[发明专利]基于CPU-GPU异构并行的地表形变反演方法与系统

说明书

本发明公开了一种基于CPU‑GPU异构并行的InSAR分布式散射体干涉技术的地表形变反演方法和系统，基于CPU‑GPU异构硬件的并行编程模型OpenMP+CUDA，实现高效的InSAR分布式散射体干涉技术的处理流程，并提出了不同算法结构和数据结构的多层级并行方法。本发明创新性地运用CPU‑GPU异构硬件实现了较高并行性能的分布式散射体干涉技术，提高了InSAR技术的解算效率和速度，突破了分布式散射体干涉技术快速解算的技术瓶颈，该方法可应用于自然地表大区域的形变反演。

技术领域

本发明属于地表形变监测领域，尤其涉及一种基于CPU-GPU异构并行的InSAR分布式散射体干涉技术的地表形变反演方法和系统。

背景技术

合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar，InSAR)是通过对SAR图像集进行时序分析获得地表高精度微小形变信息的技术，它被广泛用于各类由自然和人类活动导致的地面沉降、滑坡灾害、火山和地震、冻土等长期缓慢地表形变的监测与反演。目前其主流的时序InSAR技术主要分为两类：永久散射体干涉技术（Persistent Scatterer Interferometry，PSI）和分布式散射体干涉技术（DistributedScatterer Interferometry，DSI）。其中DSI技术是通过融合分布式散射体(DistributedScatterers，DS)来提高InSAR测量点的密度，并通过空域滤波和相位重构方法来提高干涉图的相位质量。该方法已经在一些自然地表如草甸、荒漠等地区得到了广泛应用。但是在DSI处理流程中，海量DS点的快速提取和最优相位快速估计是制约DSI技术应用于大区域地表形变反演的技术瓶颈。尤其是2014年欧空局Sentinel-1卫星的成功发射，为广域、长时序地表位移测量提供了海量的SAR数据支持。幅宽250公里的Sentinel-1图像(60000×12000大小)无法直接用于DSI技术流程，需要对原始图像进行分块处理且往往要花费数月时间，因此现有DSI技术无法满足大范围地表形变实时监测的应用需求。

近年来，随着计算机硬件、网络和软件技术的发展，高性能计算平台为DSI算法处理海量SAR数据提供了硬件支撑。图形处理器（Graphics Processing Unit，GPU）凭借着强大的浮点计算能力、高内存带宽、低功耗等优势在SAR大数据处理领域中得到广泛应用。相比多核CPU集群，GPU集群在矩阵计算、浮点计算等计算密集性任务方面具有更好的性能。由于DSI算法流程具有高数据密度、高重复计算的性质和涉及矩阵乘积运算操作，因此基于CPU-GPU异构的并行技术在提高DSI技术的处理效率和降低成本等方面具有非常大的应用潜力。

通过总结现有研究，发现目前DSI技术在大区域自然地表形变解算还存在以下几点不足：

(1)DS点的提取方法为参数和非参数的统计假设检验，这些方法多采用耗时的滑动窗口遍历操作且无法应用于宽幅SAR数据集。

(2)DS点的最优相位估计的方法多为最大似然估计、特征值分解等方法，这些方法都是繁琐的迭代求解和复杂的矩阵运算过程。

(3)常规DSI技术流程没有采用并行加速的方法和底层算法优化。这些不足之处制约了DSI算法的快速解算，不利于后续时序InSAR地表形变反演。

目前有很多文献基于GPU对SAR图像的成像聚焦和永久散射体选择等方面进行并行加速，有较少研究采用GPU架构对SAR图像配准、重采样、相干估计等模块进行并行加速，但是国内外研究人员鲜有对DSI技术并行优化的研究。虽然采用CPU多核并行的方法可对DSI技术进行优化，但效率仍然较低，根据SAR图像幅宽和分辨率大小往往需要数月时间。因此采用CPU-GPU混合架构对DSI技术进行并行加速，实现DSI算法的高性能并行计算是当前InSAR技术用于自然地表大区域形变监测亟待解决的问题。

发明内容