[发明专利]一种基于CUDA异构并行加速的雷达MTI和MTD实现方法

说明书

本发明涉及雷达信号处理技术领域，提供一种基于CUDA异构并行加速的雷达MTI和MTD实现方法。该方法包括如下步骤：在CPU中设置雷达信号处理参数值，将脉冲压缩后的回波矩阵数据拷贝到GPU显存空间；划分核函数的线程组织，在GPU中执行二次对消器MTI核函数；在GPU中执行矩阵转置核函数，然后借助CUFFT库函数完成多组多普勒通道的FFT并行计算，最后再次执行矩阵转置核函数，得到MTD并行算法输出结果，并传回到CPU中；利用CUDA代码优化策略对MTI和MTD的核函数进行优化，绘制优化后的加速比曲线。本发明优化后的并行化算法加速比达到142.66倍，能够很好地满足雷达信号处理的实时性，且基于CUDA软件体系和Visual Studio平台的开发模式，也便于扩展和移植。

技术领域

本发明属于雷达信号处理技术领域，尤其涉及一种基于CUDA异构并行加速的雷达MTI和MTD实现方法，旨在利用GPU并行计算能力和CUDA异构编程模式，以保证雷达处理大规模回波数据量时MTI和MTD算法的实时性，且易于平台移植。

背景技术

雷达在信号处理时要借助动目标显示(MTI)技术和动目标检测(MTD)技术实现对杂波的抑制。MTI处理是利用杂波相对于雷达探测对象在频域里表现为较小多普勒频率这一特性，利用数字相消器对各距离单元逐一对消来滤除静物杂波提高信噪比。但MTI无法提前获得运动目标的多普勒频率，还需进一步做MTD来抑制回波频带以外的杂波。MTD处理通常做法是在MTI滤波器后串接一组相邻且与相参回波脉冲串匹配的窄带多普勒滤波器组来实现。随着现代战场电磁环境日益复杂，逐渐变大的回波数据量使得CPU串行处理非常耗时，难以满足当前战场环境雷达信号处理的实时性。

GPU作为显卡的核心组成，其硬件架构具备很高的可并行度，相较于CPU在并行资源计算方面表现尤为出众。CUDA全称是统一计算设备架构(Compute Unified DeviceArchitecture，CUDA)，作为NVIDIA公司推出的通用并行计算平台，支持CPU和GPU异构协同工作，其编程模型充分结合了CPU擅长的逻辑控制和GPU擅长的并行运算。当前针对CUDA平台的MTI和MTD算法已经有了一些研究成果。

电子科技大学的陈大强在其硕士毕业论文“基于GPU的警戒雷达信号处理软件设计”中，给出了一种GPU实现的MTI算法。该方法与本发明中MTI并行化过程有着相似的理论联系，主要步骤是，第一步：把脉冲压缩后的回波数据以先进先出的存储方式从CPU拷贝到GPU；第二步：在GPU端使用一次对消器实现脉冲重复周期内的两脉冲对消运算；第三步：将MTI处理后的结果返回至CPU进行调度。该方法成功减少了MTI处理的耗时，但缺点是设计的MTI滤波器阻带凹口较窄对杂波抑制效果不佳，且缺乏数据精度的统一造成估计误差偏大。

中国科学院电子学研究所在其申请的专利“一种基于GPU的外辐射源雷达信号处理快速雷达实现方法”(申请号：CN201310176310.4；申请公布号：CN103308897B)中，公开了一种基于GPU实现的MTD算法。该方法主要步骤是，第一步：对要处理的回波数据进行交叉重组，整个回波数据被分成N个等长的数据块，每个数据块再被细分成L个等长的数据段，每个数据段包含M个数据点数；其次，将不同数据块中数据段号相同的数据依次拼接在一起，第N个数据块第i段的末尾数据与第1个数据块第i+1段的起始数据拼接在一起，组成新的存储结构；第三步：将新存储结构下的回波数据拷贝到GPU，启用M×N个线程；第四步：针对拼接后的数据，在GPU端对每M×N个数据点进行MTD处理。该方法有效提升了MTD算法的并行程度，但也存在一些不足之处，比如没有考虑对线程分配和延迟隐藏的优化。

发明内容

本发明利用GPU设备、CUDA软件体系以及编程模型，提供一种基于CUDA异构并行加速的雷达MTI和MTD实现方法，过程中还包括对代码指令和线程结构的优化设计，能够大幅提升雷达信号处理的速度。