基于GPU架构的SAR回波仿真实现与优化

为了能够有效提高基于时域的SAR回波仿真的运行速度,本文提出了一种基于GPU架构的SAR回波仿真优化实现方法。该方法结合GPU的计算密度高、高度并行的特点并利用CUDA流在GPU上同时执行多个任务,实现任务并行、指令并行和数据并行的三重并行,极大地挖掘了回波模拟全过程的并行性,缩短了回波仿真的运算时间。实验结果表明,该方法相对于传统的CPU上的串行算法平均加速比达到128倍,可用于实时信号处理。     

基于CPU-GPU异质架构的SAR实时成像加速

对于大规模SAR回波数据,单纯依靠CPU实现实时成像处理存在较大挑战。近年来出现的GPU图像处理单元为SAR成像处理提供了一个理想的处理平台。本文结合GPU和CPU的特点,利用基于CPU-GPU的异构协同处理平台来加速SAR成像算法。同时,为了充分发挥该异质架构的性能,文中提出了一种改进的基于子孔径架构的成像算法,并在此架构上对超大规模SAR回波数据进行了成像处理,取得良好的成像效果和加速比。     

典型目标的合成孔径雷达回波生成与图像仿真

分析了典型目标的合成孔径雷达(SAR)回波与图像仿真对验证SAR成像算法的有效性、开展SAR图像解译和SAR图像自动目标识别等方面的研究具有重要作用,在现有的SAR回波信号和图像仿真方法基础上,提出了一种新的目标SAR回渡信号和图像仿真方法,该方法把目标特性分析的曲面像素法和基于二维傅立叶变换(2DFFT)的SAR回波信号仿真数学模型相结合,采用曲面像素法来计算目标的散射率,用基于2DFFT的回波生成方法来计算SAR回波,实现了典型目标的合成孔径雷达回波生成和图像仿真,并给出了相应的仿真结果,证明了该方法的有效性.     

嵌入式GPU滑动聚束SAR实时成像方法

针对SAR实时成像系统的传统计算平台实时性不足与功耗过高的问题，研究了一种基于嵌入式GPU的实现方法.为了充分利用嵌入式GPU中有限的内存资源，提出一种内存分割与重配置方案，采用页锁定内存和zero-copy技术，实现数传-计算并行化处理；为解决实时性问题，在算法并行计算环节，利用共享内存、寄存器等资源实现大规模数据并行.结果表明，在TX2上完成16 384×8 192点滑聚SAR成像处理时间为12.66 s，功耗为15 W.该优化方法也适用于其他模式的雷达处理算法，并可为未来嵌入式实时成像处理提供参考.      

基于SSC的星载SAR有源干扰方法

 不同干扰方式对星载SAR的干扰效果主要取决于干扰信号与SAR回波信号的相似度,即干扰信号在信号结构和特征方面与星载SAR回波的相似程度。通过提出一种基于散射统计特性（SSC）的星载SAR有源干扰方法,构建用于干扰星载SAR的类杂波信号数学模型,分析该信号与星载SAR回波信号的散射统计特性相似度,并进行了仿真分析。仿真结果表明该方法在相同的干信比下有更好的干扰效果,具有较好的应用前景。     

基于GPU的并行拟牛顿神经网络训练算法设计

针对人工神经网络训练需要极强的计算能力和高效的最优解搜寻方法的问题,提出基于GPU的BFGS拟牛顿神经网络训练算法的并行实现。该并行实现将BFGS算法划分为不同的功能模块,针对不同模块特点采用混合的数据并行模式,充分利用GPU的处理和存储资源,取得较好的加速效果。试验结果显示:在复杂的神经网络结构下,基于GPU的并行神经网络的训练速度相比于基于CPU的实现方法最高提升了80倍;在微波器件的建模测试中,基于GPU的并行神经网络的速度相比于Neuro Modeler软件提升了430倍,训练误差在1%左右。     

基于CUDA平台的时域有限差分算法研究

文章针对传统时域有限差分(FDTD)算法的不足,以图形加速卡为核心,通过理论分析和数值模拟,研究并实现了基于CUDA平台的FDTD并行算法。CUDA是最新的可编程多线程的通用计算GPU模型,由于FDTD算法在空间上具有天然的并行性,因此非常适合在GPU上实现并行算。文章描述了在CUDA编程模型上的FDTD算法的设计以及优化过程,并通过数值仿真实验结果证明了基于GPU的并行FDTD算法可以大大减少计算时间,基于GPU加速已成为电磁场数值计算的研究热点之一。     

