[发明专利]一种基于CPU-GPU异构计算的圆迹合成孔径雷达回波生成方法

说明书

技术领域

本发明涉及合成孔径雷达信号处理技术领域，特别涉及一种利用多核CPU和多核GPU技术提高圆迹合成孔径雷达回波生成速度的方法。

背景技术

圆迹合成孔径雷达(CSAR)模式下，雷达围绕目标进行360度圆周数据采集，理论上不仅能够获得亚波长级的分辨率，还能获取目标的三维信息。这对一些高分辨率和三维成像领域具有重要的意义。然而，在实际的数据采集过程中，由于雷达轨迹很难控制为标准的圆，采集的实测数据要经过运动补偿等预处理后，才能进行成像处理，且成像的质量不高，难以用于成像性能的理论分析。

若模拟雷达在理想环境下对目标进行数据采集，则生成的回波信号能够为后续的CSAR成像性能分析提供较为理想的数据。按照奈奎斯特采样定理，CSAR全方位的数据采集比传统的直线合成孔径雷达(SAR)在方位向上将面临着更大的数据量。尤其，当被测目标为大场景时，待采集的回波数据量将更大。这种涉及大数据量的计算在传统的CPU串行模式下进行，将花费很长的运算时间。

图形处理器(GPU)原本是专门用于图形处理的处理器，最早由NVIDIA公司在1999年发布GeForce 256图形处理芯片时提出。由于其具有强大的浮点运算和并行处理能力，GPU已被广泛应用于通用计算。目前，GPU已用于电磁计算（Tao Y B, Lin H, Bao H J, “From CPU to GPU: GPU-based electromagnetic computing,” Progress In Electromagnetics Research, 2008, 81: 1-19）、SAR成像（Park S J, Ross J A, Shires D R, et al., “Hybrid core acceleration of UWB SIRE radar signal processing,” IEEE Transactions on Parallel and Distributed Systems, 2011, 22(1): 46-57）等研究领域。

本发明采用OpenMP和CUDA混合编程模型，实现多CPU和多GPU的协同工作，从而提高CSAR回波生成效率。一方面，基于OpenMP的编程模型，开辟了多个CPU线程，并使得一个CPU线程控制一个GPU；另一方面，基于CUDA的编程模型，通过GPU实现多个线程的并行计算。在两种模型相结合的混合编程模型中，CPU不仅负责传送雷达系统和目标参数到GPU，及接收从GPU传回的含载波回波数据，而且负责去除载波信息的计算；GPU负责含载波信息的回波信号并行计算。

发明内容

本发明的目的在于，采用OpenMP和CUDA混合编程模型，实现多CPU和多GPU协同工作，提高CSAR回波信号生成效率。

为达到上述目的， 本发明提出一种基于CPU-GPU异构计算的圆迹合成孔径雷达回波生成方法，该方法利用CPU的逻辑控制和计算能力，以及GPU的并行计算能力，实现多CPU和多GPU之间的协同工作。该方法的具体步骤包括：

（1）    确定雷达平台参数、目标场景参数，并根据香农采样定理，计算方位向脉冲数和距离向上采样点数；

（2）    采用OpenMP技术实现一个CPU线程控制一个GPU，每个CPU线程完成一个方位脉冲的回波生成；

（3）    将雷达平台和目标场景参数从CPU拷贝到GPU；

（4）    按照目标点的个数对每个GPU进行线程划分；

（5）    每个GPU中完成一个方位脉冲的含载波分量的回波信号的生成；

（6）    将计算结果从GPU拷回到CPU，并按距离单元去除载波，得到基带回波信号；

（7）    保存一个方位脉冲的基带回波信号；

（8）    将所有方位脉冲的回波信号汇总。

本发明的优点在于：

（1）    本发明采用OpenMP技术实现一个CPU线程控制一个GPU，充分利用多CPU和多GPU资源；

（2）    本发明在对含载波的回波信号生成过程中，按点目标数目划分GPU线程，充分利用GPU的强大并行处理能力；

（3）    本发明采用CPU完成去除回波信号中的载波信息，充分利用CPU的计算能力，而不浪费GPU计算资源。 

附图说明

图1为CSAR的数据采集几何图，其中(a)为立体图；(b)为俯视图；(c)为侧视图；