CN104181510A - 一种并行雷达脉冲压缩方法 - Google Patents
一种并行雷达脉冲压缩方法 Download PDFInfo
- Publication number
- CN104181510A CN104181510A CN201410453772.0A CN201410453772A CN104181510A CN 104181510 A CN104181510 A CN 104181510A CN 201410453772 A CN201410453772 A CN 201410453772A CN 104181510 A CN104181510 A CN 104181510A
- Authority
- CN
- China
- Prior art keywords
- time
- pulse compression
- real
- compression method
- gpu
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达信号处理领域,尤其涉及利用实时操作系统的实时调度的并行雷达脉冲压缩方法:使用linux内核中设置CPU亲和性的API函数,把实现脉冲压缩算法的进程绑定到多核CPU的某一个核心上,使所述多核CPU核心只做脉冲压缩的算法,在内核绑定的基础上,操作系统使用改进的实时调度机制,保证了脉冲压缩过程的实时处理,而不会受到系统中断,外部中断,其他进程运行等因素的影响,从而大大提高了系统的实时性。该方法有效的提高了脉冲压缩算法的实现效率,使雷达信号的实时处理真正成为可能。
Description
技术领域
本发明属于雷达信号处理领域,尤其涉及利用实时操作系统的实时调度的并行雷达脉冲压缩方法。
背景技术
线性调频信号是一种具有较大时带积的信号形式,它可以在保证一定的信号发射功率的情况下,达到较高的距离分辨率,因此在雷达系统中被广泛使用。对于线性调频信号中的脉冲压缩过程,需要进行多次快速傅氏变换算法(Fast FourierTransform Algorithm,FFT)变换以及多次乘加累计运算,因此把脉冲压缩的算法实现移植到图形处理器(Graphics Processing Unit,GPU)并行运算平台上,使用GPU并行计算的方法,可提高脉冲压缩算法的实现效率。
在普通的Linux操作系统中,通过使用GPU的并行计算的方法,在一定程度上提高了数据计算处理的效率,缩减了脉冲压缩过程的时间,但是在实际的雷达系统中,雷达信号处理机无时无刻不在处理来自雷达接收机的实时数据。而实际的Linux操作系统中用户程序所处的环境是相当复杂的,中断随时可能发生,而且还可能被其他用户或者内核进程抢断,而用户程序对于这种状态几乎没有任何的控制方法。对于持续到来的回波信号数据,用户程序很难保证每次都能够及时处理,程序执行的时间确定性较差。雷达系统为了保证每次系统都能及时处理数据,只能按照最长的处理时间来确定系统的数据率,这种情况下,GPU就很难获得较高的利用率,脉冲压缩的效率很难提高。而且,对于大量的回波数据,为了获得实时的雷达处理数据,只能把它们分发到多个数据处理机上进行处理,这就大大增加了系统的复杂性和成本。
发明内容
为了解决现有系统中制约脉冲压缩处理效率的问题,本发明提供了一种并行雷达脉冲压缩方法:使用linux内核中设置CPU亲和性的API函数,把实现脉冲压缩算法的进程绑定到多核CPU的某一个核心上,使所述多核CPU核心只做脉冲压缩的算法,在内核绑定的基础上,操作系统使用改进的实时调度机制,保证了脉冲压缩过程的实时处理,而不会受到系统中断,外部中断,其他进程运行等因素的影响,从而大大提高了系统的实时性。该方法有效的提高了脉冲压缩算法的实现效率,使雷达信号的实时处理真正成为可能。
一种并行雷达脉冲压缩方法,具体如下:
S1、设置进程的CPU亲和力掩码,即调用linux的系统调用API函数;
S2、屏蔽CPU0对外部中断的响应,获取程序调度延迟;
S3、屏蔽CPU0对本地时钟中断的响应;
S4、屏蔽CPU0对后台进程的响应;
S5、设置进程的优先级:基于Linux内核改进的实时内核调度策略;
S6、设定定时器中断,每隔T us产生一次中断,所述T us用一个脉冲重复周期内的GPU计算时间决定;
S7、为脉冲压缩的计算分配GPU资源,将数据从主机中拷贝到GPU的全局存储器中,每次拷贝的数据量是由脉冲重复周期内的采样点确定,其中,采样点数=采样时间/采样间隔;
S8、调用GPU的Kernel进行脉冲压缩,并输出脉冲压缩结果;
S9、在GPU做前一个脉冲重复周期内数据的脉冲压缩算法的同时,CPU中预读取下一个脉冲重复周期内的数据,为下次的计算做好准备;
S10、把GPU的计算结果写回内存中,用于后续运算;
S11、把下一个脉冲重复周期的数据送入GPU中进行下一轮运算;
S12、重复S6~S10,直到进程结束。
进一步地,S5所述实时调度策略为:调度机制SCHED_OTHER。
进一步地,S5所述实时调度策略为:先到先服务的实时调度机制SCHED_FIFO。
进一步地,S5所述实时调度策略为:基于时间片轮转的实时调度机制SCHED_RR。
进一步地,S6所述定时器为ITIMER_REAL、ITIMER_VIRTUAL和ITIMER_PROF。
进一步地,S8所述调用GPU的Kernel进行脉冲压缩算法的计算,可以采用时域脉冲压缩方法,可以采用频域脉冲压缩方法。
进一步地,所述时域脉冲压缩方法具体为:使回波信号通过一个脉冲压缩匹配滤波器进行卷积运算,输出脉冲压缩结果so(t)=si(t)*h(t),所述回波信号通过脉冲压缩匹配滤波器的时域形式为其中,ss表示发射信号的时域形式,td表示从发射信号到接收信号的时间延迟,K表示一个增益系数,si(t)表示所述回波信号的时域形式,t为时间轴上的时间值,t∈[0,+∞]。
进一步地,所述频域脉冲压缩方法具体为:
步骤1、对回波信号的时域形式进行傅里叶变换到频域,所述回波信号的频域表现形式为其中,Si(n)为所述回波信号的时域离散时间表现形式,N表示一个脉冲重复周期之内的信号采样点数,Si(n)表示离散的输入序列中的第n个值,0≤n≤N-1,0≤k≤N-1;
步骤2、对脉冲压缩匹配滤波器的时域形式进行傅里叶变换到频域,所述脉冲压缩匹配滤波器的频域表示形式为其中,h(n)是所述脉冲压缩匹配滤波器的离散时域表示;
步骤3、输出脉冲压缩结果So(k)=Si(k)*H(k);
步骤4、对步骤3所述So(k)进行傅里叶变换,将所述脉冲压缩结果从频域变换到时域So(n)=IFFT(So(k))。
本发明的有益效果是:
在改进的实时Linux操作系统中,本发明对系统的调度机制进行了修改,使进程执行环境的可控性增强,在该系统中程序能够严格控制程序的执行环境,通过相关的设置,可在多核CPU的某一个核心上,屏蔽中断响应,禁止其他进程的运行,只允许需要进行实时运算的进程运行,最大程度减少进程之间的调度切换,从而使进程的实时处理能力大大提高。
程序执行的时间确定性得到很大的改善,可以处理更高数据率的数据,大大加速了脉冲压缩的过程,极大地提高了雷达系统的实时性。
附图说明
图1是本发明的实验流程图。
具体实施方式
下面结合实施例和附图,详细说明本发明的技术方案。
实施例1、
选用双核四线程的i3处理器,选择CPU0作为实现脉冲压缩算法的CPU核心,选择NVIDIA公司Tesla系列的K20计算卡,计算能力为V3.5。选用NVIDIA的通用并行计算架构CUDA。
如图1所示:
S1、设置进程的CPU亲和力掩码,即调用linux的系统调用API函数。一个进程的CPU亲合力掩码决定了该进程将在哪个或哪几个CPU上运行。脉冲压缩进程的CPU亲和力掩码为1(对应二进制码为0001,二进制的位与CPU编号对应),即表示进程只能在CPU0上运行,实现了把脉冲压缩算法的进程绑定到了CPU0上执行。调用linux的系统调用API函数sched_setaffinity,设置对应CPU为当前进程的执行CPU核心。
所述函数sched_setaffinity的使用方法为:sched_setaffinity(pid_t pid,size_tcpusetsize,cpu_set_t*mask)。其中,pid表示需要设置或获取绑定信息的进程id,若pid为0,则表示对当前调用的线程进行设置;参数cpusetsize一般设置为sizeof(cpu_set_t),用以表示参数mask指向的内存结构对象的大小;参数mask指向类型为cpu_set_t对象的指针,用以设置指定进程可以使用的CPU核列表,本实施例中该值设置参数mask为1,表示进程只能在CPU0上执行。
S2、屏蔽CPU0对外部中断的响应,获取程序调度延迟。当多个中断被分配到同一个CPU上时,恰好目标进程也运行在这个CPU上,程序的调度延迟就更加无法预测了,因为此时会出现中断嵌套的现象,中断会堆积起来。通过屏蔽CPU0上的中断响应,可以获得最小的程序调度延迟,而且程序调度延迟的确定性也大大增强。对于实时程序来说,最大的程序调度延迟是系统的一个关键指标,因为最长的响应时间将决定实时程序满足deadline情况下的处理能力。屏蔽CPU的中断响应是通过读写proc文件系统中的/proc/shield/irqs文件实现的。所述/proc/shield/irqs文件存放的是一个二进制的数字,所述/proc/shield/irqs每一位代表一个CPU核心的位掩码,例如0001—bit0置位。
读写proc文件系统中的/proc/shield/irqs文件:fprintf(irqs_fd,"%d",shield_code);,表示把int类型的shield_code变量(0001)写入FILE*类型变量irqs_fd表示的文件(/proc/shield/irqs)中,表示屏蔽掉CPU0的中断响应。
