GPGPU-based implementation of chi-square spatio-temporal track-before-detect algorithm

The implementation of the chi-square preprocessing algorithm for further track-before-detect (TBD) algorithm processing is considered in this paper. It allows real-time processing of noise objects that are disturbed by the other noise. The pipeline processing is proposed for optimization of local chi-square value computation using vertical movement of windows. The performance of CUDA based implementation for 2D tracking scenarios is shown for TBD and chi-square processing kernels

W artykule przedstawiono implementację algorytmu śledzenia przed detekcją na GPGPU z wykorzystaniem technologii CUDA. Śledzenie obiektów będących szumem na pomiar których oddziałuje szum tła wymaga zastosowania specjalnego algorytmu. W artykule przedstawiono implementację bazującą na wykorzystaniu porównania modelu dyskretnego rozkładu prawdopodobieństwa dla całej obserwacji i lokalnej. Dyskretny rozkład prawdopodobieństwa jest wyznaczany dla całego obrazu. Lokalne rozkłady prawdopodobieństwa są porównywane z wykorzystaniem statystyki chi-kwadrat, która opisuje stopień podobieństwa rozkładów (3). W celu detekcji sygnału obiektu wykorzystano algorytm śledzenia przed detekcją (1), wyliczający wartości chi-kwadrat. Jest to niezbędne dla systemu, w którym okno analizy jest małe z uwagi na mały spodziewany rozmiar obiektu. Implementacja wykorzystuje przetwarzania potokowe dla ruchomych okien, dla których wartości chi-kwadrat są wyznaczane niezależnie. Dane wejściowe znajdują się w pamięci globalnej i są odczytywane poprzez pamięć cache jednostki tekstur, co pozwala na redukcję liczby cykli pamięci. Przetwarzane okna przesuwają się z góry do dołu, co powala na osiągnięcie prawie synchronicznych odczytów i zapisów pamięci, w celu maksymalizacji wydajności. Rozkłady prawdopodobieństwa przetwarzane są w potoku z buforem przynależnym każdemu z wątków. Oszacowano wydajności czasu rzeczywistego dla karty z procesorem G82 dla algorytmów TBD (rys. 6) i chi-kwadrat (rys. 7) dla śledzenia 2D.