基于深度協同的合成孔徑雷達回波并行模擬方法技術

基于深度協同的合成孔徑雷達回波并行模擬方法，屬于合成孔徑雷達應用技術領域。傳統的CPU+GPU異構計算模式下，通常CPU是處理邏輯性較強的運算，而GPU是處理數據相對比較密集且適合并行進行的計算。本發明專利技術在充分調研了國內外對SAR回波快速模擬相關文獻的基礎上，借鑒了相關星載SAR回波模擬的并行仿真算法，提出了一種基于SIMD異構并行的星載SAR回波快速模擬仿真方法，通過多核矢量化擴展CPU/眾核GPU的深度協同并行加速SAR回波仿真過程，并在此基礎上進行了冗余計算的優化和針對SAR回波過程中不規則問題計算的深度并行優化，實驗結果表明通過經優化的CPU/GPU異構協同的模式相比于傳統的串行計算方法，在計算效率上能夠達到2?3個數量級的提升。

【技術實現步驟摘要】

本專利技術涉及一種基于深度協同的合成孔徑雷達回波并行模擬方法，屬于合成孔徑雷達應用

技術介紹
合成孔徑雷達(Synthetic Aperture Radar，SAR)是一種可以提供高分辨率成像效果的雷達，由于它能夠在特殊的氣象條件下得到較高分辨率的雷達圖像，并且能夠有效的穿透掩蓋物和識別偽裝等特點，被廣泛的應用在軍用和民用領域。通常在合成孔徑雷達正式投入使用之前，為了減少不必要的成本投入，需要進行SAR的回波仿真模擬，作為保證雷達工作之后能夠正常運轉的一個不可缺少的前提，同時在雷達成像之前，需要SAR的回波數據作為有力的支撐。然而隨著技術的發展，合成孔徑雷達的技術越來越成熟，出現了不同的雷達工作模式，對分辨率的要求也逐漸提高，雷達的仿真測繪帶逐漸變寬，由此造成了回波原始數據的海量增加，而傳統的串行仿真對于這種情況就會顯的捉襟見肘，通常進行一次大場景的回波運算需要非常長的時間，嚴重的制約了成像算法的設計和研究進度，所以減少回波模擬數據的生成時間，提高回波模擬運算效率成了一個亟需解決的問題。SAR回波模擬效率的提升主要有三種思路，分別是信號處理方法、硬件加速和高性能計算方法?；谛盘柼幚矸椒ǖ幕夭M加速一直是國內外研究的熱點，一般通過二維頻域、混合域等方法進行加速，但是難以模擬實際系統誤差；基于硬件加速的方法，一方面成本過高，另一方面由于存儲的限制，難以模擬大場景、長條帶的回波數據；基于高性能計算的方法，能夠有效彌補前兩者的不足，在有限的硬件成本(GPU卡)條件下，實現大場景SAR回波的精確模擬。但是現有的基于GPU的SAR回波高性能模擬方法，嚴重低估了CPU的計算能力，CPU在回波模擬過程中僅僅承擔輸入輸出、邏輯控制等小計算量處理步驟，沒有參與到高計算密度的回波計算過程，是一種計算資源的浪費。因此本專利技術深度挖掘CPU的計算能力，給出了基于SIMD統一框架的CPU多核矢量化并行和GPU眾核并行計算方法，使得CPU作為一種計算資源真正參與到回波計算過程中，實現CPU和GPU的深度協同。
技術實現思路
本專利技術的主要目的是提供一種基于深度協同的合成孔徑雷達回波并行模擬方法。隨著高性能并行計算的發展，就如何快速準確的得到海量的回波數據的問題目前可以給出一個很好的解決方案。傳統的CPU+GPU異構計算模式下，通常CPU是處理邏輯性較強的運算，而GPU是處理數據相對比較密集且適合并行進行的計算。本專利技術在充分調研了國內外對SAR回波快速模擬相關文獻的基礎上，借鑒了相關星載SAR回波模擬的并行仿真算法，提出了一種基于SIMD異構并行的星載SAR回波快速模擬仿真方法，通過SSE/AVX+OpenMP+CUDA充分的利用計算機的計算資源，并在此基礎上進行了冗余計算的優化和針對SAR回波過程中不規則問題計算的深度并行優化，實驗結果表明通過經優化的CPU/GPU異構協同的模式相比于傳統的計算方法能夠有效的提高運算效率80倍左右。合成孔徑雷達通常有機載和星載兩種方式，本專利技術主要進行的是星載合成孔徑雷達回波模擬技術的研究，這兩種方式核心的回波模擬仿真算法差異較小。本專利技術的技術方案具體來說，主要包括如下
技術實現思路
：1、基于深度協同的合成孔徑雷達回波并行模擬方法，其特征在于：該方法主要包括如下內容，S1分塊處理；目標分塊：由于仿真場景的增大，將整個仿真場景都傳入GPU中進行運算會造成傳輸延時的增長和計算量的冗余，同時GPU顯存的限制也會造成運算無法流暢地進行；根據以上問題，本方法采用了目標場景分塊的處理方法，減少了在回波過程中產生的冗余計算量，減少了GPU內存的使用，同時也盡量隱藏了場景信息的傳輸延時；任務分塊：對任務池中的任務進行分塊處理，將分塊處理的任務分配給CPU和GPU并同時進行計算；S2不規則數據的規約：基于一維卷積的回波算法在通過并行實現的時候存在距離門的沖突問題，針對SAR回波時遇到的這種不規則數據問題，本方法采用將不規則的數據進行規則化處理然后進行并行規約的方法；S3CPU和GPU協同進行回波計算：為了充分利用計算機的計算資源，采用了統一于SIMD(但指令多數據)體系的多核矢量化擴展CPU/眾核GPU的異構并行計算框架，通過CPU/GPU深度協同加速實現星載SAR回波的實時模擬；實施流程如下：步驟1、雷達信號模型的建立；SAR的回波處理分為方位向和距離向，為了獲得距離向的高分辨率，通常SAR的發射信號需要大時帶寬積、長持續時間以獲得大平均功率；本方法采用的SAR發射信號是Chirp信號，如下所示， s ( τ ) = r e c t ( τ T p ) exp ( j 2 πf c τ + jπk r τ 2 ) - - - ( 1 ) ]]>上式中Tp表示脈沖寬度，fc表示載波的頻率，kr表示線性調頻率，τ表示距離向時間，s(τ)表示在τ時刻的發射信號，j表示復數的虛部；本方法采用的主要是一維卷積算法，該算法由距離時域的相干算法改進得到，方位向時刻的回波能夠看作是由一系列的狄拉克函數和發射信號的卷積獲得，方位向回波信號通過傅里葉變換在頻域完成混疊，并與距離向信號進行卷積然后得到回波數據；根據卷積的性質，通過傅里葉變換，將方位向累積信號和發射信號的頻譜進行相乘，然后進行逆傅里葉變換得到最后的回波結果； s r ( t n , τ ) = Σ n = 0 T s a ( 本文檔來自技高網...