S3、屏蔽CPU0对本地时钟中断的响应。在系统中,每个CPU核心都有一个私有的定时器,这个定时器每10ms产生一个中断信号,因此本地定时器中断是程序执行过程中发生的最频繁的中断抖动。如果不屏蔽掉这个本地时钟中断,就会对程序的实时性带来严重的影响。但是,系统中可能会有一些程序依赖这个本地时钟工作,例如低精度的闹钟程序,因此应该把这些程序放到其他的CPU核心上执行。屏蔽CPU的本地定时器是通过读写proc文件系统中的/proc/shield/ltms文件实现的。所述/proc/shield/ltms文件存放的是一个二进制的数字,所述/proc/shield/ltms文件每一位代表一个CPU核心的位掩码,例如0001—bit0置位。
读写proc文件系统中的/proc/shield/ltms文件:
fprintf(ltmrs_fd,"%d",shield_code);,表示把int类型的shield_code变量(0001)写入FILE*类型的ltmrs_fd变量表示的文件(/proc/shield/ltms)中,表示屏蔽CPU0的定时器中断。
S4、屏蔽CPU0对后台进程的响应。当一个CPU允许后台程序的运行时,它会影响一个需要对中断实时响应的高优先级任务的程序调度延迟。因为后台程序会默认的调用禁用中断和进程抢占的系统调用。但是对于高优先级的进程的确定性执行没有影响。前提是后台进程的优先级没有此高优先级的进程优先级高。屏蔽CPU的后台程序是通过读写proc文件系统中的/proc/shield/procs文件实现的。所述/proc/shield/procs文件存放的是一个二进制的数字,所述/proc/shield/procs文件每一位代表一个CPU核心的位掩码,例如0001—bit0置位。
读写proc文件系统中的/proc/shield/procs文件:fprintf(procs_fd,"%d",shield_code);,表示把int类型的shield_code变量(0001)写入FILE*类型的procs_fd变量表示的文件(/proc/shield/procs)中,表示屏蔽CPU0对后台进程的响应。
S5、设置进程的优先级:采用先进先出实时调度机制SCHED_RR进行调度。基于Linux内核改进的实时内核有三种调度策略:普通的调度机制SCHED_OTHER、先到先服务的实时调度机制SCHED_FIFO和基于时间片轮转的实时调度机制SCHED_RR。SCHED_OTHER调度策略是一种基于优先级的动态调度策略,用于普通的进程。SCHED_FIFO与SCHED_RR都是用于实时进程的调度策略,二者的区别是当进程的调度策略为SCHED_FIFO时,当前实时进程将一直占用CPU直至自动退出,除非有更紧迫的、优先级更高的实时进程需要运行时,它才会被抢占CPU;当进程的调度策略为SCHED_RR时,它与其它实时进程以实时轮流算法去共同使用CPU,用完时间片放到运行队列尾部。
最为优选,选择SCHED_RR的实时调度策略进行调度。选择调度策略的方法是调用系统的API函数sched_setscheduler,用户可以通过填充一个structsched_param结构体变量,然后调用sched_setscheduler。
sched_setscheduler函数的使用方法如下:sched_setscheduler(pid_t pid,int policy,const struct sched_param*param);,参数pid表示需要设置或获取绑定信息的进程id,如果为0,表示对当前调用的线程进行设置;参数policy表示所述参数pid所指定进程的调度策略,这里设置成SCHED_RR;参数structsched_param指向的指针,该结构中的sched_priority表示进程的调度优先级,这里设置成60。
S6、设定定时器中断,每隔T us产生一次中断,所述T us用一个脉冲重复周期内的GPU计算时间决定。假设为T us,设置一个定时器中断,每隔T us产生一次中断。而CPU在GPU做前一个点的脉冲压缩运算时就可以去准备下一个点的数据读取与准备,在下一次中断到来时,就可以立刻进行下一个脉冲重复周期内数据的脉冲压缩运算,从而极大了提高了程序的执行效率。而能够最高效率的利用GPU资源和CPU资源的前提就是程序执行的时间确定性很好,能够在预定的时间内做完所有的工作。对于定时器的具体实现,调用Linux系统的setitimer函数即可。
setitimer函数的使用方法如下:setitimer(int which,const struct itimerval*value,struct itimerval*ovalue);参数which为定时器类型,第二个参数是指向structitimerval的一个指针,struct itimerval包含it_interval和it_value两个成员,it_interval指定间隔时间,it_value指定初始定时时间;第三个参数ovalue用来保存先前的值,常设为NULL,不做处理,其中,setitimer支持3种类型的定时器:ITIMER_REAL,所述定时器ITIMER_REAL以系统真实的时间来计算,送出SIGALRM信号;ITIMER_VIRTUAL,所述定时器ITIMER_VIRTUAL以该进程在用户态下花费的时间来计算,送出SIGVTALRM信号;ITIMER_PROF,所述定时器ITIMER_PROF以该进程在用户态下和内核态下所费的时间来计算,送出SIGPROF信号。
作为优选,本实施例选用ITIMER_REAL类型的定时器。
S7、为脉冲压缩的计算分配GPU资源,将数据从主机中拷贝到GPU的全局存储器中,每次拷贝的数据量是由脉冲重复周期内的采样点确定,采样点数越大,就表示要计算的数据量越大,其中,采样点数=采样时间/采样间隔。
首先需要把数据从主机中拷贝到GPU的全局存储器中,由于每次计算的是一个脉冲重复周期内的数据,因此一次数据拷贝的数据量是由PRF决定的。cudamemcpy函数是一个异步调度的函数,因此为了使数据同步,在内存拷贝之后,需要调用一个cudaDeviceSynchronize函数。
cudamemcpy函数:cudaMemcpy(void*dst,const void*src,size_t count,enumcudaMemcpyKind kind),该函数事项从src指向的存储器区域中将count个字节复制到dst指向的存储器区域,其中kind是cudaMemcpyHostToHost、cudaMemcpyHostToDevice、cudaMemcpy DeviceToHost或cudaMemcpyDeviceToDevice之一,用于指定复制的方向。
cudaDeviceSynchronize()函数:该函数不需要任何参数输入,仅仅是在异步调度中使数据同步。
S8、调用GPU的Kernel进行脉冲压缩,并输出脉冲压缩结果。
调用GPU的Kernel进行脉冲压缩算法的计算,可以采用时域脉冲压缩方法,可以采用频域脉冲压缩方法。
最为优选,采用的是频域脉冲压缩的方法。首先对于输入信号和匹配滤波器进行傅里叶变换,对于典型的傅里叶变换,NVIDIA公司提供了标准的实现库函数,调用对应的库函数即可实现对于输入的傅里叶变换。计算得到的Si(k)和H(k)都是向量,把这两个向量对应项相乘,得到So(k),最后再调用FFT运算的标准库函数,通过一个傅里叶反变换就得到了so(n)。
S9、在GPU做前一个脉冲重复周期内数据的脉冲压缩算法的同时,CPU中预读取下一个脉冲重复周期内的数据,为下次的计算做好准备;
S10、把GPU的计算结果写回内存中,用于后续运算。在Kernel完成一次运算之后,需要把计算结果从GPU写回到主机中的内存中,以便后续处理。而cudamemcpy函数是一个异步调度的函数,因此为了使数据同步,在内存拷贝之后,需要调用一个cudaDeviceSynchronize函数。
S11、把下一个脉冲重复周期的数据送入GPU中进行下一轮运算。
S12、重复S6~S10,直到进程结束。
Claims (8)
1.一种并行雷达脉冲压缩方法,其特征在于,包括以下步骤:
S1、设置进程的CPU亲和力掩码,即调用linux的系统调用API函数;
S2、屏蔽CPU0对外部中断的响应,获取程序调度延迟;
S3、屏蔽CPU0对本地时钟中断的响应;
S4、屏蔽CPU0对后台进程的响应;
S5、设置进程的优先级:基于Linux内核改进的实时内核调度策略;
S6、设定定时器中断,每隔T us产生一次中断,所述T us用一个脉冲重复周期内的GPU计算时间决定;
S7、为脉冲压缩的计算分配GPU资源,将数据从主机中拷贝到GPU的全局存储器中,每次拷贝的数据量是由脉冲重复周期内的采样点确定,其中,采样点数=采样时间/采样间隔;
S8、调用GPU的Kernel进行脉冲压缩,并输出脉冲压缩结果;
S9、在GPU做前一个脉冲重复周期内数据的脉冲压缩算法的同时,CPU中预读取下一个脉冲重复周期内的数据,为下次的计算做好准备;
S10、把GPU的计算结果写回内存中,用于后续运算;
S11、把下一个脉冲重复周期的数据送入GPU中进行下一轮运算;
S12、重复S6~S10,直到进程结束。
2.根据权利要求1所述的一种并行雷达脉冲压缩方法,其特征在于:S5所述实时调度策略为:调度机制SCHED_OTHER。
3.根据权利要求1所述的一种并行雷达脉冲压缩方法,其特征在于:S5所述实时调度策略为:先到先服务的实时调度机制SCHED_FIFO。
4.根据权利要求1所述的一种并行雷达脉冲压缩方法,其特征在于:S5所述实时调度策略为:基于时间片轮转的实时调度机制SCHED_RR。
5.根据权利要求1所述的一种并行雷达脉冲压缩方法,其特征在于:S6所述定时器为ITIMER_REAL、ITIMER_VIRTUAL和ITIMER_PROF。
