CN101441271B - 基于gpu的sar实时成像处理设备 - Google Patents
基于gpu的sar实时成像处理设备 Download PDFInfo
- Publication number
- CN101441271B CN101441271B CN2008102389502A CN200810238950A CN101441271B CN 101441271 B CN101441271 B CN 101441271B CN 2008102389502 A CN2008102389502 A CN 2008102389502A CN 200810238950 A CN200810238950 A CN 200810238950A CN 101441271 B CN101441271 B CN 101441271B
- Authority
- CN
- China
- Prior art keywords
- data
- gpu
- real time
- sar
- buffer memory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
基于GPU的SAR实时成像处理设备,主要包括SAR原始数据采集模块,将高速串行码流形式的原始数据转换为ECL电平的低速并行码流,然后转换为LVTTL电平码流送入FPGA,再利用FPGA中的控制器,将数据存入缓存中,再通过PCI总线上传至服务器;服务器,将接收到的数据送入磁盘阵列和基于GPU的实时成像模块,计算多普勒中心频率和调频率参数送入基于GPU的实时成像模块,并实时获取结果供实时显示;基于GPU的实时成像模块,根据接收到的数据、多普勒中心频率以及调频率参数,利用GPU进行成像处理,将成像处理后的数据送入服务器;磁盘阵列,接收数据并进行实时记录。本发明具有实时成像、处理速度快、结构简单、易于扩展、能实时记录原始SAR数据并且系统稳定可靠的优点。
Description
技术领域
本发明涉及遥感SAR卫星下行数据获取系统数据流的实时成像处理设备,特别是卫星地面接收站的SAR图像快视设备。
背景技术
随着国内外航天遥感技术的不断发展,SAR(合成孔径雷达)卫星以其不受气候条件影响、昼夜均可成像、有一定透射能力的优点,日益受到各国军方的重视。
为了实现在卫星地面接收站对SAR卫星下行数据实时成像处理,要解决SAR原始数据实时采集和成像两个关键处理步骤。其中SAR成像处理具有高数据率、大运算量的特点,要实现实时处理就要求数据吞吐率快、运算速度高。目前对于SAR的实时处理的实现方案主要有两种:一种采用专用的数字信号处理机,另一种采用通用并行计算机。专用数字信号处理机体积小,但存在研制周期长、适应性差、系统升级困难等缺点。通用并行机具有很好的灵活性,但设备规模大,另外,SAR成像处理需要并行节点间进行密集通信,对并行处理机的并行效率和实时率有很大影响,只能实现降分辨率实时快视成像。
近年来,随着GPU的快速发展,这种曾经用途仅限于计算机显卡的运算元件,因其显示出的强大的超多线程、并行计算能力,日益受到SAR成像领域的重视。《VHF SAR Image Formation Implemented on a GPU》中,采用了利用GPU并行运算能力实现SAR成像的技术。但是关于基于GPU的SAR实时成像设备未见详细报道。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种基于GPU的处理速度较高的SAR实时成像设备,完成全分辨率实时成像,并能实时记录SAR原始数据并且完成实时成像,本系统结构简单、易于扩展、稳定可靠。
本发明的技术解决方案是:基于GPU的SAR实时成像处理设备,其特征在于主要包括:
SAR原始数据采集模块,将高速串行码流形式的原始数据利用串并转换模块转换为低速并行码流,然后利用电平转换芯片将其转换为LVTTL电平码流送入FPGA,将FPGA中的数据存入缓存中,再通过PCI总线上传至服务器;
服务器,将接收到的数据送入磁盘阵列和基于GPU的实时成像模块,根据接收的数据计算成像处理时用到的多普勒中心频率和调频率参数,送入基于GPU的实时成像模块,并实时获取基于GPU的实时成像模块的成像处理结果供实时显示;
基于GPU的实时成像模块,根据接收到的数据、多普勒中心频率以及调频率参数,利用GPU中的多个微处理核采用CS算法进行并行成像处理,将成像处理后的数据送入服务器;
磁盘阵列,接收服务器送入的数据并进行实时记录,供后续处理使用。
根据实时成像的需要,所述的基于GPU的实时成像模块的数量可以为一块或一块以上。
所述的基于GPU的实时成像模块为两块或两块以上时,服务器将获得的SAR原始数据块按照方位向进行分块,每块数据的大小至少超过SAR的合成孔径长度,以满足方位向全分辨率成像的要求。
本发明与现有技术相比具有如下优点:
1、本发明通过将SAR处理所需的计算分配到服务器和GPU上同时进行,对于不需要进行多线程处理的SAR成像参数计算部分交由服务器进行处理,对于需要进行多线程处理的部分交由GPU实时成像模块进行处理,充分发挥了GPU实时成像模块多线程处理的性能,可实现全分辨率实时成像,并能实时记录SAR原始数据,本设备结构简单、易于扩展、稳定可靠。