【技術保護點】
基于深度協同的合成孔徑雷達回波并行模擬方法，其特征在于：該方法主要包括如下內容，S1分塊處理；目標分塊：由于仿真場景的增大，將整個仿真場景都傳入GPU中進行運算會造成傳輸延時的增長和計算量的冗余，同時GPU顯存的限制也會造成運算無法流暢地進行；根據以上問題，本方法采用了目標場景分塊的處理方法，減少了在回波過程中產生的冗余計算量，減少了GPU內存的使用，同時也盡量隱藏了場景信息的傳輸延時；任務分塊：對任務池中的任務進行分塊處理，將分塊處理的任務分配給CPU和GPU并同時進行計算；S2不規則數據的規約：基于一維卷積的回波算法在通過并行實現的時候存在距離門的沖突問題，針對SAR回波時遇到的這種不規則數據問題，本方法采用將不規則的數據進行規則化處理然后進行并行規約的方法；S3CPU和GPU協同進行回波計算：為了充分利用計算機的計算資源，采用了統一于SIMD(但指令多數據)體系的多核矢量化擴展CPU/眾核GPU的異構并行計算框架，通過CPU/GPU深度協同加速實現星載SAR回波的實時模擬；實施流程如下：步驟1、雷達信號模型的建立；SAR的回波處理分為方位向和距離向，為了獲得距離向的高分辨率，通常SAR的發射信號需要大時帶寬積、長持續時間以獲得大平均功率；本方法采用的SAR發射信號是Chirp信號，如下所示，s(τ)=rect(τTp)exp(j2πfcτ+jπkrτ2)---(1)]]>上式中Tp表示脈沖寬度，fc表示載波的頻率，kr表示線性調頻率，τ表示距離向時間，s(τ)表示在τ時刻的發射信號，j表示復數的虛部；本方法采用的主要是一維卷積算法，該算法由距離時域的相干算法改進得到，方位向時刻的回波能夠看作是由一系列的狄拉克函數和發射信號的卷積獲得，方位向回波信號通過傅里葉變換在頻域完成混疊，并與距離向信號進行卷積然后得到回波數據；根據卷積的性質，通過傅里葉變換，將方位向累積信號和發射信號的頻譜進行相乘，然后進行逆傅里葉變換得到最后的回波結果；sr(tn,τ)=Σn=0Tsa(tn,τ)⊗s(τ)=Σn=0TIFFT{FFT[sa(tn,τ)]·S(ξ)}---(2)]]>上式中，tn表示仿真第n條回波對應的方位向時刻，S(ζ)表示去載頻后的發射信號頻譜，ζ表示發射信號頻率，T表示需要進行仿真的回波信號數量，n表示回波信號的序號，其中方位向的累積信號sa(tn,τ)為式(3)；sa(tn,τ)=Σiexp{-j4πλri(tn)}·{δ(τ-2ri(tn)c)]---(3)]]>式中，λ表示波長，δ表示狄拉克沖擊響應函數，c代表光速，r表示目標點斜距，i代表場景中目標點的序號；根據式(2)和式(3)，在進行回波算法模擬仿真時，距離向信號和方位向信號能夠分別處理，距離向信號的頻譜由Chirp信號通過傅里葉變換得到，對于方位向信號，需要根據空間幾何關系求得在某一時刻tn時場景目標點的斜距和視角，通過視角判斷目標點是否在波束腳印內，然后計算目標點回波所在的距離門，之后將方位向信號進行疊加處理，當所有目標點都遍歷之后將方位向信號進行傅里葉變換，并與發射信號頻譜進行相乘，最后通過逆傅里葉變換得到在時刻的一條回波數據，重復上述過程得到所有方位向時刻的回波信號；步驟2、基于CPU的星載SAR回波并行仿真1)使用目標分塊的策略以減少回波計算過程中產生的冗余計算；為了減少在回波過程中因判斷目標點是否在波束腳印范圍內的計算量，提出了一種目標分塊的策略；在沒有分塊之前，需要計算整個場景的目標點斜距和角度信息，在分塊之后只需要計算小塊場景的信息即可；假設將目標場景均等的分成4塊，其中前兩塊為A和B；但是這樣分塊存在著一個問題，就是當波束掃到該塊的邊界時會產生回波累加不完全的情況；當波束掃到A塊邊界時A1的信息將會丟失，A1表示半個波束寬度，導致最后的回波累加不完全，同樣對于B塊，當波束掃到邊界時，B1和B2的信息將會丟失；B1和B2表示半個波束寬度；所以為了保證回波的正確性，需要進行分塊時在邊界部分做一下處理，也就是在長度上加上半個波束寬度；為了減少在分塊時產生的計算量，選擇了以矩形的方式進行劃分；不同的線程計算不同場景塊的目標點斜距和角度，減少了很大的計算量；假設場景的寬度為w，高度為h，波束寬度為d，N為啟動的線程數，那么A的面積如式(4)；S=h×(wN+d2)---(4)]]>為了量化的分析通過目標分塊帶來的效果，假設單位面積內計算目標點斜距和角度的計算量為Cvt，每個方位時刻的回波計...