6.根据权利要求1所述的一种并行雷达脉冲压缩方法,其特征在于:S8所述调用GPU的Kernel进行脉冲压缩算法的计算,可以采用时域脉冲压缩方法,可以采用频域脉冲压缩方法。
7.根据权利要求6所述的一种并行雷达脉冲压缩方法,其特征在于:所述时域脉冲压缩方法具体为:使回波信号通过一个脉冲压缩匹配滤波器进行卷积运算,输出脉冲压缩结果so(t)=si(t)*h(t),所述回波信号通过脉冲压缩匹配滤波器的时域形式为其中,ss表示发射信号的时域形式,td表示从发射信号到接收信号的时间延迟,K表示一个增益系数,si(t)表示所述回波信号的时域形式,t为时间轴上的时间值,t∈[0,+∞]。
8.根据权利要求6所述的一种并行雷达脉冲压缩方法,其特征在于:所述频域脉冲压缩方法具体为:
步骤1、对回波信号的时域形式进行傅里叶变换到频域,所述回波信号的频域表现形式为其中,Si(n)为所述回波信号的时域离散时间表现形式,N表示一个脉冲重复周期之内的信号采样点数,Si(n)表示离散的输入序列中的第n个值,0≤n≤N-1,0≤k≤N-1;
步骤2、对脉冲压缩匹配滤波器的时域形式进行傅里叶变换到频域,所述脉冲压缩匹配滤波器的频域表示形式为其中,h(n)是所述脉冲压缩匹配滤波器的离散时域表示;
步骤3、输出脉冲压缩结果So(k)=Si(k)*H(k);
步骤4、对步骤3所述So(k)进行傅里叶变换,将所述脉冲压缩结果从频域变换到时域So(n)=IFFT(So(k))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410453772.0A CN104181510A (zh) | 2014-09-05 | 2014-09-05 | 一种并行雷达脉冲压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410453772.0A CN104181510A (zh) | 2014-09-05 | 2014-09-05 | 一种并行雷达脉冲压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104181510A true CN104181510A (zh) | 2014-12-03 |
Family
ID=51962712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410453772.0A Pending CN104181510A (zh) | 2014-09-05 | 2014-09-05 | 一种并行雷达脉冲压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104181510A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897132A (zh) * | 2017-02-27 | 2017-06-27 | 郑州云海信息技术有限公司 | 一种服务器任务调度的方法以及装置 |
CN108802697A (zh) * | 2017-12-29 | 2018-11-13 | 西安电子科技大学 | 一种脉冲多普勒雷达信号的混合并行处理方法 |
CN109062502A (zh) * | 2018-07-10 | 2018-12-21 | 郑州云海信息技术有限公司 | 一种数据压缩方法、装置、设备及计算机可读存储介质 |
CN110208751A (zh) * | 2019-06-21 | 2019-09-06 | 电子科技大学 | 一种基于gpu加速的雷达信号旁瓣对消实现方法 |
CN110320501A (zh) * | 2019-06-27 | 2019-10-11 | 电子科技大学 | 一种基于gpu的雷达信号脉冲压缩方法 |
CN111490866A (zh) * | 2020-03-19 | 2020-08-04 | 西安电子科技大学 | 一种高速并行解调结构中的定时恢复方法、数字通信系统 |
WO2021057302A1 (zh) * | 2019-09-29 | 2021-04-01 | 中兴通讯股份有限公司 | 数字预失真实现方法、系统、可读存储介质及dpd装置 |
CN113406572A (zh) * | 2021-06-23 | 2021-09-17 | 四川九洲电器集团有限责任公司 | 一种雷达并行处理系统及方法、存储介质、终端 |
CN115858704A (zh) * | 2022-11-25 | 2023-03-28 | 长江三峡集团福建能源投资有限公司 | 陆地区掩码过滤方法、系统及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937082A (zh) * | 2009-07-02 | 2011-01-05 | 北京理工大学 | 基于gpu众核平台的合成孔径雷达并行成像方法 |
