CN112698290A - 一种大场景sar回波模拟并行处理方法及*** - Google Patents
一种大场景sar回波模拟并行处理方法及*** Download PDFInfo
- Publication number
- CN112698290A CN112698290A CN202011439688.5A CN202011439688A CN112698290A CN 112698290 A CN112698290 A CN 112698290A CN 202011439688 A CN202011439688 A CN 202011439688A CN 112698290 A CN112698290 A CN 112698290A
- Authority
- CN
- China
- Prior art keywords
- gpu
- scene
- cpu
- echo
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012795 verification Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000008676 import Effects 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种大场景SAR回波模拟并行处理方法,包括:通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;GPU对收到的大场景RCS数据进行分割并分配线程进行处理;GPU将处理完成的数据结果导入到CPU进行验证,本发明采用“CPU+GPU”异构并行计算目标回波相比与传统CPU计算回波更加有优势,速度更快,效率更高。加速比可以达到上百倍。因此,对于传统回波模拟的速度慢,效率低的问题,基于GPU的SAR回波模拟的模式更加快速有效。
Description
技术领域
本发明属雷达信息处理技术领域,尤其涉及一种大场景SAR回波模拟并行处理方法。
背景技术
雷达的信号带宽决定雷达的径向分辨率,对于SAR雷达,一般采用合成孔径的方式,从而得到很高的目标距离分辨率。针对宽带SAR雷达目标回波信号的模拟,对应每一个方位向上的雷达发射脉冲,需要根据目标场景中的目标特性,确定在该频率下的距离向目标的一维距离像,目标等效散射点分布间隔与雷达分辨率大小匹配,将每一个等效散射点参数计算的一维距离像数据与发射信号卷积形成点回波信号,并对所有散射点回波进行叠加,得到整个大场景照射区域目标回波信号,然而,随着SAR 回波数据模拟的发展,需要处理的数据量越来越大,传统的CPU单核计算已经无法满足要求。
发明内容
本发明的目的在于提供一种大场景SAR回波模拟并行处理方法,能够对大场景SAR回波模拟信号并行处理。
为实现上述目的,本发明提供如下技术方案:
第一方面,提供了一种大场景SAR回波模拟并行处理方法,包括:
通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;
GPU对收到的大场景RCS数据进行分割并分配线程进行处理;
GPU将处理完成的数据结果导入到CPU进行验证。
结合第一方面,进一步的,所述GPU对收到的大场景RCS数据进行分割并分配线程进行处理具体为:
按照方位向将大场景均等分为N个区域,GUP给每个区域分配一个线程块进行计算得到每个区域的一维距离像,然后再通过雷达发射的调频信号和该一维距离像得到该区域的回波信号。
结合第一方面,进一步的,所述通过雷达发射的调频信号和该一维距离像得到该区域的回波信号包括:首先将雷达发射的调频信号和一维距离像通过GPU中的cuFFT函数变换到频域,然后调用矩阵并行点乘函数实现两个信号在频域中的复乘,最后将信号通过快速傅里叶变换到时域,得到真实的回波信号。
结合第一方面,进一步的,所述GPU将处理完成的数据结果导入到CPU进行验证具体为:将GPU处理生成的各区域的回波信号导入到CPU中合并成完整的回波信号,再对完整的回波信号进行验证。
结合第一方面,进一步的,通过成像算法对完整的回波信号进行验证。
第二方面,提供了一种大场景SAR回波模拟并行处理***,其特征在于,包括:
分割处理模块:用于通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;
GPU对收到的大场景RCS数据进行分割并分配线程进行处理;
合并验证模块:用于GPU将处理完成的数据结果导入到CPU进行验证。
有益技术效果:本发明采用“CPU+GPU”异构并行计算目标回波相比与传统CPU计算回波更加有优势,速度更快,效率更高。加速比可以达到上百倍。因此,对于传统回波模拟的速度慢,效率低的问题,基于 GPU 的 SAR 回波模拟的模式更加快速有效。
附图说明
图1为本发明中SAR回波特性的示意图;
图2为本发明中CPU与GPU异构并行计算产生SAR目标回波信号电路图原理示意图;
图3为本发明中回波规约累加过程示意图;
图4为本发明中GPU中卷积实现方法的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1-4所示,本发明提供了一种大场景SAR回波模拟并行处理方法,包括:
步骤一、通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;
步骤二、GPU对收到的大场景RCS数据进行分割并分配线程进行处理;
对应每一个雷达发射信号,CPU为参数分配内存,将回波计算参数以及大场景RCS数据传送给GPU,假设在大场景中照射区域中的中共有M*N个像素点(每个像素点对应一个rcs),对大场景区域进行分割(按照方位向均等分),GPU分配线程块计算每个分割后的区域目标,在每个线程处理单元处理该区域中每个方位时刻对应的雷达位置、目标点的斜距以及一维距离像计算。对每个线程块内,一般会将线程数控制在2的整数幂的个数,类似与蝶形计算,对每个目标点的一维距离像数据进行“归约相加”(图2)。