【技術特征摘要】
1.基于深度協同的合成孔徑雷達回波并行模擬方法，其特征在于：該方法主要包括如下內容，S1分塊處理；目標分塊：由于仿真場景的增大，將整個仿真場景都傳入GPU中進行運算會造成傳輸延時的增長和計算量的冗余，同時GPU顯存的限制也會造成運算無法流暢地進行；根據以上問題，本方法采用了目標場景分塊的處理方法，減少了在回波過程中產生的冗余計算量，減少了GPU內存的使用，同時也盡量隱藏了場景信息的傳輸延時；任務分塊：對任務池中的任務進行分塊處理，將分塊處理的任務分配給CPU和GPU并同時進行計算；S2不規則數據的規約：基于一維卷積的回波算法在通過并行實現的時候存在距離門的沖突問題，針對SAR回波時遇到的這種不規則數據問題，本方法采用將不規則的數據進行規則化處理然后進行并行規約的方法；S3CPU和GPU協同進行回波計算：為了充分利用計算機的計算資源，采用了統一于SIMD(但指令多數據)體系的多核矢量化擴展CPU/眾核GPU的異構并行計算框架，通過CPU/GPU深度協同加速實現星載SAR回波的實時模擬；實施流程如下：步驟1、雷達信號模型的建立；SAR的回波處理分為方位向和距離向，為了獲得距離向的高分辨率，通常SAR的發射信號需要大時帶寬積、長持續時間以獲得大平均功率；本方法采用的SAR發射信號是Chirp信號，如下所示， s ( τ ) = r e c t ( τ T p ) exp ( j 2 πf c τ + jπk r τ 2 ) - - - ( 1 ) ]]>上式中Tp表示脈沖寬度，fc表示載波的頻率，kr表示線性調頻率，τ表示距離向時間，s(τ)表示在τ時刻的發射信號，j表示復數的虛部；本方法采用的主要是一維卷積算法，該算法由距離時域的相干算法改進得到，方位向時刻的回波能夠看作是由一系列的狄拉克函數和發射信號的卷積獲得，方位向回波信號通過傅里葉變換在頻域完成混疊，并與距離向信號進行卷積然后得到回波數據；根據卷積的性質，通過傅里葉變換，將方位向累積信號和發射信號的頻譜進行相乘，然后進行逆傅里葉變換得到最后的回波結果； s r ( t n , τ ) = ...

【專利技術屬性】
技術研發人員：張帆，胡辰，胡偉，李偉，
申請(專利權)人：北京化工大學，
類型：發明
國別省市：北京;11