基于QGIS的数据仿真系统及关键技术研究

摘要

在日常的军事演练中，运动目标和传感器的实时数据获取难度大，一般不具有可重现性，并且演练代价昂贵，因此有必要提出一种新的辅助数据融合系统。数据仿真系统是一个辅助数据融合的算法调试系统、算法功能测试、以及对算法性能进行评估的工具。通过人工设定剧情想定和模拟器探测参数，数据仿真系统对目标运动模型和探测过程进行仿真模拟，静态或实时生成模拟数据，验证算法并对算法性能进行有效的评估。
　　在研究和设计数据仿真系统时也遇到了一些问题，主要有以下几个方面的问题：针对当本地的矢量地图数据量比较大时和用户在大尺度下操作浏览地图时，或者矢量地图元素较复杂时，由于每次用户操作地图时都需要渲染引擎重新渲染整个屏幕内的所有元素，导致渲染工作量陡增，导致矢量地图刷新缓慢的问题，因此提出瓦片化矢量地图及搭建瓦片地图服务器和构建本地瓦片地图缓存系统的方法来解决矢量地图刷新缓慢的问题。针对瓦片地图缓存系统提出了两个替换算法GLMFU（Ghost Least Most Frequently Used）和ALMFU（Alternately Least Most Frequently Used）算法，经过验证，算法对系统的缓存命中率有所提高。针对当用户仿真大量的运动目标和传感器时，运动目标、传感器和误差模块的仿真计算工作量大，不能及时完成相应的运算，导致软件卡顿不流畅现象发生的问题，基于此提出基于CUDA的仿真算法并行化的解决方法。提出了面向运动目标，面向传感器和面向误差评估的三种CUDA加速算法。通过使用CUDA技术将显卡的高性能运算能力应用到数据仿真系统中，以此提升数据仿真系统的性能和用户使用的友好性。
　　通过对系统的详细的测评，有效验证了提出的几个方法对该系统性能的影响，对系统的加速比有一定的提升，加速比提升达到了1.9，并对需要继续研究改进的问题提出了展望。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 主要文章内容

1.4 本文结构

2 数据仿真系统的设计

2.1 数据仿真平台介绍

2.2 剧情想定发生器

2.3 传感器仿真

2.4 误差评估模块

2.5 本章小结

3 矢量地图的实时瓦片化算法

3.1 矢量地图的实时瓦片化算法

3.2 面向数据仿真任务的瓦片数据缓存策略

3.3 测试环境

3.4 瓦片数据缓存算法的性能对比

3.5 本章小结

4 基于CUDA的仿真算法加速

4.1 整体设计

4.2 运动目标GPU加速设计

4.3 传感器GPU加速设计

4.4 误差评估GPU加速设计

4.5 改进迭代周期的GPU方法

4.6 测试环境

4.7 仿真算法的CUDA加速算法的性能对比

4.8 本章小结

5 数据仿真系统的实现

5.1剧情想定发生器模块

5.2态势可视化

5.3通用算法加载模块

5.4态势可视化模块

5.5误差评估模块

5.6 本章小结

6 总结与展望

6.1 论文总结

6.2 未来工作展望

致谢

参考文献

附录 攻读学位期间的研究成果与参研项目