当回波触发信号到达后,在线程与线程之间实时逐点生成雷达发射信号波形,经卷积后产生SAR雷达目标回波信号数据。在GPU中实现卷积的的操作就是将散射点的一维距离像数据与发射信号变换到频域再点乘得到。所以首先将GPU计算到的一维距离像数据与雷达发射的线性调频信号通过GPU中的cuFFT函数变换到频域,然后调用矩阵并行点乘函数,从而实现两个信号在频域中的复乘,最后将信号通过IFFT(快速傅里叶变换)变换到时域,得到真实的回波信号,卷积方法如图3所示,a1,a2,a3,…,an为目标一维距离分布系数,每一个系数为包含幅度和相位信息的复系数。
步骤三、GPU将处理完成的数据结果导入到CPU进行验证。
以上步骤的具体操作如下:
1)设置雷达***仿真参数,先将SAR单视复图像数据(即场景目标的后向散射系数(RCS))存储到CPU存储板中。
2)CPU计算后通过PCI总线向GPU计算板发送初始化数据及第1个脉冲对应的参数。
3)GPU计算板根据CPU发送的数据,通过一系列算法得到对应脉冲的一维距离像信息,通过一定的排序方法存储在RAM中,最后通过PCI传输到采样板的GPU中(图2)。
4)采集板上的AD采集到中频信号(雷达调频信号射频转中频)后,送入板上的GPU。GPU收到信号后,将数据分为2路,其中1路做检波处理,产生检波脉冲,计算模式下用检波脉冲去触发3)中的RAM,读出一维距离像数据;另一路AD信号先通过一个延时模块,使信号与RAM中读出的一维距离像数据对齐,同时进入下一个模块做卷积。最终,将卷积的结果送入DA输出(如图4)。
5)采集中的RAM在读完一维距离像数据后,会产生一个中断到CPU,收到中断的CPU根据计算结果更新下一个脉冲对应的参数。
6)GPU计算完成后将计算结果导入到CPU中做验证。
实施例2
提供了一种大场景SAR回波模拟并行处理***,其特征在于,包括:
分割处理模块:用于通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;
GPU对收到的大场景RCS数据进行分割并分配线程进行处理;
合并验证模块:用于GPU将处理完成的数据结果导入到CPU进行验证。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种大场景SAR回波模拟并行处理方法,其特征在于,包括:
通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;
GPU对收到的大场景RCS数据进行分割并分配线程进行处理;
GPU将处理完成的数据结果导入到CPU进行验证。
2.根据权利要求1所述的大场景SAR回波模拟并行处理方法,其特征在于:
所述GPU对收到的大场景RCS数据进行分割并分配线程进行处理具体为:
按照方位向将大场景均等分为N个区域,GUP给每个区域分配一个线程块进行计算得到每个区域的一维距离像,然后再通过雷达发射的调频信号和该一维距离像得到该区域的回波信号。
3.根据权利要求2所述的大场景SAR回波模拟并行处理方法,其特征在于,所述通过雷达发射的调频信号和该一维距离像得到该区域的回波信号包括:首先将雷达发射的调频信号和一维距离像通过GPU中的cuFFT函数变换到频域,然后调用矩阵并行点乘函数实现两个信号在频域中的复乘,最后将信号通过快速傅里叶变换到时域,得到真实的回波信号。
4.根据权利要求2所述的大场景SAR回波模拟并行处理方法,其特征在于,所述GPU将处理完成的数据结果导入到CPU进行验证具体为:将GPU处理生成的各区域的回波信号导入到CPU中合并成完整的回波信号,再对完整的回波信号进行验证。
5.根据权利要求4所述的大场景SAR回波模拟并行处理方法,其特征在于,通过成像算法对完整的回波信号进行验证。
6.一种大场景SAR回波模拟并行处理***,其特征在于,包括:
分割处理模块:用于通过CPU将SAR回波计算参数以及大场景RCS数据传送给GPU;
GPU对收到的大场景RCS数据进行分割并分配线程进行处理;
合并验证模块:用于GPU将处理完成的数据结果导入到CPU进行验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011439688.5A CN112698290A (zh) | 2020-12-10 | 2020-12-10 | 一种大场景sar回波模拟并行处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011439688.5A CN112698290A (zh) | 2020-12-10 | 2020-12-10 | 一种大场景sar回波模拟并行处理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112698290A true CN112698290A (zh) | 2021-04-23 |
Family
ID=75507720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011439688.5A Pending CN112698290A (zh) | 2020-12-10 | 2020-12-10 | 一种大场景sar回波模拟并行处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112698290A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103176170A (zh) * | 2013-02-06 | 2013-06-26 | 中国科学院电子学研究所 | 一种基于gpu并行计算的sar回波模拟方法 |
CN103885040A (zh) * | 2014-03-29 | 2014-06-25 | 江西理工大学 | 一种基于cpu-gpu异构计算的圆迹合成孔径雷达回波生成方法 |