CN101937555A (zh) * | 2009-07-02 | 2011-01-05 | 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 |
CN102788979A (zh) * | 2012-07-20 | 2012-11-21 | 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 |
CN103176170A (zh) * | 2013-02-06 | 2013-06-26 | 中国科学院电子学研究所 | 一种基于gpu并行计算的sar回波模拟方法 |
-
2014
- 2014-09-05 CN CN201410453772.0A patent/CN104181510A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937082A (zh) * | 2009-07-02 | 2011-01-05 | 北京理工大学 | 基于gpu众核平台的合成孔径雷达并行成像方法 |
CN101937555A (zh) * | 2009-07-02 | 2011-01-05 | 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 |
CN102788979A (zh) * | 2012-07-20 | 2012-11-21 | 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 |
CN103176170A (zh) * | 2013-02-06 | 2013-06-26 | 中国科学院电子学研究所 | 一种基于gpu并行计算的sar回波模拟方法 |
Non-Patent Citations (3)
Title |
---|
刘有高等: "Linux下多线程并行处理在HT-7极向场控制系统的应用", 《计算机应用》 * |
施惠丰等: "基于多核的多线程程序优化研究", 《计算机技术与发展》 * |
王伟等: "基于MPCore与Linux的中断亲和性研究", 《南京大学学报(自然科学版)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897132A (zh) * | 2017-02-27 | 2017-06-27 | 郑州云海信息技术有限公司 | 一种服务器任务调度的方法以及装置 |
CN108802697A (zh) * | 2017-12-29 | 2018-11-13 | 西安电子科技大学 | 一种脉冲多普勒雷达信号的混合并行处理方法 |
CN108802697B (zh) * | 2017-12-29 | 2020-04-14 | 西安电子科技大学 | 一种脉冲多普勒雷达信号的混合并行处理方法 |
CN109062502A (zh) * | 2018-07-10 | 2018-12-21 | 郑州云海信息技术有限公司 | 一种数据压缩方法、装置、设备及计算机可读存储介质 |
CN110208751A (zh) * | 2019-06-21 | 2019-09-06 | 电子科技大学 | 一种基于gpu加速的雷达信号旁瓣对消实现方法 |
CN110320501A (zh) * | 2019-06-27 | 2019-10-11 | 电子科技大学 | 一种基于gpu的雷达信号脉冲压缩方法 |
WO2021057302A1 (zh) * | 2019-09-29 | 2021-04-01 | 中兴通讯股份有限公司 | 数字预失真实现方法、系统、可读存储介质及dpd装置 |
CN111490866A (zh) * | 2020-03-19 | 2020-08-04 | 西安电子科技大学 | 一种高速并行解调结构中的定时恢复方法、数字通信系统 |
CN111490866B (zh) * | 2020-03-19 | 2021-11-23 | 西安电子科技大学 | 一种高速并行解调结构中的定时恢复方法、数字通信系统 |
CN113406572A (zh) * | 2021-06-23 | 2021-09-17 | 四川九洲电器集团有限责任公司 | 一种雷达并行处理系统及方法、存储介质、终端 |
CN115858704A (zh) * | 2022-11-25 | 2023-03-28 | 长江三峡集团福建能源投资有限公司 | 陆地区掩码过滤方法、系统及装置 |
CN115858704B (zh) * | 2022-11-25 | 2023-10-03 | 长江三峡集团福建能源投资有限公司 | 陆地区掩码过滤方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104181510A (zh) | 一种并行雷达脉冲压缩方法 | |
