CN107153547A - 一种软件化雷达库模式信号处理中间件 - Google Patents

Abstract

本发明公开一种软件化雷达库模式信号处理中间件，涉及雷达系统仿真技术领域，解决由于软件化雷达框架结构限制造成的扩展性差、效率低、复用符合度低和研制周期长等技术问题。本发明对操作系统和硬件平台抽象，为软件化雷达的顶层功能应用软件设计提供各种接口，对上层应用起着支撑作用，在保证仿真设计和运行高效率的同时完成对操作系统和硬件平台抽象实现松耦合，提高了仿真库的可重用和可扩充性。

Description

一种软件化雷达库模式信号处理中间件

技术领域

本发明涉及雷达系统仿真技术领域，具体涉及一种软件化雷达库模式信号处理中间件。

背景技术

迄今为止,在作用距离、多维性、全天候性以及实时性等方面尚没有任何一种其它探测设备能全面取代雷达,雷达现已成为武器系统中不可缺少的重要组成部分。然而，现役雷达有功能固定，种类繁多，生命周期过长这几个主要缺陷。随着计算机、微电子、通信等领域的新技术、新成果不断涌现，高速数字设备的快速发展，雷达的功能实现和性能要求可以逐步在软件上得以实现，这就使得雷达的软件化成为可能，同时带动软件化雷达技术的发展。软件化雷达技术因其自身的特点，顺应了当前战争环境对雷达系统的功能和性能的要求。

软件化雷达的实现的关键是采用一种雷达开放式系统体系结构。雷达开放式系统体系结构的一个关键就是将雷达系统基础设施进行层次划分和将雷达系统进行功能分解，一方面雷达开放式体系结构把雷达系统基础设施按层次划分为基础功能模块，这些功能模块是公开的和通用的；另一方面雷达开放式体系结构把雷达系统的功能进行分解，分解为功能更为简单的多个子系统，这些子系统能够独立实现各自功能，而当把这些子系统结合在一起，则能够组成满足特定功能的复杂系统，而且这些子系统是公开的、开放的和统一的；而且雷达开放式系统体系结构把雷达系统的数字后端也进行层次划分，将数字后端分成硬件层、操作系统层、中间件层和功能模块层，每一个层次都是对下面层次的抽象，每一个层次都只与其相邻层有关，功能模块层的各个功能模块之间的数据交流是在中间件层进行，功能模块在顶层是相互独立的，而且是即插即用的。

图形处理器(GPU)，一开始被用来进行图形处理，因为其强大的计算能力，今天GPU已经不再局限于图形处理。GPU整体上是一个流多处理器(SM)阵列，可以通过增加SM单元的数目来扩展GPU。GPU的这种并行架构使得其能在底层支持并行指令。考虑到雷达通用信息处理算法，包括通用信号处理算法的脉冲压缩、动目标显示(MTI)、动目标检测(MTD)和恒虚警概率检测(CFAR)，通用数据处理算法的点迹处理和航迹处理等，以及雷达信号具有很大的并行优化空间，GPU平台是软件化雷达通用信息处理基础库研究的理想平台。

发明内容

针对上述现有技术，本发明目的在于提供一种雷达特点导向的开放式软件化雷达库模式信号处理中间件，解决由于软件化雷达框架结构限制造成的扩展性差、效率低、复用符合度低和研制周期长等技术问题。

为达到上述目的，本发明采用的技术方案如下：

一种软件化雷达库模式信号处理中间件的实现方法，包括以下步骤：

步骤1、划分库模式信号处理中间件为基础组件层和功能组件层，获得库模式信号处理中间件的处理框架；

步骤2、在处理框架内，根据某型雷达特点，设计出基础组件层内运算组件；

步骤3、在处理框架内，根据某型雷达特点，结合运算组件设计出功能组件层内处理组件；

步骤4、对处理组件进行功能验证，当验证结果符合标准时，进行步骤5；

步骤5、利用某型雷达对库模式信号处理中间件进行实验验证，获得在某型雷达的功能和性能测试结果。

上述方法中，所述的步骤2，包括将向量点积运算、傅立叶变换及其逆变换和矩阵转置设计入运算组件。

上述方法中，所述的傅立叶变换及其逆变换，包括使用一维的FFT接口，使用一维FFT接口包括以下步骤：

步骤①、构造FFT计划；

步骤②、按照FFT计划，调用执行FFT接口，执行FFT计算或者执行逆FFT计算；

步骤③、每当执行完FFT计算时进行资源回收。

上述方法中，所述的矩阵转置，包括使用cublas<t>geam()接口，使用cublas<t>geam()接口包括以下步骤：

步骤①、构造cublas句柄；

步骤②、设置cublas<t>geam()接口中的参数，并调用该接口；

步骤③、调用cublasStatus_t cublasDestroy(cublasHandle_t handle)接口释放cublas库的资源。

上述方法中，所述的步骤3，包括利用共享和支撑数据库结合所设计的运算组件设计数字下变频、脉冲压缩、动目标显示、动目标检测、单元平均恒虚警率和参数测量并均作为处理组件。

