Parallelized Quantized Particle Filtering on Heterogeneous Processors for Onboard High-Speed Target Tracking

국문 초록 (Abstract)

본 연구는 고속 탄도 목표물 추적과 같이 비선형적이며 비가우시안 특성을 갖는 시스템의 실시간 상태 추정을 위해 파티클 필터를 사용한다. 파티클 필터는 안정적인 추정을 위해 요구되는 많은 수의 입자는 높은 연산량으로 인해 실시간성을 저해하는 주요 원인이 된다. 이 문제를 해결하기 위해, 본 논문에서는 FPGA(Field-Programmable Gate Array) 기반의 병렬 처리 기법을 제안한다. 파티클 필터의 주요 병목 구간인 모델 전파(Model Propagation) 및 리샘플링(Resampling) 연산을 위한 IP(Intellectual Property)를 통해 가속화를 진행했다. 또한, 최신 저전력 AI 프로세서와의 호환성을 확보하기 위해 행별 양자화와 대칭 양자화 기법을 적용하여, 기존의 배정밀도 행렬 연산을 INT8 정수형 연산으로 변환하였다. 실험 결과, 제안된 방법은 PS(Processing System) 연산 대비 전체 수행 시간을 49.79%, 모델 전파와 리샘플링 연산은 각각 63.22%, 44.98% 단축했다. 이를 통해 리소스가 제한된 환경에서도 실시간 고속 탄도 목표물 추적에 효과적으로 적용될 수 있음을 입증하였다.

다국어 초록 (Multilingual Abstract)

This study proposes an optimized FPGA-based architecture for nonlinear state estimation using particle filters, targeting the high computational complexity that impedes real-time performance in applications like ballistic target tracking. The architecture employs INT8 data quantization and accelerates key bottleneck operations: model propagation and resampling. This optimization achieves a 49.79% reduction in total computation time compared to the PS implementation, with 63.22% and 44.98% acceleration in propagation and resampling, respectively. The resulting quantized particle filter maintains robust tracking accuracy, demonstrating its potential for real-time tracking.