Publication: IMPLEMENTACIÓN Y EVALUACIÓN DE ALGORITMOS DE ESTIMACIÓN DE ESTADOS PARA SISTEMAS DINÁMICOS UTILIZANDO UNIDAD DE PROCESAMIENTO GRÁFICO (GPU)
No Thumbnail Available
Date
2018
Authors
CIFUENTES VILCHES, ROBERTO ALFREDO
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
En el presente proyecto se busca poder reducir el tiempo de ejecución de ciertosalgoritmos de estimación de estados. Para esto es que se realizará la implementaciónde los algoritmos en la arquitectura llamada Unidad de Procesamiento Gráfico(GPU),la cual posee una gran cantidad de núcleos de procesamiento que pueden realizarcálculos simple, ofreciendo ventajas y desventajas respecto a la CPU. Los algoritmosa implementar son el Filtro Kalman, Filtro Kalman con la actualización de mediciónraíz cuadrada,Filtro Kalman con la actualización de la raíz cuadrada de la covarianzamediante triangularización, Filtro de Partículas y Filtro de Partículas Marginalizado. Laimplementación se realizará tanto en CPU y GPU, con el objetivo de posteriormenteefectuar una comparación de rendimiento entre ambas arquitecturasDada la arquitectura de la GPU, se observa una disminución en el tiempo de ejecuciónde los algoritmos a partir de cierto número de datos involucrados. Esto es debido a quela CPU posee núcleos más poderosos que corren a un reloj más alto, pero en menorcantidad, por lo que la CPU sobrepasa en rendimiento a la GPU cuando la cantidad dedatos es pequeña.
This project seeks to reduce the execution time of certain algorithms for estimatingstates. For this, the implementation of the algorithms will be carried out on the architecturecalled Graphic Processing Unit (GPU), which has a large amount of processing coresthat can perform simple calculations. This offers advantages and disadvantages withrespect to the CPU. The algorithms to be implemented are the Kalman filter, Kalmanfilter with Pottert’s square root measurement update, Kalman Filter with square rootCovariance update via triangularization, Particle Filter and Marginalized Particle Filter.The implementation will be made on both in CPU and GPU, with the aim of making acomparison of performance between both architectures.Given the architecture of the GPUs, it is expected to observe a decrease in theexecution time of the algorithms from a certain number of data involved. This is becausethe CPU has more powerful cores that run at a higher clock speed, but in smallerquantities, so the CPU is expected to outperform the GPU when the amount of data issmall.
This project seeks to reduce the execution time of certain algorithms for estimatingstates. For this, the implementation of the algorithms will be carried out on the architecturecalled Graphic Processing Unit (GPU), which has a large amount of processing coresthat can perform simple calculations. This offers advantages and disadvantages withrespect to the CPU. The algorithms to be implemented are the Kalman filter, Kalmanfilter with Pottert’s square root measurement update, Kalman Filter with square rootCovariance update via triangularization, Particle Filter and Marginalized Particle Filter.The implementation will be made on both in CPU and GPU, with the aim of making acomparison of performance between both architectures.Given the architecture of the GPUs, it is expected to observe a decrease in theexecution time of the algorithms from a certain number of data involved. This is becausethe CPU has more powerful cores that run at a higher clock speed, but in smallerquantities, so the CPU is expected to outperform the GPU when the amount of data issmall.
Description
Catalogado desde la version PDF de la tesis.
Keywords
CUDA , FILTRO DE PARTICULAS , FILTRO KALMAN , GPGPU , MATLAB