上述方法中，所述的步骤4，对每项处理组件进行功能验证，分别判断对应项处理组件的验证结果是否符合标准。

上述方法中，所述的步骤5，对某型雷达进行数字下变频、脉冲压缩、动目标显示、动目标检测和单元平均恒虚警率性能验证。

一种软件化雷达库模式信号处理中间件的实现系统，包括：

基础组件层，用于提供运算工具，包括向量点积运算组件、傅立叶变换及其逆变换组件和矩阵转置组件；

功能组件层，用于某型雷达功能的抽象，包括数字下变频组件、脉冲压缩组件、动目标显示组件、动目标检测组件、单元平均恒虚警率组件和参数测量组件；

其中，所述基础组件层支持所述功能组件层进行验证，验证后的功能组件层在某型雷达进行功能和性能测试。

上述方案中，所述的傅立叶变换及其逆变换组件，其傅立叶变换运算调用cufft库中的FFT接口。

上述方案中，所述的数字下变频组件，由向量点积运算组件和傅立叶变换及其逆变换FFT/IFFT组件构造；

所述的脉冲压缩组件，由向量点积运算组件和傅立叶变换及其逆变换FFT/IFFT组件构造；

所述的动目标显示组件，采用三脉冲对消器结构；

所述的动目标检测组件，由所述动目标显示组件、矩阵转置组件和傅立叶变换及其逆变换FFT/IFFT组件构造；

所述的单元平均恒虚警率组件，采用一维类型；

所述的参数测量组件，接收由所述单元平均恒虚警率组件输出的目标数目、目标距离索引和多普勒索引且输出目标角度、目标距离和目标速度。

与现有技术相比，本发明的有益效果：

本发明整个库对操作系统和硬件平台抽象，为软件化雷达的顶层功能应用软件设计提供各种接口，对上层应用起着支撑作用，在保证仿真设计和运行高效率的同时完成对操作系统和硬件平台抽象实现松耦合，提高了仿真库的可重用和可扩充性，经过测试对比，基础库中的组件性能远远高于串行架构；

本发明库是开放的、是标准的且是可维护可升级的(本发明库的开放就是开放式体系结构中划分的子模块的开放)，开放性是顶层应用实现的保证，本发明库的标准化可以保准在不同的底层架构、不同的操作系统中、不同的研发者之间可以进行正常的开发，本发明库的可维护可升级特性可以保证软件化雷达更行升级的便捷；

本发明库是具有层次化结构的，库的底层为基础模块层，该层为整个库的基础，为更复杂的功能模块组件提供支撑，在基础模块之上为通过基础模块组合而成的功能组件，功能组件就可以为顶层的应用提供支持；

本发明提供了一种开放式软件化雷达中间件的框架，整个基础库中的模块是并行优化并且可重用的，并且根据不同雷达的发展，可以加入新的仿真模块到这个分层系统中，所以整个仿真库是可扩展、可重用的，此外，现有技术未能提供用于高效驱动的中间件，存在软件化雷达功能模块与操作系统(或硬件层)抽象不匹配的技术壁垒；

本发明不仅能够充分测试所需求雷达系统的功能，而且能够显著缩短该雷达系统的研制周期，甚至(由于本发明是开放性框架)还能不断引入新的仿真模块，显著提升所研制雷达系统的性能，而以往这一过程开发不具有开放性，现有的系统往往由特定研制方研制，因此系统所有组成部分的性能均由该研制方当时的开发水平决定，不能够形成开放性的体制、用最优集成的方式来开发系统，导致系统的性能不能得到进一步优化。

附图说明

图1为本发明实施例的雷达通用信息处理基础库的层次结构示意图；

图2为本发明实施例的DDC输入信号示意图；

图3为本发明实施例的DDC输出结果分量示意图，(a)DDC结果的同相分量示意图，(b)DDC结果的正交分量示意图；

图4为本发明实施例的脉冲压缩组件的输出示意图；

图5为本发明实施例的MTI滤波前后对比图，(a)MTI前的脉冲压缩结果示意图，(b)MTI的结果示意图；

图6为本发明实施例的MTD输入输出对比图，(a)未经MTD处理的脉冲压缩结果示意图，(b)MTD处理后的结果示意图；

图7为本发明实施例的CA-CFAR处理器的输出结果示意图；

图8为本发明实施例的测距测速测角组件的输出示意图；

图9为本发明实施例的信号处理到MTI耗时分析示意图，(a)信号处理到MTI耗时总结示意图，(b)信号处理到MTI的耗时图；

图10为本发明实施例的完整信号处理到耗时分析示意图，(a)完整信号处理耗时总结示意图，(b)完整信号处理的耗时图；

图11为本发明实施例的DDC功能验证实验结果和原始信号示意图，(a)原始回波信号波形图，(b)DDC输出信号波形图；

图12为本发明实施例的脉冲压缩功能验证实验结果示意图；

图13为本发明实施例的MTI功能验证实验结果示意图；

图14为本发明实施例的MTD功能验证实验结果示意图，(a)MTI输入数据矩阵示意图，(b)多普勒处理结果示意图；

图15为本发明实施例的信号处理机和雷达系统在点迹显示时的界面对比图，(a)信号处理机的P显界面示意图，(b)雷达系统的P显界面示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

下面结合附图对本发明做进一步说明：

一种软件化雷达库模式信号处理中间件的实现包括如下步骤：

步骤1对整个软件化雷达库模式信号处理中间件进行层次划分，以此来组建整个模型库；

步骤2设计基础组件层；

步骤3设计功能组件层；

步骤4软件化雷达库模式信号处理中间件的功能验证；

步骤5库模式信号处理中间件在某型雷达的实验验证。

进一步的，步骤2基础组件层的设计包含如下内容：

步骤2.1向量点积运算的实现；

步骤2.2FFT及其逆运算的实现；

步骤2.3矩阵转置的实现。

进一步的，步骤3功能组件层的设计包含如下内容：

步骤3.1数字下变频的实现；

步骤3.2脉冲压缩的实现；

步骤3.3动目标显示的实现；

步骤3.4动目标检测的实现；

步骤3.5单元平均CFAR的实现；

步骤3.6参数测量的实现。

进一步的，步骤4库模式信号处理中间件的功能验证包含如下内容：

步骤4.1数字下变频的功能验证；

步骤4.2脉冲压缩的功能验证；

步骤4.3动目标显示的功能验证；

步骤4.4动目标检测的功能验证；

步骤4.5单元平均CFAR的功能验证；

步骤4.6参数测量的功能验证。

进一步的，步骤5库模式信号处理中间件在某型雷达的实验验证包含如下内容：

步骤5.1性能验证；

步骤5.2功能验证；

步骤5.2.1DDC功能验证；

步骤5.2.2脉冲压缩功能验证；

步骤5.2.3MTI功能验证；

步骤5.2.4MTD功能验证；

步骤5.2.5CA-CFAR检测功能验证。

实施例1

步骤1：根据图1，对整个软件化雷达库模式信号处理中间件进行层次划分，以此来组建整个模型库，包括底层的基础组件层，上层的功能组件层

步骤2：基础组件层的实现

步骤2.1：向量点积运算的实现

向量点积运算分为两种情况：单通道与单通道点积和多通道与单通道点积。对于单通道与单通道点积而言，点积运算就是两个输入向量对应元素相乘而得到输出向量；对于多通道与单通道点积运算而言，多通道数据需要把每一个通道数据与另一个单通道的数据分别进行点积运算。

步骤2.2：FFT及其逆运算的实现

雷达库模式信号处理中间件的FFT运算采用由Nvidia提供的cufft库中的FFT接口，cufft库提供了在GPU上实现的不同种类的FFT运算的API接口，这些接口都是经过测试和高度优化的。cufft库提供的FFT接口包括一维、二维、三维和指定数据维度的FFT。软件化雷达库模式信号处理中间件中的FFT仅用到cufft库中的一维FFT接口。

一维FFT接口的使用步骤如下：

步骤2.2.1：构造计算中所要使用的的FFT计划；

步骤2.2.2：调用执行FFT的接口完成FFT计算。执行FFT计算或者执行逆FFT计算；

步骤2.2.3：执行完FFT之后进行资源回收；

步骤2.3：矩阵转置的实现

cublas库是Nvidia公司提供的在Nvidia系列GPU上实现的BLAS(Basic LinearAlgebra Subprograms)库。这个库提供一系列向量和矩阵的基础操作，库中提供了一个cublas<t>geam()系列的接口，这个系列的接口可以矩阵到矩阵的操作，其中包括转置操作，软件化雷达库模式信号处理中间件中的矩阵转置操作就是采用的这个接口。

