed detekcją dla matrycowych detektorów optycznych. VI Krajowa Konferencja Elektroniki, Darłówko Wschodnie 2007, 429-434, 2007.
• [6] NVIDIA CUDA - Compute Unified Device Architecture. Reference Manual v2.0, Nvidia 2008.
• [7] NVIDIA CUDA - Compute Unified Device Architecture. Programming Guide v2.0, Nvidia 2008.
• [8] Mazurek P.: Optimization of Bayesian Track-Before-Detect Algorithms for GPGPUs Implementations. Electrical Review 2010 (in print).