[发明专利]一种基于GPU的机载前视扫描雷达并行处理方法

说明书

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种基于GPU的机载前视扫描雷达并行处理方法的设计。

背景技术

机载雷达前视高分辨率成像技术，在对地攻击、飞行自主着陆、雷达末端制导、地形跟随、地形匹配等军用或民用领域都用着广泛的应用。传统雷达成像方法通过发射大时宽大带宽的线性调频信号，距离向回波信号采用脉冲压缩来实现距离向的高分辨率，而方位向则通过单机SAR和DBS技术来实现高分辨率成像，由于在前视成像区域，多普勒频率变化很小，单机SAR和DBS技术都难以应用。然而在雷达前视成像过程中，方位向回波信号符合卷积模型，可以通过解卷积来恢复出目标的方位角度信息，使得成像结果的方位分辨率大大提高。文献“Radar Angular Super-resolution Algorithm Based on Bayesian Approach”(ICSP，2010Proceedings，1894-1897)提出了一种基于最大似然准则的解卷积算法，这种方法能够恢复出目标方位角度信息，提高雷达成像结果的方位分辨率。文献“Maximum a posteriori-based angular super resolution for scanning radar imaging”(IEEE transactions on aerospace and electronic systems，vol.50，NO.3，july 2014)提出一种基于最大后验准则的解卷积方法，来提高扫描雷达的方位向角分辨率。

由于脉冲压缩、距离走动校正和基于最大似然准则的解卷积算法涉及到大量的矩阵运算和FFT变换，并且基于最大似然准则的解卷积算法是一种循环迭代的解卷积过程，因此传统的CPU串行处理方法不能高效、实时的完成这些工作。利用CPU的串行流程结构控制能力完成前视雷达成像算法的流程控制，通过GPU高效的并行处理能力实现前视雷达成像算法过程中的复杂雷达信号处理，能够很好地解决传统CPU实现效率低下的问题，达到实时处理的目的。

2007年NVIDIA正式推出CUDA(Compute Unified Device Architecture，计算同一设备架构)运算平台，CUDA是一种使GPU能够解决复杂问题的通用并行计算架构，并且CUDA采用C语言作为编程语言，提供了大量高性能计算指令开发能力，使开发者能够快速在GPU的强大并行计算能力的基础上建立起一种效率更高密集数据解决方案，CUDA还提供了一种并行优化的CUFFT开发库，非常适合雷达信号处理中涉及到的FFT变换。文献“CUDA C_Programming_Guide”(NVIDIA，2015)中详细介绍了CUDA利用C语言进行GPU通用计算编程的细则。文献“GPU-based parallel implementation of SAR imaging”(International Symposium on Electronic System Design(ISED)，Dec.2012，pp125-129)利用GPU并行实现了SAR中距离多普勒成像算法，达到了实时处理SAR回波数据的目的。

发明内容

本发明的目的是为了解决现有技术中机载前视扫描雷达成像算法计算量过大的问题，提出了一种基于GPU的机载前视扫描雷达并行处理方法。

本发明的技术方案为：一种基于GPU的机载前视扫描雷达并行处理方法，包括以下步骤：

S1、利用CUDA中的CUFFT库创建FFT变换计划；

S2、综合利用CPU和GPU完成解卷积过程中的雷达天线方向图预处理；

S3、利用CPU读取一扫雷达系统的原始数据并对其进行预处理；

S4、在GPU中完成距离向脉冲压缩处理；

S5、在GPU中完成距离走动校正处理；

S6、在GPU中完成基于最大似然准则的解卷积成像算法处理；

S7、利用CPU保存雷达成像结果数据；

S8、判断是否需要处理下一扫雷达数据，若是则返回步骤S3，否则结束该雷达数据处理流程。

进一步地，步骤S1包括以下分步骤：

S11、根据距离向M点、方位向N点大小的雷达回波矩阵，利用CUDA中的CUFFT库创建M点复数FFT变换，并执行N次的FFT变换计划，简记为FFT_M，N；