2.本发明提出的基于GPU的SAR实时成像系统具有很强的扩展性。系统采用PCI-Express总线的GPU实时成像模块与服务器进行通信,对于数据量很大的SAR实时成像需求,可以采用多个GPU成像模块并行进行SAR成像处理,以达到实时成像的目的。
3.本发明提出的基于GPU的SAR实时成像系统对SAR原始数据进行实时记录,卫星过境后,可以回放记录的SAR原始数据,对原始数据进行后期SAR成像,全尺寸显示。
4、本发明提出的GPU内数据并行处理方式,可以充分发挥单个GPU内部的大量处理器核的并行处理优势;基于多GPU的SAR数据的划分方式,可以使用多GPU协同处理成像数据,提高SAR实时成像的处理速度。
因此,本发明具有处理速度高、实时性好、模块化、可扩展性强和稳定可靠的优点。
附图说明
图1为本发明的SAR实时成像设备示意图;
图2为本发明的SAR原始数据采集模块框图;
图3为本发明的服务器与基于GPU的实时成像模块的处理流程及二者关系示意图;
图4为本发明的采用多个基于GPU的实时成像模块实现SAR处理的数据分配方式示意图;
图5为本发明的GPU内部数据并行处理方式示意图。
具体实施方式
图1是本发明的设备示意图,主要包括SAR原始数据采集模块、服务器、磁盘阵列、基于GPU的实时成像模块。SAR原始数据采集模块将ECL电平的高速串行码流转换为ECL电平的低速并行码流,然后将其转换为LVTTL电平码流送入FPGA;将FPGA中的数据存入缓存中,利用PLX9656PCI桥芯片,在FPGA的控制下,将缓存的数据通过PCI总线上传至服务器。服务器收到数据后一边将数据送入磁盘阵列进行实时记录,一边计算多普勒中心频率和调频率等参数,然后将计算好的参数与接收到的数据一起送入基于GPU的实时成像模块进行CS实时成像处理。将处理后的成像数据送入服务器供实时显示。
基于GPU的实时成像模块可以根据需要确定,如果单块GPU实时处理模块不能对输入的原始SAR数据进行实时处理,则可以利用多块GPU实时处理模块并行协作对其进行处理,以达到实时成像的目的。如图4所示,为本发明的采用多个基于GPU的实时成像模块实现SAR处理的数据分配方式示意图。服务器将获得的SAR原始数据块按照方位向进行分块,每块数据的大小至少超过SAR的合成孔径长度,分块后的数据分别送到每片GPU上进行成像处理。为了满足方位向全分辨率成像的要求,多个GPU处理的子孔径数据之间有一定重叠。图4中,以50%的重叠率为例,说明了3个GPU之间数据的划分方式。如图所示,根据GPU的数量先将数据按照方位向划分多个子孔径数据。图中为3片GPU同时工作,因此数据块分成4个子孔径数据。GPU1处理子孔径数据1和2;GPU2处理子孔径数据2和3;GPU3处理子孔径数据3和4。这样,每个GPU按照完整的CS算法对分到的数据进行成像处理,去掉由不完全孔径成像得到的边缘图像部分,得到图像块1、2和3,分别再传送到服务器上,由服务器对多块图像进行拼接,形成连续的全分辨率图像。
图2是本发明的SAR原始数据采集模块框图。SAR原始数据采集模块将ECL电平的高速串行码流(I和Q)利用串并转换模块转换为ECL电平的低速并行码流,然后利用电平转换芯片将其转换为LVTTL电平码流送入FPGA。SAR原始数据采集模块的缓存分为两块,分别是第一缓存和第二缓存。FPGA将收到的数据首先存入第一缓存,当第一缓存存储满数据后以中断的方式告诉CPU,CPU收到中断信号后,即刻以DMA(直接存储器存取)的方式将第一缓存中的数据搬入内存,与此同时,FPGA将收到的数据写入第二缓存,当第二缓存存满数据后再以中断的方式告诉CPU,CPU收到中断信号,即刻以DMA的方式将第二缓存中的数据搬入内存,与此同时,FPGA将收到的数据写入第一缓存。如此一直循环下去,即可以乒乓的方式使得FPGA在写入缓存的同时,CPU可以读缓存,实现了FPGA与CPU的并行工作。
图3是本发明的服务器与基于GPU的实时成像模块的处理流程及二者关系示意图。基于GPU的SAR实时成像设备是利用服务器和基于GPU的实时成像模块相互协调工作的。服务器对其进行计算得到多普勒中心频率和调频率参数,然后将原始数据和计算得到的参数输入GPU实时处理模块进行后续处理。GPU实时处理模块利用多线程对输入的SAR原始数据进行实时CS算法成像处理。先将原始SAR数据进行数据转置处理,然后进行对其进行方位FFT,将变换后的结果进行Chirp Scaling相位处理;对Chirp Scaling相位处理后的结果进行数据转置,然后进行距离向FFT,将变换后的结果进行距离压缩、相位补偿,最后进行距离向IFFT。对距离向IFFT后的结果进行方位压缩、剩余相位校正后,再次对数据块进行数据转置处理,然后进行方位向IFFT,最后将方位向IFFT的处理结果进行数据转置,即可完成SAR图像的数据成像。详细的成像算法可参见2007年10月电子工业出版社出版的《合成孔径雷达成像算法与实现》,(美)卡明(Cumming,I.G.)等著;洪文等译,ISBN978-7-121-04208-9。将成像处理后的数据通过PCI-Express总线送入服务器即可进行实时快视;如果单块GPU实时处理模块不能对输入的原始SAR数据进行实时处理,则可以利用多块GPU实时处理模块并行协作对其进行处理,以达到实时成像的目的。
