[发明专利]基于GPU的雷达前视成像方法

说明书

本发明属于雷达成像领域，公开了一种基于GPU的雷达前视成像方法，包括：在CPU端，获取接收天线对目标场景的观测向量；并对目标场景进行网格划分，获取目标所处网格范围对应的测量矩阵，建立从观测向量中恢复场景目标后向散射系数的优化模型；在GPU端，从CPU端获取观测向量和测量矩阵，采用CUDA架构并行实现从观测向量中恢复场景目标后向散射系数向量；在CPU端，从GPU端获取场景目标后向散射系数向量，将场景目标后向散射系数向量对应到目标所处网格范围内，从而得到三维场景目标的估计模型，完成雷达前视成像；用于提高雷达前视成像效率，达到实时处理雷达回波数据的目的。

技术领域

本发明属于雷达成像技术领域，尤其涉及一种基于GPU((Graphics ProcessingUnit，图形处理单元)的雷达前视成像方法，具体为在CUDA(Compute Unified DeviceArchitecture，计算统一的设备体系结构)架构中实现雷达前视成像的并行设计，用于提高雷达前视成像效率，达到实时处理雷达回波数据的目的。

背景技术

雷达前视区域的三维场景具有分辨率高、数据多、场景维度大的特点，会增加信号估计的时间，同时压缩感知重构算法又包含大量的矩阵运算和迭代运算，计算复杂度高，仅采用传统的串行方式进行处理，存在运行时间过长问题，无法达到实时处理的要求；近年，GPU(图形处理器)从专业图形处理到科学计算的转型使GPU协处理器成为超级计算领域的新宠，其超强的浮点计算能力使其成为提高成像算法处理效率最有效方法之一。CUDA是GPU广泛应用的一种编程模型，支持C/C++、FORTAN语言的扩展；提供了丰富的高性能数学函数库，比如CUBLAS、CUFFT、CUDNN等。

发明内容

针对上述现有技术的缺点，本发明的目的在于提供一种基于GPU的雷达前视成像方法，以解决传统CPU(Central Processing Unit，中央处理单元)串行计算进行成像耗时较长且无法满足微波成像系统实时处理需求的问题。

本发明实现的技术思路为：在对雷达前视区域三维场景目标进行压缩感知成像处理时，首先在CPU端按照串行的方式输入观测向量和超材料孔径天线的辐射场强度数据；利用超材料孔径天线产生频率捷变的辐射场对场景进行遍历，结合目标所处的场景位置先验信息，将成像场景按照一定的距离与方位分辨率进行离散网格化处理，再计算处在对应目标位置范围处所对应的测量矩阵；在GPU端构建基于压缩感知的雷达前视成像数学模型；采用CUDA编程架构利用共轭梯度(CgSolve)算法对上述数学模型进行并行求解，估计出目标场景的散射系数分布。

为达到上述目的，本发明采用如下技术方案予以实现。

一种基于GPU的雷达前视成像方法，所述方法包括如下步骤：

步骤1，在CPU端，获取接收天线对目标场景的观测向量；并对所述目标场景进行网格划分，获取目标所处网格范围对应的测量矩阵，建立从所述观测向量中恢复场景目标后向散射系数的优化模型；

步骤2，在GPU端，从所述CPU端获取所述观测向量和所述测量矩阵，采用CUDA架构并行实现从所述观测向量中恢复场景目标后向散射系数向量；

步骤3，在CPU端，从所述GPU端获取所述场景目标后向散射系数向量，将所述场景目标后向散射系数向量对应到所述目标所处网格范围内，从而得到三维场景目标的估计模型，完成雷达前视成像。

本发明与现有技术相比具有如下优点：1)本发明利用超材料孔径天线产生的频率捷变辐射场对场景进行观测，结合先进的压缩感知重构算法，实现对前视场景的三维计算成像。优点在于超材料孔径单通道成像雷达天线系统规模实现相对简单，可避免传统实孔径成像所需的复杂阵面天线设计；2)采用共轭梯度算法实现雷达前视三维场景目标成像，算法稳定性好，有利于大规模数据的成像处理；3)基于GPU平台，并行实现雷达前视场景目标成像处理，可以提高成像效率。

附图说明