粒子滤波器的GPU加速：Metropolis重采样器
统计计算
2012-02-29 v1 分布式、并行与集群计算
摘要
我们考虑了在现代大规模并行硬件架构（如图形处理单元（GPU））上部署粒子滤波器的问题，重点关注重采样阶段。虽然标准的多项式和分层重采样器需要在线程之间集体计算重要性权重的总和，但Metropolis重采样器有利地仅需要线程独立计算的权重之间的成对比值，并且可以通过调整其迭代次数进一步调整性能。在分层和多项式重采样器取得可观结果的同时，我们证明，在重要性权重方差较小的情况下，Metropolis重采样器可以更快，因此在性能关键的环境中（如粒子马尔可夫链蒙特卡洛和实时应用）值得考虑。
关键词
引用
@article{arxiv.1202.6163,
title = {GPU acceleration of the particle filter: the Metropolis resampler},
author = {Lawrence Murray},
journal= {arXiv preprint arXiv:1202.6163},
year = {2012}
}
备注
Originally presented at Distributed Machine Learning and Sparse Representation with Massive Data Sets (DMMD 2011)