古斯塔夫·亨德比；里卡德·卡尔松；弗雷德里克·古斯塔夫松 粒子过滤：需要速度。 （英语） Zbl 1204.68263号 EURASIP J.高级信号处理。 2010年，文章ID 181403，9 p.（2010）. 摘要：粒子滤波器（PF）在过去十年中被提出用于广泛的定位和跟踪应用。这种嵌入式系统通常需要一个平台来高效和可扩展地实现PF。其中一个平台是图形处理单元（GPU），最初旨在用于图形的快速渲染。为了实现这一点，GPU配备了一个并行体系结构，可以在GPU（GPGPU）上进行通用计算，作为中央处理器（CPU）的补充。本文利用GPGPU技术，利用粒子滤波器实现了并行递归贝叶斯估计。讨论了为获得并行粒子滤波器所做的修改，特别是在重采样步骤中，并将所得到的GPU实现与传统CPU实现的性能进行了比较。使用最小传感器网络与仅承载传感器进行比较。生成的GPU过滤器是迄今为止发布的PF的第一个完整的GPU实现，当使用许多粒子时，它比CPU过滤器更快，保持了相同的精度。并行化利用了适用于其他应用程序的思想。 引用于三文件 MSC公司： 68宽10 计算机科学中的并行算法 软件：CUDA公司；OpenGL（OpenGL）；MAGMA公司 PDF格式BibTeX公司 XML格式引用 \textit{G.Hendeby}等人，EURASIP J.高级信号处理。2010年，文章ID 181403，9 p.（2010年；Zbl 1204.68263） 全文： 内政部 参考文献： [1] doi:10.1109/MC.2008.209·Zbl 05332457号 ·doi:10.1109/MC.2008.209 [5] doi:10.1109/MSP.2007.361608·doi:10.1109/MSP.2007.361608 [8] doi:10.10109/TMC.2007.1005·Zbl 05340574号 ·doi:10.1109/TMC.2007.1005 [9] doi:10.1109/TMC.2007.015·Zbl 05340613号 ·doi:10.1109/TMC.2007.015 [10] doi:10.1109/TWC.2007.05912·doi:10.1109/TWC.2007.05912 [11] doi:10.1109/TMC.2007.1025·Zbl 05340540号 ·doi:10.1109/TMC.2007.1025 [15] doi:10.1009/78.978396·数字对象标识代码：10.1109/78.978396 [17] doi:10.1109/TSP.2005.849151·Zbl 1370.94229号 ·doi:10.1109/TSP.2005.849151 [22] doi:10.1007/BF01397554·Zbl 0633.65006号 ·doi:10.1007/BF01397554 [23] doi:10.1016/S0167-739X（02）00034-1·doi:10.1016/S0167-739X（02）00034-1 [25] doi:10.1109/TSP.2005.849185·兹比尔1370.94394 ·doi:10.1109/TSP.2005.849185 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。