WO2016101279A1 (zh) * | 2014-12-26 | 2016-06-30 | 中国海洋大学 | 一种合成孔径雷达图像舰船目标快速检测方法 |
CN107229051A (zh) * | 2017-05-26 | 2017-10-03 | 西安电子科技大学 | 基于gpu的视频sar回波仿真并行实现方法 |
WO2017195297A1 (ja) * | 2016-05-11 | 2017-11-16 | 三菱電機株式会社 | レーダ処理装置 |
CN110515053A (zh) * | 2019-08-27 | 2019-11-29 | 西安电子科技大学 | 基于cpu和多gpu的异构平台sar回波仿真并行方法 |
-
2020
- 2020-12-10 CN CN202011439688.5A patent/CN112698290A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103176170A (zh) * | 2013-02-06 | 2013-06-26 | 中国科学院电子学研究所 | 一种基于gpu并行计算的sar回波模拟方法 |
CN103885040A (zh) * | 2014-03-29 | 2014-06-25 | 江西理工大学 | 一种基于cpu-gpu异构计算的圆迹合成孔径雷达回波生成方法 |
WO2016101279A1 (zh) * | 2014-12-26 | 2016-06-30 | 中国海洋大学 | 一种合成孔径雷达图像舰船目标快速检测方法 |
WO2017195297A1 (ja) * | 2016-05-11 | 2017-11-16 | 三菱電機株式会社 | レーダ処理装置 |
CN107229051A (zh) * | 2017-05-26 | 2017-10-03 | 西安电子科技大学 | 基于gpu的视频sar回波仿真并行实现方法 |
CN110515053A (zh) * | 2019-08-27 | 2019-11-29 | 西安电子科技大学 | 基于cpu和多gpu的异构平台sar回波仿真并行方法 |
Non-Patent Citations (3)
Title |
---|
景国彬;张云骥;李震宇;孙光才;邢孟道;保铮;: "基于GPU的SAR回波仿真高效实现方法", ***工程与电子技术, no. 11, 15 November 2016 (2016-11-15) * |
沈晓峰 等: "基于GPU并行处理的SAR回波仿真器设计方法", 测控技术, vol. 38, no. 5, 31 December 2019 (2019-12-31), pages 99 - 103 * |
陈镜许;王桢霖;刘兴钊;: "基于GPU的海面场景SAR回波仿真", 信息技术, no. 04, 25 April 2011 (2011-04-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109471080B (zh) | 基于simulink的高速平台雷达回波信号模拟*** | |
CN102680975B (zh) | 一种天基步进频分时测角雷达空间非合作目标成像方法 | |
CN103454637B (zh) | 基于调频步进频的太赫兹逆合成孔径雷达成像方法 | |
CN106842166A (zh) | 一种适用于线性调频连续波雷达***的解速度模糊方法 | |
CN110596646A (zh) | 一种基于mimo体制的提高雷达角度分辨率的布局及方法 | |
CN109270529B (zh) | 基于虚拟天线的前视阵列sar高分辨成像方法及*** | |
CN105974388B (zh) | 基于距离-方位耦合的双基地mimo雷达信号处理方法 | |
CN107192991A (zh) | 一种射频辐射式仿真宽带脉冲雷达成像等效模拟方法 | |
CN108490443A (zh) | 基于解析解及NUFFT的多子阵合成孔径声纳ωk成像算法 | |
Choi et al. | High angular resolution estimation methods for vehicle FMCW radar | |
CN109765529A (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及*** | |
CN109283497B (zh) | 双基地fda-mimo雷达距离欺骗干扰识别方法 | |
CN108572353B (zh) | 一种低截获雷达的脉冲时间序列规划方法 | |
JP2017053685A (ja) | レーダ装置及びレーダ信号処理方法 | |
CN115561728A (zh) | 一种fmcw雷达的单帧速度解模糊方法和装置 | |
CN103728620B (zh) | 一种基于收发交替脉冲组的合成孔径雷达*** | |
CN111044987B (zh) | 基于汽车雷达的环境目标速度解模糊方法、***及介质 | |
CN112649806A (zh) | 一种mimo雷达近场三维成像方法 | |
CN112698290A (zh) | 一种大场景sar回波模拟并行处理方法及*** | |
CN116359921A (zh) | 基于加速轨迹双基前视合成孔径雷达的快速时域成像方法 | |
CN116381629A (zh) | 基于实时动态卷积的雷达大型目标模拟***以及方法 | |
CN112098952B (zh) | 一种基于时域统计处理的雷达侦察杂波抑制方法 | |
CN115932753A (zh) | 一种合成孔径雷达的有源复合干扰方法和*** | |
CN114924246A (zh) | 目标检测方法、装置、毫米波雷达及存储介质 | |
CN112731392B (zh) | 高效的太赫兹步进频率合成孔径雷达成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |