科研之友
微信
新浪微博
Facebook
分享链接
摘要
超材料孔径雷达成像是一种新颖的雷达前视成像方法,它解决了微波关联成像存在的系统结构波形设计复杂、成像算法适用条件苛刻等问题,但其应用平台对数据处理的实时性要求比较高,且具有很大规模的运算量,因此要求处理雷达信号的硬件具有超强的计算能力。传统的雷达信号处理过程主要依赖于DSP+FPGA平台,虽然两种平台的结合使用可以处理大规模的数据,但是其可用性、移植性不高,所以本文在“×××”国防项目背景下,主要围绕如何在GPU平台实现对超材料孔径雷达前视场景目标后向散射系数估计算法的并行设计展开工作。本文中基于GPU平台实现成像方法的并行设计,对算法的执行速率有所提高,极大的缩短了运算时间,更好的解决了实际应用中所面临的技术难题。本文所做的工作内容如下:1.介绍超材料孔径雷达前视成像系统构成及工作原理,并建立了成像模型,结合稀疏重构方法估计场景目标的后向散射系数分布实现对场景的重建,包括对OMP算法和CG算法基本实现流程的介绍,通过简易场景的仿真实验验证了两种算法在超材料孔径雷达前视成像上的可行性。2.介绍GPU并行技术及CUDA编程模型,在GPU上实现了典型的矩阵运算单元内核设计,结合运算单元的并行设计过程给出一些常用的优化方案,为算法的整体设计提供基础保障。为降低计算复杂度,本文根据两种重构算法的不同实现特点,在OMP算法中,采用将矩阵分块再循环迭代的方式替代对矩阵直接求逆;在CG算法中采用共轭梯度法替代传统的Cholesky矩阵分解方法对Hessian矩阵求逆。为提高计算效率,研究了在GPU平台上对上述两种超材料孔径雷达前视成像算法的并行实现方法,根据优化方案完成对OMP及CG两种算法基于GPU的并行设计,主要包括对每种算法特点的分析、算法的GPU处理实现流程、并完成对两种算法中改进后的矩阵求逆过程的并行计算及其它内核函数的设计。3.本文采用多种平台对算法的成像效果进行比对,需要对多个源代码文件频繁操作,实验过程复杂,受软件雷达的启发,设计了基于QT平台的雷达前视成像系统演示软件,在良好的人机交互界面上可以很方便的对算法的种类、操作平台进行选择和对参数进行调整,使操作过程简化,对运算结果进行可视化处理,易观测成像效果。通过对比算法在不同平台上的仿真实验结果,验证了算法迁移的正确性;通过对比不同平台上在相同实验条件下同一算法的处理时间,证明了GPU平台具有稳定性和高效性。基于GPU平台实现的成像算法运算效率均能得到有效提升,其中OMP算法相比于MATLAB平台提升9.3倍,CG算法相比于MATLAB平台提升近17倍,达到数据处理需求。
- 单位
