[发明专利]一种基于GPU的子空间快速求解方法

说明书

本发明属于电子信息技术领域，具体的说是一种基于GPU的子空间快速求解方法。本发明在幂法的基础上，利用阵列信号协方差矩阵的共轭对称性，提出使用Householder变换对阵列信号协方差矩阵进行降阶，得到一种快速子空间求解方法。同时利用GPU多核并行处理能力，进一步提高子空间求解过程实时性。

技术领域

本发明属于电子信息技术领域，具体的说是一种基于GPU的子空间快速求解方法。

背景技术

波达方向估计是阵列信号处理领域的重要研究方向，它在雷达、声纳、通信、导航等领域有着极为广阔的应用前景。基于子空间分解的测向算法是一种高分辨测向算法，包括多重信号分类算法(MUSIC，multiple signal classification)以及基于旋转不变技术的参数估计算法(ESPRIT，estimating signal parameter via rotational invariancetechniques)，能够实现对处于同一波束宽度内的多个信源的分离，但是这类算法需要对阵列信号协方差矩阵进行特征分解来获取子空间。对于单个信号源的情况，现有的幂法能够快速有效求解子空间。但是当信号源数量较多时，幂法不能直接给出用于构建子空间需要的全部特征向量，现有的方法一般采用Jacobi算法或者QR分解算法对阵列信号协方差矩阵进行特征分解来获取子空间。为了提高算法实时性，现有技术一般采用FPGA(FieldProgrammable Gate Array)或者DSP(Digital Signal Processor)平台来加速子空间求解过程。文献1，徐德琛，刘志文，徐友根.某测向系统中MUSIC算法的FPGA实现[J].北京理工大学学报，2010.文献1提出在FPGA平台上采用round-robin-Jacobi算法求解子空间，在阵元数为12的情况下，子空间求解过程耗时约为0.2ms。然而，随着通信技术的发展，大规模天线阵列应用逐渐广泛，5G基站最大可配置的天线数量为1024根。在阵元数较多时，采用Jacobi算法或者QR分解算法求解子空间存在计算复杂度高、迭代时间长等问题，通过FPGA或者DSP平台加速子空间求解过程其加速效果仍不够，而且开发难度大，平台维护成本较高。

近十年来，随着图形处理器(GPU，Graphic Process Unit)的不断发展，其架构也在不断完善，GPU的功能不再仅限于图形渲染，逐渐发展成为具备超高浮点运算能力的计算工具，为解决子空间求解实时性问题提供了有力工具。GPU的并行处理能力是由其片内大量的流处理器决定的，这种架构使得GPU在处理数据量大，数据之间依赖性较小的数据时相对于传统的CPU串行运算具备更大的运算优势。

发明内容

本发明提供一种基于GPU的信号子空间快速求解方法，能够有效解决信号子空间求解实时性差的问题。本发明在幂法的基础上，利用阵列信号协方差矩阵的共轭对称性，提出使用Householder变换对阵列信号协方差矩阵进行降阶，得到一种快速子空间求解方法。同时利用GPU多核并行处理能力，进一步提高子空间求解过程实时性。

为实现上述技术目的，本发明采用如下技术方案进行实现。

一种基于GPU的子空间快速求解方法，其特征在于，包括以下步骤：

S1、初始化：

设置阵元数量为M，空间来波信号数量为K，误差范围eps＝1；

设定接收机分别在每个采样时刻对所接收的信号进行采样，并将数据写入主机内存，第n个采样时刻的采样序列表示为x(n)＝[x₁(n),x₂(n),...,x_M(n)]^T，T表示转置；

S2、将N个时刻的采样数据x(n),n＝1,2,..,N通过PCIe总线(peripheralcomponent interconnect express)写入设备内存，采用GPU计算阵列信号协方差矩阵其中，*表示共轭转置，阵列信号协方差矩阵R是M×M的共轭对称矩阵；