GPU的架构解决并行计算问题,最多可以有数以百计个处理器,每个处理器都可以同时采用并行方式计算一部分数据,此外,GPU能够管理数千个并行线程,这数千个线程全部由GPU创建和管理。这些特点使得GPU具备了大规模计算集群的计算能力,适合做像有限元计算、金融风险建模和SAR成像等关联性强的海量数据处理。
图5是GPU内部数据并行处理方式。由于子孔径数据是分别以距离向位置和方位向时刻为坐标的二维数组。但在CS算法的处理步骤中,数据的处理是按照一维的方式进行的。因此,在处理距离向数据时,每一行数据对应同一方位时刻的一组采样点;将二维数据转置后,一行数据就代表同一距离位置的方位向采样点。
在一片GPU内,按照多处理器的运行方式,线程被划分为组(BLOCK),每组线程包含多个线程(THREAD)。因此,对于每个GPU所处理的子孔径数据,都按行划分为多个BLOCK,每个BLOCK处理一行数据,每个THREAD处理一行数据中的一个点。
本发明未尽事宜属于本领域公知技术。
Claims (2)
1.基于GPU的SAR实时成像处理设备,其特征在于主要包括:
SAR原始数据采集模块,将高速串行码流形式的原始数据利用串并转换模块转换为低速并行码流,然后利用电平转换芯片将其转换为LVTTL电平码流送入FPGA,将FPGA中的数据存入缓存中,再通过PCI总线上传至服务器;
服务器,将接收到的数据送入磁盘阵列和基于GPU的实时成像模块,根据接收的数据计算成像处理时用到的多普勒中心频率和调频率参数,送入基于GPU的实时成像模块,并实时获取基于GPU的实时成像模块的成像处理结果供实时显示;
基于GPU的实时成像模块,根据接收到的数据、多普勒中心频率以及调频率参数,利用GPU中的多个微处理核采用CS算法进行并行成像处理,将成像处理后的数据送入服务器;
磁盘阵列,接收服务器送入的数据并进行实时记录,供后续处理使用;
根据实时成像的需要,所述的基于GPU的实时成像模块的数量可以为一块或一块以上,所述的基于GPU的实时成像模块为两块或两块以上时,服务器将获得的SAR原始数据块按照方位向进行分块,每块数据的大小至少超过SAR的合成孔径长度,分块后的数据分别送到每片GPU上进行成像处理,为了满足方位向全分辨率成像的要求,多个GPU处理的子孔径数据之间有重叠。
2.根据权利要求1所述的基于GPU的SAR实时成像处理设备,其特征在于:所述的缓存分为两块,分别是第一缓存和第二缓存,FPGA将收到的数据首先存入第一缓存,当第一缓存存储满数据后,以中断的方式告诉CPU,CPU收到中断信号后,即刻以直接存储器存取DMA的方式将第一缓存中的数据搬入内存,同时FPGA将收到的数据写入第二缓存,当第二缓存存满数据后再以中断的方式告诉CPU,CPU收到中断信号,即刻以直接存储器存取DMA的方式将第二缓存中的数据搬入内存,与此同时,FPGA将收到的数据写入第一缓存,如此一直循环下去,即以乒乓的方式使得FPGA在写入缓存的同时,CPU可以读缓存,实现了FPGA与CPU的并行工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102389502A CN101441271B (zh) | 2008-12-05 | 2008-12-05 | 基于gpu的sar实时成像处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102389502A CN101441271B (zh) | 2008-12-05 | 2008-12-05 | 基于gpu的sar实时成像处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101441271A CN101441271A (zh) | 2009-05-27 |
CN101441271B true CN101441271B (zh) | 2011-07-20 |
Family
ID=40725793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102389502A Active CN101441271B (zh) | 2008-12-05 | 2008-12-05 | 基于gpu的sar实时成像处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101441271B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937555B (zh) * | 2009-07-02 | 2013-07-31 | 北京理工大学 | 基于gpu众核平台的脉冲压缩参考矩阵并行生成方法 |
CN101937422B (zh) * | 2009-07-02 | 2012-09-05 | 北京理工大学 | 基于gpu众核平台的fft并行方法 |
CN102680495B (zh) * | 2011-03-15 | 2016-09-07 | 上海赫立电子科技有限公司 | 自动光学检测装置及方法 |
CN102163231A (zh) * | 2011-04-13 | 2011-08-24 | 浪潮(北京)电子信息产业有限公司 | 数据收集方法和装置 |
CN102298139B (zh) * | 2011-05-18 | 2013-03-20 | 中国科学院计算技术研究所 | 基于fpga的sar成像系统的二维加窗方法 |
CN102608579B (zh) * | 2012-02-29 | 2014-04-02 | 西安空间无线电技术研究所 | 一种sar数据接收处理系统及方法 |
CN102788979B (zh) * | 2012-07-20 | 2014-04-09 | 电子科技大学 | 一种基于后向投影InSAR成像配准的GPU实现方法 |
CN102882585B (zh) * | 2012-09-05 | 2014-10-15 | 中国科学院对地观测与数字地球科学中心 | 用于数据记录与回放的装置、系统及方法 |
CN103033783B (zh) * | 2012-12-10 | 2015-08-26 | 深圳先进技术研究院 | 一种磁共振成像快速重建系统及方法 |
CN103116872B (zh) * | 2013-01-25 | 2015-11-25 | 西安电子科技大学 | 基于并行dsp的sar图像高速处理系统及其方法 |
CN104215962B (zh) * | 2014-08-04 | 2016-08-17 | 北京理工大学 | 基于单片FPGA的Chirp Scaling成像方法 |
CN108120980A (zh) * | 2017-12-13 | 2018-06-05 | 南京航空航天大学 | 一种星载sar多模式成像信号处理算法的fpga的实现方法 |
CN108802726B (zh) * | 2017-12-29 | 2020-04-14 | 西安电子科技大学 | 基于图形处理器gpu的合成孔径雷达成像方法 |
CN109542811B (zh) * | 2018-10-15 | 2021-12-07 | 广东宝莱特医用科技股份有限公司 | 一种数据通讯处理方法 |
CN109581375B (zh) * | 2018-12-24 | 2022-08-02 | 中国科学院电子学研究所 | 一种分布式sar原始数据回放设备 |
CN109444886B (zh) * | 2018-12-30 | 2020-06-26 | 成都汇蓉国科微系统技术有限公司 | 一种双基sar实时成像的并行计算处理方法、系统及介质 |
CN109884630B (zh) * | 2019-01-28 | 2022-11-01 | 南京航空航天大学 | 基于gpu的圆迹视频sar实时成像的方法 |
CN110108938B (zh) * | 2019-04-17 | 2020-07-10 | 北京航空航天大学 | 基于gpu数据流驱动的实时电磁频谱分析系统及方法 |
CN111045003A (zh) * | 2019-12-19 | 2020-04-21 | 航天恒星科技有限公司 | 基于vpx架构的主被动雷达复合导引头处理机系统 |
CN111289975B (zh) * | 2020-01-21 | 2022-04-22 | 博微太赫兹信息科技有限公司 | 一种多gpu并行计算的快速成像处理系统 |
CN111624601A (zh) * | 2020-06-08 | 2020-09-04 | 中国科学院空天信息创新研究院 | 一种sar实时成像处理方法及装置 |
CN113641625B (zh) * | 2021-08-19 | 2023-03-14 | 电子科技大学 | 一种基于fpga的四路并行数据处理转置系统 |
CN114567784B (zh) * | 2022-04-24 | 2022-08-16 | 银河麒麟软件(长沙)有限公司 | 一种用于飞腾显卡的vpu视频解码输出方法及系统 |
CN114675265A (zh) * | 2022-05-26 | 2022-06-28 | 湖南师范大学 | 基于软件定义的机载雷达成像方法、装置、设备及介质 |
CN114966691B (zh) * | 2022-07-14 | 2022-10-18 | 成都戎星科技有限公司 | 卫星sar数据记录快视与应用系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6018306A (en) * | 1998-08-21 | 2000-01-25 | Raytheon Company | Scalable range migration algorithm for high-resolution, large-area SAR imaging |
CN101082666A (zh) * | 2006-06-02 | 2007-12-05 | 中国科学院电子学研究所 | 基于自动测试系统实现对雷达脉冲信号高精度调制的方法 |
-
2008
- 2008-12-05 CN CN2008102389502A patent/CN101441271B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6018306A (en) * | 1998-08-21 | 2000-01-25 | Raytheon Company | Scalable range migration algorithm for high-resolution, large-area SAR imaging |
CN101082666A (zh) * | 2006-06-02 | 2007-12-05 | 中国科学院电子学研究所 | 基于自动测试系统实现对雷达脉冲信号高精度调制的方法 |
Non-Patent Citations (3)
Title |
---|
M.Blom etc..VHF SAR Image Formation Implemented on a GPU.《Geoscience and Remote Sensing Symposium》.2005,第3353~3355页. * |
王量等.基于FPGA的实时SAR成像系统转置存储的实现.《中国通信学会第五届学术年会论文集》.2008,第45~46页. * |
陈亮等.星载合成孔径雷达实时快视成像系统.《北京理工大学学报》.2008,第28卷(第6期),论文第545~546页. * |
Also Published As
Publication number | Publication date |
---|---|
CN101441271A (zh) | 2009-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101441271B (zh) | 基于gpu的sar实时成像处理设备 | |
CN107907867B (zh) | 一种多工作模式的实时sar快视系统 | |
CN102158694B (zh) | 一种基于gpu的遥感图像解压缩方法 | |
CN108132467A (zh) | 基于增强型adc的dsp+fpga双基前视sar成像方法及成像装置 | |
CN208766715U (zh) | 3*3卷积算法的加速电路 | |
CN102608579B (zh) | 一种sar数据接收处理系统及方法 | |
CN103605497B (zh) | 一种二值图像连通域标记快速识别方法 | |
CN109857702B (zh) | 一种基于机器人的激光雷达数据读写控制系统及芯片 | |
CN102759530A (zh) | 一种表面质量图像在线检测装置 | |
CN105931256A (zh) | 基于cuda的大幅面遥感影像快速分割方法 | |
CN102131053A (zh) | 一种适用于高速成像系统的数据采集、编码和存储方法 | |
CN109658337A (zh) | 一种图像实时电子消旋的fpga实现方法 | |
CN102866390A (zh) | 合成孔径雷达回波模拟器及回波模拟处理方法 | |
CN109683018B (zh) | 一种实时多帧频域数据的并行处理方法 | |
Fjeldtvedt et al. | CubeDMA–Optimizing three-dimensional DMA transfers for hyperspectral imaging applications | |
CN207503222U (zh) | 一种基于PCIe3.0接口的信号采集和实时信号处理模块 | |
CN103067706B (zh) | 基于fpga的ip核 | |
CN102446342A (zh) | 可重构二值运算器、可重构二值图像处理系统及其实现基本形态学算法的方法 | |
CN101567078B (zh) | 一种双总线的视觉处理芯片架构 | |
CN102970545A (zh) | 一种基于二维离散小波变换算法的静态图像压缩方法 | |
CN113038138A (zh) | 一种嵌入式图像处理及回传系统 | |
CN111275608B (zh) | 一种基于fpga的遥感影像正射纠正并行系统 | |
CN107170017A (zh) | 基于cpu/gpu协同处理的遥感数据快速入库方法 | |
CN103809937A (zh) | 一种基于gpu的通视并行处理方法 | |
CN106991638A (zh) | 一种基于序列影像Harris‑DOG特征提取的多粒度并行优化的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |