INS-GNSS 통합 항법은 주로 간접 확장 칼만 필터(Indirect Extended Kalman Filter)를 이용하여 INS의 오차 모델과 INS와 GNSS간의 측정치 차이를 이용해 오차를 추정하여 보정을 한다. 파티클 필터는 파 티클의 수가 늘어날수록 계산의 신뢰성은 높아지지만 선형적으로 증가하는 연산량으로 인해 병목이 발생하여 실시간성을 요구하는 항법 시스템에는 부적합하다. 본 연구에서는 파티클 필터를 INS-GNSS 통합 항법에 적용하기 위해 GPU 가속 파티클 필터를 구현하였다. 동일한 알고리즘을 병렬화 되지 않은 C(CPU) 버전과 병렬화 된 CUDA C (GPU) 버전으로 계산 속도를 정량적으로 비교하였다.

GPU Accelerated Particle Filter Based INS-GNSS Integrated Navigation: Comparison Between the Computing Speed of CPU and GPU via CUDA

Dohun Kim, Kyungsup Kim*

The INS-GNSS integrated navigation mainly uses an Indirect Extended Kalman Filter to estimate errors and correct INS errors using the error model of INS and the difference in measurements between INS and GNSS. The reliability of the calculation of the Particle Filter increases as the number of particles increases, but it is not suitable for navigation systems that require real-time performance because bottlenecks occur due to the linearly increasing amount of computation. In this study, a GPU-accelerated particle filter was implemented to apply the particle filter into the INS-GNSS integrated navigation. The same algorithm was implemented with a non-parallelized C (CPU) version and a parallelized CUDA C (GPU) version, and the calculation speed between them was quantitatively compared.

Keywords: INS, particle filter, INS-GNSS integrated navigation, parallel processing

Speaker 김도훈 국방과학연구소