[发明专利]一种基于CUDA的毫米波雷达RMA成像方法

说明书

本发明属于雷达成像技术领域，具体涉及一种基于CUDA的毫米波雷达RMA成像方法。该方法包括步骤：(S2)对目标三维散射数据s水平、高度维分别进行二维方位快速傅里叶逆变换，并做并行平移处理，得到数据s₁；(S3)对数据s₁在空间谱域范围支撑区外出现非数值的位置置零，得到数据s₂；(S4)对数据s₂进行距离向波数域插值，得到数据s₃；(S5)数据s₃进行三维逆快速傅里叶变换，并对变换结果取模值，再对三维数据各个维度取最大散射值成像。本发明实现了阵列扫描体制算法加速的创新，解决了这种新体制下处理速度缓慢的弊病，转移现有算法对CPU的依赖，实现了算法函数的多次重复调用和移植。

技术领域

本发明属于雷达成像技术领域，具体涉及一种基于CUDA(统一计算设备架构，缩写：CUDA，是显卡厂商NVIDIA推出的运算平台)的毫米波雷达RMA(距离徙动算法，缩写：RMA)成像方法。

背景技术

目前在世界范围研发的GPU(图形处理器)雷达成像主要集中在SAR/ISAR，GPU高性能计算是一种近年迅速发展的并行计算技术，因其能为大数据量处理提供快速的并行计算框架，已经成为具有非常高的数据并行计算密度；支持多线程；具有多个计算核心的通用数学协处理器,它不仅具有非常大的计算强度,而且GPU内存吞吐量相对于CPU更大。另外，国内外相关的GPU雷达成像研究包括，马德里技术大学利用NVIDIA CUDA技术的GPU实时图像处理算法，用于THz波段3-D穿衣探测雷达，对应于50x90cm2的扫描区域，其允许对由6000个像素组成的图像以大于8fps的速率进行图像刷新。考虑了传统的时域逆投影和基尔霍夫偏移算法对隐藏目标成像的性能加速。印度班加罗尔电子和雷达发展机构实现了传统的时域逆投影和基尔霍夫偏移算法对隐匿目标成像的性能加速，由于在这些算法中图像强度是逐像素计算的，因此，GPU可以加速其他雷达成像算法。另外，国防科技大学熊超在数据量较大时将频谱分析和谱峰搜索移植到GPU内进行运算，有效缩短了系统的整体响应时间。

现有的与雷达GPU成像相关专利技术主要集中在各个专用领域的子系统实现，专利申请CN201711246749.4公开了一种基于GPU的快速频域后向投影三维成像方法，运用三维频域后向投影算法，利用图形处理器GPU采用一种单程序多数据的指令模式来对其丰富的硬件资源进行调度的能力，再通过三维傅里叶逆变换得到三维SAR图像，从而大幅度提升了后向投影算法的运行效率。专利申请CN201710485297.9公开了一种基于GPU实现的合成孔径雷达图像目标识别方法，专利申请CN107064930A公开了基于GPU的雷达前视成像方法。从CPU端获取观测向量和测量矩阵，在GPU端，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，完成雷达前视成像。专利申请CN201711019081.X公开了基于嵌入式GPU的单像素激光雷达成像装置及成像方法，主要描述基于嵌入式GPU的单像素激光雷达成像装置，信息传入嵌入式GPU底座中，根据输入的信息进行均匀光滑曲面重建，并将重建好的三维光滑曲面模型进行动态成像显示。

现有的雷达GPU成像算法移植性不强，程序模块只能适用于特定算法，且对算法在GPU上的覆盖性不足，只在特定步骤进行加速，比如国防科学技术大学熊超只进行了FFT算法、矩阵转置和谱峰搜索算法的CUDA并行化，并没有将信号处理部分完全移植到GPU内实现。现有针对高频段雷达近场阵列成像，波长的减小会导致阵元间距变小使其数目急剧增加，导致数据量巨大。回波的大数据量对数据采集系统和存储设备的要求更高，采集信号时间也会更长，原始成像方法效率低。

发明内容

为解决上述技术问题，本发明基于英伟达CUDA计算平台，将GPU融入到雷达近场阵列成像中，从而加快大数据量的处理，具有比较稳定、效率更高的优点。具体技术方案如下：

一种基于CUDA的毫米波雷达RMA成像方法，包括以下步骤：