US10831556B2 (en) | Virtual CPU consolidation to avoid physical CPU contention between virtual machines | |
US6360243B1 (en) | Method, device and article of manufacture for implementing a real-time task scheduling accelerator | |
US6430593B1 (en) | Method, device and article of manufacture for efficient task scheduling in a multi-tasking preemptive priority-based real-time operating system | |
US6128672A (en) | Data transfer using software interrupt service routine between host processor and external device with queue of host processor and hardware queue pointers on external device | |
EP1271314B1 (en) | Sleep queue management for operating systems | |
CN103389913B (zh) | 一种用于Linux系统的实时中断处理方法 | |
Aldarmi et al. | Dynamic value-density for scheduling real-time systems | |
EP3147785B1 (en) | Task processing method and device | |
Behera et al. | A new dynamic round robin and SRTN algorithm with variable original time slice and intelligent time slice for soft real time systems | |
AU2017340920B2 (en) | Systems and methods for allocating antenna resources | |
CN111597044A (zh) | 任务调度方法、装置、存储介质及电子设备 | |
CN106802689B (zh) | Windows操作系统环境下可调速高精度定时器的实现方法 | |
CN112840309B (zh) | 命令调度方法、装置及存储介质 | |
CN103793274B (zh) | 一种credit调度器中增量时间片调整装置及方法 | |
CN109426529B (zh) | 基于x窗口系统图形绘制的方法、装置及终端 | |
CN111258782B (zh) | 任务队列的处理方法和装置 | |
AL-Bakhrani et al. | Comparative analysis of cpu scheduling algorithms: Simulation and its applications | |
US9152451B2 (en) | Method of distributing processor loading between real-time processor threads | |
Yue et al. | Research on real-time scheduling method of RTAI-linux based on edf algorithm | |
Cingel et al. | Characteristics of SPI drivers in RTOS environment | |
CN103699042A (zh) | 一种并发中断驱动软件系统的时序确定方法 | |
CN110442434B (zh) | 一种任务调度方法、装置、存储介质和服务器 | |
GB2522477A (en) | Speculative interrupt signalling | |
CN109800073B (zh) | 实时进程的调度方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141203 |
|
WD01 | Invention patent application deemed withdrawn after publication |