单通道SAR的动目标检测

提出了一种基于单通道合成孔径雷达(SAR)进行动目标检测的新方法。该方法在详细分析SAR对动目标的回波模型的基础上,给出了进行子孔径成像、地杂波对消、相干斑抑制、动目标检测的原理和实现方法。文中首先建立了SAR的回波的数学模型,分析了动目标回波和地杂波的不同特征。在对回波做子孔径成像之后,为了抑制相干斑,对两路子孔径信号分别做平滑处理。然后进行杂波对消,通过对杂波对消后的残差图像做恒虚警处理检测出运动目标。计算机仿真结果验证了其有效性。     

基于GPU的隐式不可压缩SPH流体模拟

提出一种基于图形处理单元(Graphic Processing Unit,GPU)的不可压缩流体并行模拟算法.该算法使用并行基数排序技术提升了邻居查找效率,同时使用了GPU上的片上高速共享存储器,将流体计算过程中所需用到的数据尽可能从GPU的全局存储器中拷贝至共享存储器中,减小数据访问延迟,提高模拟效率.实验结果表明,基于GPU的并行模拟算法可以大幅提高流体模拟程序的性能,与基于CPU的单线程实现相比,可以到达38.2倍的加速比.     

合成孔径雷达回波信号实时生成算法的FPGA实现

本文着眼于高分辨率SAR模拟器的FPGA实现的算法研究,充分利用现代VLSI设计中的流水线技术与并行阵列技术以及超大规模集成电路FPGA的优良性能和丰富资源,在时间上采用同步流水结构、空间上采用并行阵列形式,将速度和容量问题统一为数据的高速生成问题,给出了SAR回波数学模型和硬件实现框图。     

SAR图像并行拼接方法研究与实现——基于改进完全二叉树模型

随着SAR成像技术的快速发展,SAR图像覆盖的地域范围与成像精度也在迅速增长,这对SAR图像拼接工作的实时性提出了挑战;文章对SAR图像序列特征进行深入分析,提出了采用基于分割的完全二叉树模型进行SAR图像的并行拼接,并使用MPI点对点通信方式对之进行了不同数量机群规模下的实现;对比实验证明,基于该方法的并行拼接工作比传统并行拼接方法在降低拼接时耗上更加有效,且并行拼接后的完整图像效果良好.     

SAR图像并行拼接方法研究与实现* 〖HT4K〗——基于改进完全二叉树模型

随着SAR成像技术的快速发展，SAR图像覆盖的地域范围与成像精度也在迅速增长，这对SAR图像拼接工作的实时性提出了挑战;文章对SAR图像序列特征进行深入分析，提出了采用基于分割的完全二叉树模型进行SAR图像的并行拼接，并使用MPI点对点通信方式对之进行了不同数量机群规模下的实现；对比实验证明，基于该方法的并行拼接工作比传统并行拼接方法在降低拼接时耗上更加有效，且并行拼接后的完整图像效果良好.     

压缩感知A*OMP重构算法的并行化与GPU加速实现

针对压缩感知系统实时应用的需要,探讨了A*OMP算法的并行设计及基于GPU的加速方法.将耗时长的矩阵逆运算转化为可并行的矩阵/向量操作,并结合算法本身的关联特性,进一步采用迭代法实现以降低其计算复杂度.利用GPU高效的并行运算能力,将算法中可并行的矩阵/向量计算映射到GPU上并行执行,在面向Matlab的Jacket软件平台上对整体串行算法进行了并行化的设计与实现.在NVIDIA Tesla K20Xm GPU和Intel(R)E5-2650 CPU上进行了测试,实验结果表明:对比CPU平台的串行实现,基于GPU的A*OMP算法整体上可获得约40倍的加速,实现了在保持系统较高重构质量的同时能有效降低计算时间,较好地满足了系统实时性的需要.     

超宽带探地SAR原始回波数据仿真二维频域快速算法

针对超宽带探地合成孔径雷达原始回波模拟仿真速度慢的问题,提出了一种二维频域超宽带探地SAR(synthetic aperture radar)原始回波数据仿真快速算法。分析了超宽带探地SAR的信号模型,在方位时域模拟了不随距离空变的距离徙动,重新推导了超宽带探地SAR的传递函数,最后通过引入一个新的补偿函数对探地SAR的距离空变性进行了模拟。研究结果表明:将仿真结果与时域算法比较可知,该算法能够在保证回波数据高仿真精度的基础上大大提高仿真速度,计算效率提高了约O(NaNr/ln(NaNr))个数量级;该算法是一种高效的、准确的获取超宽带探地合成孔径雷达原始回波数据的方法,是研究超宽带探地SAR的重要组成部分。     

基于深度展开的SAR大斜视RD成像算法

大斜视角条件下的合成孔径雷达SAR回波信号具有方位向和距离向严重耦合、大距离徙动等特点,采用常规的距离多普勒RD算法成像,会引起方位向的散焦以及空变等问题。为了改善大斜视SAR在成像过程中存在的问题,提出了一种基于深度展开网络的SAR大斜视可学习距离多普勒成像方法。该方法将RD成像方法与深度学习结合,利用RD成像的步骤构建了基于深度展开网络的RD学习成像网络结构,将回波数据作为网络输入来学习回波数据到大斜视SAR图像的成像过程。首先,在分析大斜视SAR回波信号模型的基础上确定了网络成像过程中的可学习参数;其次,根据成像过程设计大斜视SAR成像网络;最后,通过非监督训练的方法对网络进行训练,最终输出学习成像结果。点目标和面目标仿真结果表明,该方法可以有效抑制旁瓣,提高成像精度和计算效率,满足SAR在大斜视角下的成像要求。     

自然场景SAR实时回波模拟器架构及实现

自然场景SAR回波模拟器是当前SAR回波模拟测试的重要发展方向,能够有效支撑当前各类机载、弹载和星载SAR设备的设计、研制和测试。从回波模拟算法、模拟器实现架构以及并行流水计算等3个方面的关键技术,对自然场景SAR实时回波模拟器计算量大的难题进行解决。最后介绍对实验室研制的SAR的回波模拟原理验证样机进行介绍,将成像指标和结果进行分析和展示,对上述的3个关键技术的有效性和可靠性进行验证。     

大斜视弹载合成孔径雷达信号特性研究

针对大斜视模式下弹载合成孔径雷达(SAR)的运动轨迹特点,分析了该模式下的回波信号特性,基于此建立了信号模型及距离方程,讨论了大斜视弹载SAR系统的多普勒特性、距离徙动特性和距离方程近似精度。仿真结果表明,大斜视弹载SAR回波信号具有大距离走动、小距离弯曲和二阶距离近似误差较大的特点;通过时域去走动、频域去耦合方法,可以获得较好的大斜视弹载SAR成像效果。     

电离层延迟色散对星载SAR宽带信号的影响和补偿研究

在研究电离层对电磁波信号传输影响的基础上,重点分析了电离层延迟对星载SAR(合成孔径雷达)宽带信号的色散影响.电磁波经过电离层传输后,对不同频率的信号造成的时间延迟不同,所以宽带SAR信号经过电离层后会引起波形的畸变.详细推导了经过电离层传输后的雷达回波表达式,并且在该回波表达式的基础之上,提出了基于该色散信号的改进匹配滤波器.改进后的匹配滤波器可以成功地将受电离层色散效应影响的信号补偿为正常SAR回波信号.仿真证明了该补偿方法的正确性,从仿真结果中可以看出信号的色散效应在补偿之后得到了明显的消除.     

CPU+GPU异构并行的矩阵转置算法研究

针对当前算法优化研究一般局限于单一硬件平台、很难实现在不同平台上高效运行的问题,利用图形处理器(GPU)提出了基于开放式计算语言(OpenCL)的矩阵转置并行算法.通过矩阵子块粗粒度并行、矩阵元素细粒度并行、工作项与数据的空间映射和本地存储器优化方法的应用,使矩阵转置算法在GPU计算平台上的性能提高了12倍.实验结果表明,与基于CPU的串行算法、基于开放多处理(OpenMP)并行算法和基于统一计算设备架构(CUDA)并行算法性能相比,矩阵转置并行算法在OpenCL架构下NVIDIA GPU计算平台上分别获得了12.26,2.23和1.50的加速比.该算法不仅性能高,而且实现了在不同计算平台间的性能移植.     

高分辨率星载SAR非走-停假设下回波仿真

SAR回波仿真对于其信号处理算法的研究和开发有着重要意义.在星载高分辨率SAR系统中,由于电磁波传播路径较长,雷达平台速度较快,传统的走-停假设下的双曲斜距历程已不能满足高精度的SAR回波模拟的要求.综合考虑了椭圆轨道偏心率和地球自转两方面的因素,采用二分查找思想,给出非走-停假设下回波仿真中的斜距历程数值求解方法,并讨论了高分辨率星载SAR中,基于走-停假设的传统回波仿真方法中的斜距历程与文中求解的斜距历程的差异.验证了所提出仿真方法对超高分辨率星载SAR的有效性.