Data parallelism and non linear filtering: Performance analysis
Parallelisme de donnees et filtrage non lineaire : Analyse de performance
Résumé
L'implémentation des approximations numériques du filtre non linéaire optimal est parfaitement adaptée à une approche ``parallélisme de donnéé'. Après quelques rappels sur les équations du filtrage non linéaire, nous présentons deux méthodes d'approximations. La première, utilisable dans le cas général, est fondée sur des schémas aux différences finies introduits par Harold J. Kushner. La deuxième, adpatée aux systèmes sans bruit de dynamique, utilise une approximation ``particulairé' de la loi conditionnelle. Dans ce dernier cas nous présentons un exemple d'application en trajectographie passive avec mesure d'angle seul. Nous comparons les performances de cet algorithme sur différentes architectures.