CN104459693A - 基于gpu的弹载sar前斜视成像方法 - Google Patents
基于gpu的弹载sar前斜视成像方法 Download PDFInfo
- Publication number
- CN104459693A CN104459693A CN201410719487.9A CN201410719487A CN104459693A CN 104459693 A CN104459693 A CN 104459693A CN 201410719487 A CN201410719487 A CN 201410719487A CN 104459693 A CN104459693 A CN 104459693A
- Authority
- CN
- China
- Prior art keywords
- orientation
- distance
- fourier transform
- data
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于弹载SAR成像技术领域,特别涉及基于GPU的弹载SAR前斜视成像方法。其具体步骤为:在CPU端设置合成孔径雷达的工作参数,将合成孔径雷达的工作参数存储于GPU中,将SAR原始回波数据以矩阵的形式存储于GPU中;在GPU端,对SAR原始回波数据矩阵作距离向处理,得出距离方位二维时域数据;步骤3,在GPU端,将距离方位二维时域数据矩阵沿方位向进行补零扩展,得出大小为Na′×Nr的方位向补零扩展后的距离方位二维时域数据矩阵;步骤4,在GPU端,对方位向补零扩展后的距离方位二维时域数据矩阵依次进行方位向处理,得出聚焦后的SAR图像数据。
Description
技术领域
本发明属于弹载SAR成像技术领域,特别涉及基于GPU的弹载SAR前斜视成像方法。
背景技术
随着合成孔径雷达成像技术的发展,将合成孔径雷达(SAR)与精确制导技术相结合的弹载SAR已成为近年的研究热点。由于弹载SAR需要高分辨率以获得更多的目标信息,使目标的形状和精细结构更清晰地呈现出来,从而大大提高对目标的识别能力和精确打击能力;而在军事上,弹载SAR通常在侦查完后还需完成攻击,为了保证导弹具备一定的转弯机动时间,弹载SAR一般需在前斜视的情况下成像。因此对弹载SAR前斜视的成像研究具有重要意义。目前的弹载SAR前斜视并行成像处理大部分基于DSP和FPGA等平台,不仅导致系统并行结构复杂,而且硬件成本高。
发明内容
本发明的目的在于提出基于GPU的弹载SAR前斜视成像方法。
为实现上述技术目的,本发明采用如下技术方案予以实现。
基于GPU的弹载SAR前斜视并行成像方法包括以下步骤:
步骤1,在CPU端设置合成孔径雷达的工作参数,并获取SAR原始回波数据,所述合成孔径雷达的工作参数包括合成孔径雷达方位向采样点数Na、合成孔径雷达距离向采样点数Nr;CPU将合成孔径雷达的工作参数存储于GPU中,将SAR原始回波数据以矩阵的形式存储于GPU中;
步骤2,在GPU端,对SAR原始回波数据矩阵作距离向处理,得出距离方位二维时域数据;所述对SAR原始回波数据矩阵作距离向处理的过程为:针对SAR原始回波数据矩阵依次进行距离向傅里叶变换、距离向脉冲压缩、进行距离走动校正及多普勒中心补偿、方位向傅里叶变换、距离弯曲校正、二次距离向脉冲压缩、距离向逆傅里叶变换和方位向逆傅里叶变换;
步骤3,在GPU端,将距离方位二维时域数据矩阵沿方位向进行补零扩展,得出大小为Na′×Nr的方位向补零扩展后的距离方位二维时域数据矩阵,Na′为大于Na的自然数;
步骤4,在GPU端,对方位向补零扩展后的距离方位二维时域数据矩阵依次进行方位向傅里叶变换、转置,得出转置后的方位向傅里叶变换后数据矩阵;在方位频域,针对转置后的方位向傅里叶变换后数据矩阵每个元素,计算对应的高次相位补偿函数和高次相位滤波函数,将转置后的方位向傅里叶变换后数据矩阵每个元素依次乘以对应相位补偿函数和相位滤波函数,得出相位补偿及相位滤波后的方位频域数据;所述相位补偿函数用于对转置后的方位向傅里叶变换后数据矩阵对应的元素进行四次相位补偿和五次相位补偿,所述相位滤波函数用于对转置后的方位向傅里叶变换后数据矩阵对应的元素进行二次相位校正和三次相位校正;在得出相位补偿及相位滤波后的方位频域数据之后,在GPU端,对相位补偿及相位滤波后的方位频域数据进行方位向逆傅里叶变换,得出相位补偿及相位滤波后的方位时域数据;在方位时域针对相位补偿及相位滤波后的方位时域数据,补偿由相位滤波函数引入的高次相位,得出残余高次相位补偿后的方位时域数据;对残余高次相位补偿后的方位时域数据进行方位deramp处理,对方位deramp处理后的方位时域数据进行方位向傅里叶变换,得到聚焦后的SAR图像数据。
本发明的有益效果为:本发明充分挖掘了弹载SAR前斜视成像算法的并行性,不以损失分辨率或精度为代价,有效减少了成像时间。同时由于GPU造价较便宜,能大量减少硬件成本。
附图说明
图1为本发明的基于GPU的弹载SAR前斜视成像方法的流程图;
图2为GPU端进行距离向处理时核函数的线程分配方式示意图;
图3为本发明实施例中频域匹配滤波的参考函数与距离频域方位时域数据矩阵的相乘运算的过程的示意图;
图4为GPU端进行方位向处理时核函数的线程分配方式示意图;
图5a为仿真实验中利用本发明得出的五个点目标的成像结果示意图;
图5b为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第一个点目标的等高线图;
图5c为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第二个点目标的等高线图;
图5d为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第三个点目标的等高线图;
图5e为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第四个点目标的等高线图。
图6a为仿真实验中包含五个点目标的原始场景图;
图6b为仿真实验中利用本发明得出的五个点目标回波的成像结果示意图。
具体实施方式
下面结合附图对本发明作进一步说明:
参照图1,为本发明的基于GPU的弹载SAR前斜视成像方法的流程图。本发明实施例中,成像的主要处理步骤都在GPU上进行,距离向的处理包括距离向脉冲压缩、距离走动校正和多普勒中心补偿、距离弯曲校正、二次距离脉冲压缩,方位向的处理包括补偿方位向非空变的高次相位、高次相位滤波、补偿残余高次相位、乘以Deramp函数。这些处理在GPU端的4个核函数中完成,其中第1核函数和第2核函数主要负责距离向的处理,第3核函数3和第4核函数主要负责方位向的处理。在进行成像处理时,将原始回波数据复制到GPU端的全局内存上,通过调用4个核函数完成以上步骤的处理,得到聚焦图像,再将成像结果复制到CPU的内存上。处理过程中核函数需要的一些计算量较小的数据放在CPU端计算后再复制到GPU端,而对回波数据的处理都在GPU端进行。回波数据在GPU端存储为矩阵。在调用核函数处理回波矩阵时,每个线程块处理矩阵的一行数据,其中每个线程通过while循环处理一行的多个元素,不同的处理步骤循环中的计算任务不同。
步骤1,在CPU端设置合成孔径雷达的工作参数,并获取SAR原始回波数据;CPU将合成孔径雷达的工作参数存储于GPU中,将SAR原始回波数据以矩阵的形式存储于GPU中;在GPU端,为SAR原始回波数据矩阵的每一行划分对应的一个线程块。
其具体子步骤为:
(1.1)在CPU端,将合成孔径雷达的工作模式设为条带成像模式。在CPU端设置雷达的工作参数。上述合成孔径雷达的工作参数包括合成孔径雷达的常量参数和合成孔径雷达的工作向量。合成孔径雷达的常量参数包括:合成孔径雷达方位向采样点数Na、合成孔径雷达距离向采样点数Nr、合成孔径雷达距离向采样率Fs、合成孔径雷达发射信号的线性调频率γ、合成孔径雷达发射信号的脉冲宽度Tp、合成孔径雷达发射信号的载频频率fc、合成孔径雷达斜视角θ0、弹体飞行速度v、合成孔径雷达波束中心线扫过目标时的斜距R0、多普勒中心频率fdc、光速c等,合成孔径雷达的工作向量包括距离时间向量tr、方位时间向量tm、距离向频率向量fr、方位向频率向量fa、各距离单元对应的斜距组成的向量R。
由于上述雷达的常量参数的总存储量(所占空间)较小,并且在后续处理的GPU并行实现中,大量并行的线程需要读取相同的雷达参数进行计算,所以在CPU端设置雷达的工作参数之后,将雷达的工作参数复制到GPU的常量内存上。相比于复制到GPU的全局内存,复制到GPU的常量内存上时能大幅提高线程读取雷达的工作参数的速度。而对于雷达的工作向量(离散的向量),大量线程需要读取向量不同地址位置的值,如果使用常量内存程序并不能获得有效的加速,而且常量内存的空间有限,因此在本发明中,在CPU端设置雷达的工作参数之后,利用CPU将雷达的工作向量复制到GPU的全局内存上。
利用CPU接收原始回波数据(例如原始回波数据预先存储于与CPU连接的内存中,利用CPU调用来自内存的原始回波数据)。CPU在接收到原始回波数据之后,将原始回波数据复制到GPU。具体地说,CPU接收的原始回波数据表现为一维数组,由于原始回波数据沿方位向存储,也就是将Na条距离线的回波依次存放,每条距离线长度为Nr,所以CPU可以将接收的原始回波数据以原始回波数据矩阵的形式存储于GPU中,该矩阵的行数为Na,列数为Nr;也就是说,CPU每读取Nr个数值,便将这Nr个数值存储在原始回波数据矩阵的对应的行中。
(1.2)在子步骤(1.1)之后,需要为实现距离向处理的核函数分配线程网格。对线程划分具体的方式在距离向和方位向处理中略有不同。由于本发明中较多的FFT(傅里叶变换)操作要求各个数组之间地址连续,所以距离向处理的过程中回波数据沿方位向存储,方位向处理时数据沿距离向存储,实现距离向处理和方位向的核函数也就要以不同的线程块网格执行。
在GPU端,使用两个核函数实现距离向处理,其中,第1核函数实现距离向脉冲压缩、距离走动校正和多普勒中心补偿,第2核函数实现距离弯曲校正和二次距离脉冲压缩,都是距离向的处理,它们的线程组织方式如图2所示。参照图2,为GPU端进行距离向处理时核函数的线程分配方式示意图。图2中,Block(0,1)至Block(0,Na)分别表示Na个线程块,Thread0至Thread255分别表示256个线程。
对于距离向的处理而言,GPU端调用核函数前只要保证回波数据沿方位向存储,那么回波矩阵中一行就是一条距离线的数据。因此,在子步骤(1.1)之后,设置Na个线程块,在Na个线程块中,第i个线程块用于对原始回波数据矩阵的第i行进行处理,i取1至Na,Na为方位向采样点数。也就是说,Na个线程块中的每个线程块可以处理一个方位向采样点处的数据,Na个线程块就可以处理Na个方位向采样点处的数据,也就是回波矩阵的Na行。以此线程网格执行第1核函数和第2核函数,便于线程对全局内存的合并访问和提高流处理器的占用率,本发明中单个线程块均设为行连续的256个线程。每个线程通过循环处理多个距离单元,使线程负责足够多的计算以保证核函数的效率。
步骤2,在GPU端,对SAR原始回波数据矩阵作距离向处理,得出距离方位二维时域数据;所述对SAR原始回波数据矩阵作距离向处理的过程为:针对SAR原始回波数据矩阵依次进行距离向傅里叶变换、距离向脉冲压缩、进行距离走动校正及多普勒中心补偿、方位向傅里叶变换、距离弯曲校正、二次距离向脉冲压缩、距离向逆傅里叶变换和方位向逆傅里叶变换。
其具体子步骤为:
(2.1)在GPU端,对全局内存中的SAR原始回波数据矩阵做距离向傅里叶变换,得到距离频域方位时域数据矩阵,距离频域方位时域数据矩阵是大小为Na×Nr的矩阵。
具体地说,CUDA(Compute Unified Device Architecture,统一计算设备架构)开发环境提供的库函数可以对大小为Na×Nr的矩阵的每一行并行做Nr点傅里叶变换(FFT)。因此对全局内存中的回波数据做距离向傅里叶变换时,利用CUDA开发环境提供的库函数对原始回波数据矩阵的每一行并行做Nr点傅里叶变换,得到距离频域方位时域数据。由于SAR原始回波数据沿方位向存储,Na个方位向采样点处的数据对应与矩阵的Na行,借助CUDA库函数可以方便的实现回波矩阵的距离向FFT。
为了保证对原始回波数据矩阵作傅里叶变换后距离频域方位时域数据的中心对应频谱的中心频率,本发明中需要在每一次FFT运算的前后进行傅里叶变换。即GPU使用每个线程块并调用第1核函数对原始回波数据矩阵的对应的一行做Nr点傅里叶变换,实现对原始回波数据矩阵的每一行的傅里叶变换的并行处理。在此过程中,一个线程块产生搬移后的一个复数元素,由于傅里叶变换是原数据内部的搬移,为了避免对全局内存的读写冲突,在对全局内存中的原始回波数据矩阵做距离向傅里叶变换时,第1核函数直接在另一块与原数据同样大小的全局内存上产生搬移结果,而不在原数据上进行操作。对原始回波数据矩阵的每一列做纵向的傅里叶变换比较简单,通过将数据的前后两半存储区域交换实现。此处的傅里叶变换是对矩阵做横向的傅里叶变换,以实现距离向傅里叶变换。
(2.2)在GPU端,对距离频域方位时域数据矩阵进行距离向匹配滤波处理,实现距离向脉冲压缩,得出距离向脉冲压缩后数据,距离向匹配滤波处理的过程包括构造频域匹配滤波的参考函数、以及频域匹配滤波的参考函数与距离频域方位时域数据的相乘运算。
具体地说,构造频域匹配滤波的参考函数需要使用合成孔径雷达距离向采样率Fs、合成孔径雷达发射信号的线性调频率γ、以及合成孔径雷达发射信号的脉冲宽度Tp。频域匹配滤波的参考函数与方位向相关参数无关,并且频域匹配滤波的参考函数对各个距离线都是相同的。因此,如果利用第1核函数对每个线程都计算参考函数的值,那将会产生大量重复计算。而第1核函数中每个线程计算的Nr点参考函数值计算量很小,因此本发明在构造频域匹配滤波的参考函数后,调用第1核函数由线程读取每点回波和它对应的参考函数值做复数乘法。
频域匹配滤波的参考函数与距离频域方位时域数据矩阵的相乘运算的过程如图3所示。参照图3,为本发明实施例中频域匹配滤波的参考函数与距离频域方位时域数据矩阵的相乘运算的过程的示意图。在本发明中,在进行频域匹配滤波的参考函数与距离频域方位时域数据矩阵的相乘运算时,将距离频域方位时域数据矩阵沿着方位向逐次进行相乘,实际上是每个距离线与频域匹配滤波的参考函数进行对应位置相乘。按照子步骤(1.2)划分线程网格的方式,使用每个线程块的256个线程处理距离频域方位时域数据矩阵的一条距离线(对应于Nr个数值)。具体的任务划分是,一个线程通过循环处理回波数据中一条距离线上的多个单元,循环的每次迭代读取该回波对应距离位置的参考函数值并和该回波做复乘。
(2.3)在GPU端,在距离频域对距离向脉冲压缩后数据进行距离走动校正及多普勒中心补偿,得出距离走动校正及多普勒中心补偿后数据。
具体地说,在弹载SAR处于斜视的情况下,在进行距离走动校正的同时还要进行多普勒中心补偿,这个过程在Kernel中通过回波数据和对应校正项和的乘法运算实现。距离走动校正和多普勒中心补偿的校正项HLRWC(fr,tm)是一个距离向频率fr和方位时间tm的函数:
其中,HLRWC(fr,tm)表示距离走动校正及多普勒中心补偿的校正项,fr表示距离向频率变量,tm表示方位时间变量,fc表示合成孔径雷达发射信号的载频频率、θ0表示合成孔径雷达斜视角、v表示弹体飞行速度,c表示光速。F(tm)是方位时间tm的函数。由上式可以看出,每一个方位向和距离向对应的回波数据都需要独立计算它对应的校正项HLRWC(fr,tm)并做复乘,并且会重复计算因此,为了避免GPU端各个线程对的重复计算,本发明中预先在CPU端计算得到F(tm)再将它复制到GPU端。子步骤(2.3)中,按照子步骤(1.2)划分线程的方式给线程分配任务,一个线程块处理一个方位向采样点的数据,也就是一条距离线。线程块中,一个线程首先读取它所在线程块对应方位向的F(tm),保存到寄存器变量后,再通过循环处理此距离线上的多个单元。由于循环的每次迭代处理的是数据同一距离线不同的距离单元,所以在循环体中,线程要读取GPU全局内存中对应距离位置的fr、常量内存中的参数fc、寄存器变量中的F(tm),计算校正项HLRWC(fr,tm),再从全局内存中读取距离向匹配滤波后数据对应方位向采样点对应距离向采样点的数据,将读取的数据与对应的校正项HLRWC(fr,tm)做复乘,再将复乘的结果覆盖距离向匹配滤波后数据对应方位向采样点对应距离向采样点的数据。
由于距离向脉冲压缩、距离走动校正和多普勒中心补偿都是在距离频域方位时域进行处理,所以为了减少程序中启动核函数的次数并增加核函数中独立指令的数量以提高程序的效率,子步骤(2.2)和子步骤(2.3)均调用第1核函数进行处理。
(2.4)在GPU端,对距离走动校正及多普勒中心补偿后数据进行方位向傅里叶变换(FFT处理),得出距离方位二维频域数据。
具体地说,距离走动校正及多普勒中心补偿后数据是沿方位向存储,本发明中,子步骤(2.3)距离走动校正及多普勒中心补偿后数据以矩阵的形成存储在GPU的全局内存中。在进行方位向傅里叶变换时,对距离走动校正及多普勒中心补偿后数据矩阵的每一列都进行Na点傅里叶变换,Na表示合成孔径雷达方位向采样点数。可以利用cufftplanmany函数可以用来对矩阵的子阵进行FFT运算(傅里叶变换),并且设定输出数据的高级排列方式。在子步骤(2.4)中借助cufftplanmany函数并行对距离走动校正及多普勒中心补偿后数据矩阵的每一列进行Na点傅里叶变换,并使傅里叶变换的结果和距离走动校正及多普勒中心补偿后数据矩阵的排列方式相同,则得出的距离方位二维频域数据仍然沿方位向存储,距离方位二维频域数据以矩阵的形式进行存储,距离方位二维频域数据矩阵是大小为Na×Nr的矩阵。方位向傅里叶变换是对距离走动校正及多普勒中心补偿后数据矩阵行的搬移,本发明中在全局内存中分配一片新的空间,将距离走动校正及多普勒中心补偿后数据矩阵前Na/2行数据复制到距离方位二维频域数据矩阵的后Na/2行,距离走动校正及多普勒中心补偿后数据矩阵后Na/2行数据复制到距离方位二维频域数据矩阵的前Na/2行。
(2.5)在GPU端,使用第2核函数对距离方位二维频域数据进行距离弯曲校正和二次距离向脉冲压缩,得到二次距离向脉冲压缩数据。
在子步骤(2.5)中,计算距离弯曲校正函数和二次距离脉压参考函数时需要用到以下参数:多普勒中心频率fdc、合成孔径雷达发射信号的载频频率fc、合成孔径雷达斜视角θ0、弹体飞行速度v、合成孔径雷达波束中心线扫过目标时的斜距R0。距离弯曲校正函数是距离向频率变量fr和方位向频率变量fa的函数,二次距离脉压参考函数也是距离向频率变量fr和方位向频率变量fa的函数,因此子步骤(2.5)在GPU端的实现类似子步骤(2.4),在子步骤(2.4)中得出的距离方位二维频域数据以矩阵的形式进行存储,距离方位二维频域数据矩阵是大小为Na×Nr的矩阵。对于子步骤(2.5),距离方位二维频域数据矩阵的每个元素都需要根据它的方位向频率和距离向频率来计算对应的距离弯曲校正函数和对应的二次距离脉压参考函数,并做复乘,而一些重复计算也放在CPU端进行。
(2.6)对距离方位二维频域数据依次进行距离向逆傅里叶变换(IFFT)和方位向逆傅里叶变换,得出距离方位二维时域数据,距离方位二维时域数据以矩阵的形式进行存储。距离方位二维时域数据矩阵是大小为Na×Nr的矩阵。
在子步骤(2.6)中,距离向逆傅里叶变换的实施方式与子步骤(2.1)中距离向傅里叶变换的实施方式类似,同样通过CUDA库函数对距离方位二维时域数据矩阵的每一行作逆傅里叶变换完成。在子步骤(2.6)中,方位向逆傅里叶变换的实施方式类似子步骤(2.4)方位向傅里叶变换的过程。
步骤3,为了使最终的聚焦图像不产生重影,在GPU端,将距离方位二维时域数据矩阵沿方位向进行补零扩展,得出大小为Na′×Nr的方位向补零扩展后的距离方位二维时域数据矩阵,Na′为大于Na的自然数。
具体地说,在GPU端,从距离方位二维时域数据矩阵的第1行向上扩展至少一行长度为Nr的全零向量,并从距离方位二维时域数据矩阵的最后1行向下扩展至少一行长度为Nr的全零向量,得出大小为Na′×Nr的方位向补零扩展后的距离方位二维时域数据矩阵,可以看出Na′-Na表示扩展的全零向量的行数。在沿方位向进行补零扩展时,需要在在GPU的全局内存上为扩展后的结果分配新的空间,清0并将原回波数据复制到中心,就可以实现全局内存方位向补零扩展。
步骤4,步骤4的具体子步骤为:
(4.1)对方位向补零扩展后的距离方位二维时域数据矩阵进行方位向傅里叶变换,得出方位向傅里叶变换后数据矩阵,对方位向傅里叶变换后数据矩阵进行转置,得出转置后的方位向傅里叶变换后数据矩阵。
在子步骤(4.1)中,方位向傅里叶变换的目的在于便于做后续的方位向脉冲压缩处理。为了方便后续的方位向脉冲压缩处理,在此处采用cufftplanmany函数对方位向傅里叶变换后数据矩阵作列方向的傅里叶变换,同时将方位向傅里叶变换后的结果按行连续排列,这就实现了方位向傅里叶变换后的转置操作。则转置后的方位向傅里叶变换后数据矩阵是沿距离向存储,也就是同一个距离向采样点处的数据连续存储。
(4.2)由于子步骤(4.1)中,转置后的方位向傅里叶变换后数据矩阵是沿距离向存储的大小为Nr×Na′的矩阵,所以做后续方位向处理时,启动核函数的线程网格也随之改变。具体地,在GPU端,使用两个核函数(第3核函数和第4核函数)实现方位向处理,它们的线程组织方式如图4所示。参照图4,为GPU端进行方位向处理时核函数的线程分配方式示意图。图4中,Block(0,1)至Block(0,Nr)分别表示Nr个线程块,Thread0至Thread255分别表示256个线程。
对于方位向的处理而言,GPU端调用核函数前只要保证转置后的方位向傅里叶变换后数据矩阵沿距离向存储,那么转置后的方位向傅里叶变换后数据矩阵中一行就是一个距离向方位向采样点处的数据。因此,在子步骤(4.1)之后,设置Nr个线程块,在Nr个线程块中,第j个线程块用于对转置后的方位向傅里叶变换后数据矩阵的第j行进行处理,j取1至Nr,Nr为合成孔径雷达距离向采样点数。也就是说,Nr个线程块中的每个线程块可以处理一个距离向采样点处的数据,Nr个线程块就可以处理Nr个距离向采样点处的数据。以此线程网格执行第3核函数和第4核函数,便于线程对全局内存的合并访问和提高流处理器的占用率,本发明中单个线程块均设为行连续的256个线程。每个线程通过循环处理多个方位向采样点数据,使线程负责足够多的计算以保证核函数的效率。
(4.3)在GPU端,调用第3核函数对转置后的方位向傅里叶变换后数据矩阵进行高次相位补偿及高次相位滤波,得出相位补偿及相位滤波后的方位频域数据。
具体地,对转置后的方位向傅里叶变换后数据矩阵进行高次相位补偿的同时,对转置后的方位向傅里叶变换后数据矩阵进行高次相位滤波。高次相位补偿实现方位频域补偿方位向非空变的高次相位,在进行高次相位补偿及高次相位滤波时,需要用到相位补偿函数和相位滤波函数,相位补偿函数分别与方位向频率和距离向频率相关,相位滤波函数分别与方位向频率和距离向频率相关。高次相位补偿及高次相位滤波的实施方式与子步骤(2.4)类似,转置后的方位向傅里叶变换后数据矩阵的每一个元素需要根据它的方位向频率和距离向频率计算它对应的相位补偿函数和相位滤波函数,并根据得出的相位补偿函数和相位滤波函数进行复乘。
本发明实施例中,时域距离走动校正后落入同一距离单元的点具有不同的多普勒调频率和高次相位系数,造成方位无法统一聚焦成像。方位频域(信号表达式)的四次五次相位影响方位向的精确聚焦,由于其空变性较小,可以近似为非空变的,直接进行补偿。为了校正时域调频率随方位位置的空变,还需要在频域引入高次相位滤波函数,对二次、三次相位进行校正。
(4.4)在GPU端,相位补偿及相位滤波后的方位频域数据进行方位向逆傅里叶变换,得出相位补偿后的方位时域数据。调用第4核函数在方位时域对相位补偿后的方位时域数据进行残余高次相位补偿,对残余高次相位补偿后的方位时域数据进行方位deramp处理(通过乘以方位Deramp函数实现),对方位deramp处理后的方位时域数据进行方位向傅里叶变换,得到聚焦后的SAR图像数据,将聚焦后的SAR图像数据从GPU的全局内存复制到CPU中。
本发明实施例中,调用第4核函数,实现在方位时域补偿残余高次相位,并对信号乘以方位Deramp函数。由于步骤12引入了频域的高次相位滤波函数,相应地在时域会引入三次、四次的高次相位,这里需要在方位时域补偿残余高次相位。
本发明的效果可以通过以下仿真实验进一步说明。
在仿真实验中,设置五个点目标,其中四个点目标位于合成孔径雷达的边缘。采用如下两种方法得出包含这五个点目标的聚焦后的SAR图像,方法一为本发明,方法2为仅利用CPU进行成像处理。仿真中涉及的软件平台、CPU、GPU如下表所示:
软件平台 | Visual studio 2010,CUDA Toolkit v5.5 |
CPU | Intel X5650 |
GPU | Tesla c2070 |
参照图5a,为仿真实验中利用本发明得出的五个点目标的成像结果示意图。
参照图5b,为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第一个点目标的等高线图。参照图5c,为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第二个点目标的等高线图。参照图5d,为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第三个点目标的等高线图。参照图5e,为仿真实验中利用本发明得出位于合成孔径雷达的边缘的第四个点目标的等高线图。图5a至图5e中,横轴表示方位向采样点序号,纵轴表示距离向采样点序号。从图5a至图5e可以看出,本发明实现的成像处理聚焦效果良好。
参照图6a,为仿真实验中包含五个点目标的原始场景图,参照图6b,为仿真实验中利用本发明得出的五个点目标回波的成像结果示意图。从图6a和图6b的对比可以看出,本发明能够实现良好的图像聚焦。
整个处理过程在CPU和GPU上的时间和加速比如下表所示。
回波数据大小 | 方法一耗时(s) | 本发明耗时(s) | 加速比 |
2048*2048 | 16.3 | 1..3 | 9.4 |
3072*3072 | 29.5 | 2.5 | 11.8 |
4096*4096 | 33.6 | 3.8 | 8.8 |
由上表可以看出综合的加速比在10倍左右。对于计算量较密集的步骤,进行高次相位的补偿时,加速比在30~40倍左右。由于较多的FFT、IFFT变换使整个程序启动核函数的次数较多,而大部分核函数中计算量不够密集,所以程序实现10倍的加速很大程度提高了成像处理的效率。本发明在保证良好聚焦效果的同时,成像时间在2.5s左右,基本上满足了实时成像的要求。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.基于GPU的弹载SAR前斜视并行成像方法,其特征在于,包括以下步骤:
步骤1,在CPU端设置合成孔径雷达的工作参数,并获取SAR原始回波数据,所述合成孔径雷达的工作参数包括合成孔径雷达方位向采样点数Na、合成孔径雷达距离向采样点数Nr;CPU将合成孔径雷达的工作参数存储于GPU中,将SAR原始回波数据以矩阵的形式存储于GPU中;
步骤2,在GPU端,对SAR原始回波数据矩阵作距离向处理,得出距离方位二维时域数据;所述对SAR原始回波数据矩阵作距离向处理的过程为:针对SAR原始回波数据矩阵依次进行距离向傅里叶变换、距离向脉冲压缩、进行距离走动校正及多普勒中心补偿、方位向傅里叶变换、距离弯曲校正、二次距离向脉冲压缩、距离向逆傅里叶变换和方位向逆傅里叶变换;
步骤3,在GPU端,将距离方位二维时域数据矩阵沿方位向进行补零扩展,得出大小为Na′×Nr的方位向补零扩展后的距离方位二维时域数据矩阵,Na′为大于Na的自然数;
步骤4,在GPU端,对方位向补零扩展后的距离方位二维时域数据矩阵依次进行方位向傅里叶变换、转置,得出转置后的方位向傅里叶变换后数据矩阵;在方位频域,针对转置后的方位向傅里叶变换后数据矩阵每个元素,计算对应的高次相位补偿函数和高次相位滤波函数,将转置后的方位向傅里叶变换后数据矩阵每个元素依次乘以对应相位补偿函数和相位滤波函数,得出相位补偿及相位滤波后的方位频域数据;所述相位补偿函数用于对转置后的方位向傅里叶变换后数据矩阵对应的元素进行四次相位补偿和五次相位补偿,所述相位滤波函数用于对转置后的方位向傅里叶变换后数据矩阵对应的元素进行二次相位校正和三次相位校正;在得出相位补偿及相位滤波后的方位频域数据之后,在GPU端,对相位补偿及相位滤波后的方位频域数据进行方位向逆傅里叶变换,得出相位补偿及相位滤波后的方位时域数据;在方位时域针对相位补偿及相位滤波后的方位时域数据,补偿由相位滤波函数引入的高次相位,得出残余高次相位补偿后的方位时域数据;对残余高次相位补偿后的方位时域数据进行方位deramp处理,对方位deramp处理后的方位时域数据进行方位向傅里叶变换,得到聚焦后的SAR图像数据。
2.如权利要求1所述的基于GPU的弹载SAR前斜视并行成像方法,其特征在于,在步骤1中,在CPU端设置雷达的工作参数;所述合成孔径雷达的工作参数包括合成孔径雷达的常量参数和合成孔径雷达的工作向量,所述合成孔径雷达的常量参数包括:合成孔径雷达方位向采样点数Na、合成孔径雷达距离向采样点数Nr、合成孔径雷达距离向采样率Fs、合成孔径雷达发射信号的线性调频率γ、合成孔径雷达发射信号的脉冲宽度Tp、合成孔径雷达发射信号的载频频率fc、合成孔径雷达斜视角θ0、弹体飞行速度v、合成孔径雷达波束中心线扫过目标时的斜距R0、多普勒中心频率fdc、光速c,所述合成孔径雷达的工作向量包括距离时间向量tr、方位时间向量tm、距离向频率向量fr、方位向频率向量fa。
3.如权利要求2所述的基于GPU的弹载SAR前斜视并行成像方法,其特征在于,在步骤1之后,设置Na个线程块,在Na个线程块中,第i个线程块用于对原始回波数据矩阵的第i行进行距离向处理,i取1至Na,Na为方位向采样点数。
4.如权利要求2所述的基于GPU的弹载SAR前斜视并行成像方法,其特征在于,所述步骤2的具体子步骤为:
(2.1)在GPU端,对全局内存中的SAR原始回波数据矩阵做距离向傅里叶变换,得到距离频域方位时域数据矩阵,距离频域方位时域数据矩阵是大小为Na×Nr的矩阵;
(2.2)在GPU端,对距离频域方位时域数据矩阵进行距离向匹配滤波处理,实现距离向脉冲压缩,得出距离向脉冲压缩后数据,距离向匹配滤波处理的过程包括构造频域匹配滤波的参考函数、以及频域匹配滤波的参考函数与距离频域方位时域数据的相乘运算;
(2.3)在GPU端,在距离频域对距离向脉冲压缩后数据进行距离走动校正及多普勒中心补偿,得出距离走动校正及多普勒中心补偿后数据;
(2.4)在GPU端,对距离走动校正及多普勒中心补偿后数据进行方位向傅里叶变换,得出距离方位二维频域数据;
(2.5)在GPU端,对距离方位二维频域数据进行距离弯曲校正和二次距离向脉冲压缩,得到二次距离向脉冲压缩数据;
(2.6)对距离方位二维频域数据依次进行距离向逆傅里叶变换和方位向逆傅里叶变换,得出距离方位二维时域数据,距离方位二维时域数据以矩阵的形式进行存储,距离方位二维时域数据矩阵是大小为Na×Nr的矩阵。
5.如权利要求2所述的基于GPU的弹载SAR前斜视并行成像方法,其特征在于,在步骤3中,在GPU端,从距离方位二维时域数据矩阵的第1行向上扩展至少一行长度为Nr的全零向量,并从距离方位二维时域数据矩阵的最后1行向下扩展至少一行长度为Nr的全零向量,得出大小为Na′×Nr的方位向补零扩展后的距离方位二维时域数据矩阵。
6.如权利要求2所述的基于GPU的弹载SAR前斜视并行成像方法,其特征在于,所述步骤4的具体子步骤为:
(4.1)对方位向补零扩展后的距离方位二维时域数据矩阵进行方位向傅里叶变换,得出方位向傅里叶变换后数据矩阵,对方位向傅里叶变换后数据矩阵进行转置,得出转置后的方位向傅里叶变换后数据矩阵;
(4.2)设置Nr个线程块,在Nr个线程块中,第j个线程块用于对转置后的方位向傅里叶变换后数据矩阵的第j行进行方位向处理,j取1至Nr;
(4.3)在GPU端,在方位频域,针对转置后的方位向傅里叶变换后数据矩阵每个元素,计算对应的高次相位补偿函数和高次相位滤波函数,将转置后的方位向傅里叶变换后数据矩阵每个元素依次乘以对应相位补偿函数和相位滤波函数,得出相位补偿及相位滤波后的方位频域数据;所述相位补偿函数用于对转置后的方位向傅里叶变换后数据矩阵对应的元素进行四次相位补偿和五次相位补偿,所述相位滤波函数用于对转置后的方位向傅里叶变换后数据矩阵对应的元素进行二次相位校正和三次相位校正;
(4.4)在GPU端,对相位补偿及相位滤波后的方位频域数据进行方位向逆傅里叶变换,得出相位补偿及相位滤波后的方位时域数据;在方位时域针对相位补偿及相位滤波后的方位时域数据,补偿由相位滤波函数引入的高次相位,得出残余高次相位补偿后的方位时域数据;对残余高次相位补偿后的方位时域数据进行方位deramp处理,对方位deramp处理后的方位时域数据进行方位向傅里叶变换,得到聚焦后的SAR图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410719487.9A CN104459693A (zh) | 2014-12-01 | 2014-12-01 | 基于gpu的弹载sar前斜视成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410719487.9A CN104459693A (zh) | 2014-12-01 | 2014-12-01 | 基于gpu的弹载sar前斜视成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104459693A true CN104459693A (zh) | 2015-03-25 |
Family
ID=52906043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410719487.9A Pending CN104459693A (zh) | 2014-12-01 | 2014-12-01 | 基于gpu的弹载sar前斜视成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104459693A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137402A (zh) * | 2015-08-19 | 2015-12-09 | 电子科技大学 | 一种基于gpu的机载前视扫描雷达并行处理方法 |
CN106054187A (zh) * | 2016-05-23 | 2016-10-26 | 西安电子科技大学 | 基于斜距模型下的大斜视sar曲线轨迹波数域成像方法 |
CN106291556A (zh) * | 2016-08-29 | 2017-01-04 | 西北工业大学 | 一种基于双曲线模型的大斜视sar成像算法 |
CN108614266A (zh) * | 2018-03-13 | 2018-10-02 | 南京航空航天大学 | 一种视频sar高速处理技术的fpga的实现方法 |
CN108919220A (zh) * | 2018-07-06 | 2018-11-30 | 西安电子科技大学 | 基于嵌入式gpu的弹载sar前侧视成像方法 |
CN110095779A (zh) * | 2018-01-29 | 2019-08-06 | 西南交通大学 | 一种矩阵成像的方法及设备 |
CN110568410A (zh) * | 2019-10-09 | 2019-12-13 | 上海无线电设备研究所 | 一种空间频率色散的微波雷达超分辨方法 |
CN110764081A (zh) * | 2019-11-05 | 2020-02-07 | 北京理工大学 | 一种精密跟踪测量雷达信号的处理系统 |
CN113156435A (zh) * | 2021-02-08 | 2021-07-23 | 西安电子科技大学 | 一种基于嵌入式gpu的弹载sar前侧视时域成像方法 |
CN113341413A (zh) * | 2021-06-28 | 2021-09-03 | 南京航空航天大学 | 一种高分辨率斜视sar回波多普勒频谱恢复方法及系统 |
-
2014
- 2014-12-01 CN CN201410719487.9A patent/CN104459693A/zh active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137402B (zh) * | 2015-08-19 | 2017-05-10 | 电子科技大学 | 一种基于gpu的机载前视扫描雷达并行处理方法 |
CN105137402A (zh) * | 2015-08-19 | 2015-12-09 | 电子科技大学 | 一种基于gpu的机载前视扫描雷达并行处理方法 |
CN106054187A (zh) * | 2016-05-23 | 2016-10-26 | 西安电子科技大学 | 基于斜距模型下的大斜视sar曲线轨迹波数域成像方法 |
CN106054187B (zh) * | 2016-05-23 | 2018-11-09 | 西安电子科技大学 | 基于斜距模型下的大斜视sar曲线轨迹波数域成像方法 |
CN106291556A (zh) * | 2016-08-29 | 2017-01-04 | 西北工业大学 | 一种基于双曲线模型的大斜视sar成像算法 |
CN110095779A (zh) * | 2018-01-29 | 2019-08-06 | 西南交通大学 | 一种矩阵成像的方法及设备 |
CN108614266A (zh) * | 2018-03-13 | 2018-10-02 | 南京航空航天大学 | 一种视频sar高速处理技术的fpga的实现方法 |
CN108919220B (zh) * | 2018-07-06 | 2022-05-17 | 西安电子科技大学 | 基于嵌入式gpu的弹载sar前侧视成像方法 |
CN108919220A (zh) * | 2018-07-06 | 2018-11-30 | 西安电子科技大学 | 基于嵌入式gpu的弹载sar前侧视成像方法 |
CN110568410A (zh) * | 2019-10-09 | 2019-12-13 | 上海无线电设备研究所 | 一种空间频率色散的微波雷达超分辨方法 |
CN110568410B (zh) * | 2019-10-09 | 2021-08-31 | 上海无线电设备研究所 | 一种空间频率色散的微波雷达超分辨方法 |
CN110764081A (zh) * | 2019-11-05 | 2020-02-07 | 北京理工大学 | 一种精密跟踪测量雷达信号的处理系统 |
CN113156435A (zh) * | 2021-02-08 | 2021-07-23 | 西安电子科技大学 | 一种基于嵌入式gpu的弹载sar前侧视时域成像方法 |
CN113156435B (zh) * | 2021-02-08 | 2023-09-15 | 西安电子科技大学 | 一种基于嵌入式gpu的弹载sar前侧视时域成像方法 |
CN113341413A (zh) * | 2021-06-28 | 2021-09-03 | 南京航空航天大学 | 一种高分辨率斜视sar回波多普勒频谱恢复方法及系统 |
CN113341413B (zh) * | 2021-06-28 | 2024-04-09 | 南京航空航天大学 | 一种高分辨率斜视sar回波多普勒频谱恢复方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104459693A (zh) | 基于gpu的弹载sar前斜视成像方法 | |
CN104459666B (zh) | 基于LabVIEW的弹载SAR回波仿真及成像方法 | |
CN105842694B (zh) | 一种基于ffbp sar成像的自聚焦方法 | |
CN104020469B (zh) | 一种mimo雷达距离-角度二维超分辨率成像算法 | |
CN104833974B (zh) | 基于图像谱压缩的sar成像快速后向投影方法 | |
CN109143237B (zh) | 适用于任意平台轨迹的双基聚束sar的pfa波前弯曲校正方法 | |
CN106842210A (zh) | 一种新的多子阵合成孔径声纳快速成像算法 | |
CN105093223A (zh) | 双站前视sar的快速时域成像方法 | |
CN104656073B (zh) | 三维成像声纳波束形成方法及在多核处理器上的实现方法 | |
CN104020440B (zh) | 基于l型干涉式线性阵列的二维波达角估计方法 | |
CN105954750A (zh) | 基于压缩感知的条带式合成孔径雷达非稀疏场景成像方法 | |
CN102854507A (zh) | 一种基于gpu后向投影双站合成孔径雷达成像方法 | |
CN104991252A (zh) | 双站圆迹sar快速时域成像方法 | |
CN105137402A (zh) | 一种基于gpu的机载前视扫描雷达并行处理方法 | |
CN105487052A (zh) | 基于低相干性的压缩感知lasar稀布线阵优化方法 | |
CN108919260B (zh) | 用于mimo阵列的相移偏移成像方法及装置 | |
CN102798861A (zh) | 一种基于最优图像空间双基地合成孔径雷达成像方法 | |
CN108614235B (zh) | 一种多鸽群信息交互的单快拍测向方法 | |
CN104062659B (zh) | 基于压缩感知的滑动聚束sar三维成像方法 | |
CN103630901A (zh) | 机载下视阵列3-d sar成像的方法 | |
CN103728617A (zh) | 双基地合成孔径雷达时域快速成像方法 | |
CN103472448A (zh) | 一种sar成像方法、装置及系统 | |
CN104483670B (zh) | 基于gpu的合成孔径雷达回波仿真方法 | |
CN115542320A (zh) | 一种地基合成孔径雷达快速实时子孔径成像方法及装置 | |
CN109061644A (zh) | 基于时频旋转后向投影算法的sar成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150325 |
|
RJ01 | Rejection of invention patent application after publication |