使用cublas<t>geam()实现矩阵转置，步骤如下：

步骤2.3.1：构造cublas句柄；

步骤2.3.2：设置cublas<t>geam()接口中的参数，并调用接口完成操作；

步骤2.3.3：调用cublasStatus_t cublasDestroy(cublasHandle_t handle)接口释放cublas库的资源；

步骤3：功能组件层的实现

步骤3.1数字下变频的实现

DDC模块在GPU上的计算包括FFT/IFFT、混频和低通滤波。混频计算实际上就是把输入信号和数字本振信号进行向量点积，低通滤波也是把混频信号频谱和低通滤波器频谱进行向量点积；因此，DDC组件可以由FFT组件和向量点积组件来实现。

步骤3.2脉冲压缩的实现

组件在GPU上的操作包括FFT/IFFT和匹配滤波。匹配滤波实际上是把信号频谱和匹配滤波器频谱进行向量点积。因此，脉冲压缩组件可以由FFT组件和向量点积组件两个基础组件来实现；在脉冲压缩的接口中，只需把这些用到的基础模块按照算法流程调用即可。

步骤3.3动目标显示的实现

软件化雷达库模式信号处理中间件的动目标显示MTI组件采用的是三脉冲对消器结构；三脉冲对消MTI组件的设计从两方面考虑，一方面是加减对消操作的设计，另一方面是输入三个脉冲积累调度方法的设计。

步骤3.4动目标检测的实现

MTD组件在实现过程中是通过调用MTI组件、矩阵转置组件和FFT组件来实现的。

步骤3.5单元平均CFAR的实现

软件化雷达库模式信号处理中间件的CA-CFAR实现的是对距离向的一维CFAR。CA-CFAR检测器在CUDA模型下，CPU端主要负责资源管理和数据传输，GPU端则负责执行检测所需的所有操作。

步骤3.6参数测量的实现

CA-CFAR检测组件的输出包含了目标数目、目标距离索引和多普勒索引，对目标距离和速度的测量就是将距离索引和多普勒索引解算为目标的距离和速度的过程，实际上就是对两个索引值进行响应的数值计算，设计测距测速的接口，测角组件采用和差比幅测角法。

步骤4:软件化雷达库模式信号处理中间件的功能验证

步骤4.1数字下变频的功能验证

输入信号为线性调频信号，信号的参数为：脉冲时宽τ＝14μs，带宽B＝7MHz，信号中频f₀＝30MHz，采样率f_s＝40MHz。输入信号如图2所示。

DDC模块组件的功能试验结果如图3所示。图2为DDC的输入实信号，信号包含中频载波，无法看出信号的相位调制。只有把信号解调到基带才能反映出信号的调制方式。图3(a)为DDC结果的同相分量，图3(b)为正交分量，这两个结果中的信号已经解调。

步骤4.2脉冲压缩的功能验证

脉冲压缩的实验输入信号为DDC输出信号降采样后的信号；脉冲压缩组件的实验结果如图4所示；与图3的输入信号对比，经过脉冲压缩的信号得到了最大的瞬时功率，确实达到了“压缩”的目的。

步骤4.3动目标显示的功能验证

仿真所用的信号为线性调频信号，目标距离为87km，在图5(a)中，杂波主要分布于距离以内、距离附近以及目标位置附近，在图5(b)中，可以明显看到在经过MTI之后，各个位置的杂波已经被滤出，回波中仅剩余目标和噪声。

步骤4.4动目标检测的功能验证

仿真中MTD的输入为34组脉冲数据，每个脉冲数据为脉冲压缩的结果，且每个脉冲包含10000个采样点，因此输入为34×10000的二维数据矩阵，该矩阵就是“慢时间-快时间”矩阵，也是“PRI-距离”矩阵。经过MTI处理之后，输入变为32×10000的二维矩阵，MTI的输出矩阵经过FFT之后变换为“多普勒-距离”数据矩阵，该矩阵也就是MTD的输出。仿真的结果如图6所示。

图6(a)中，“PRI-距离”矩阵中在距离约为50km的地方有目标出现，然后这个矩阵也仅仅给出在特定距离目标有无的信息，并没有对目标信息进一步的估计；若用这个矩阵作为检测器的输入，则仅能获得目标的距离信息，图6(b)中可以看出，在进行MTD处理后，输出的“多普勒-距离”矩阵中目标的峰值一方面在距离向出现在50km附近，另一方面在多普勒向出现在第10个多普勒频率处，也即是10/32倍的PRF，此时就获得了目标的多普勒频率信息，也可以进一步获取目标的径向速度信息，由于MTD处理包含了MTI，杂波也在一定程度上得到抑制。若用这个矩阵进行检测，则不但可以获得目标的距离信息，还可以获得目标的多普勒信息。

步骤4.5单元平均CFAR的功能验证

在雷达系统的界面显示端，A显用于显示检测结果，标识目标距离；在A显中，如果在某个距离有目标，就会在该距离上显示一根竖线，A显可以很直观的显示出检测结果，从A显中可以直接读取目标的距离信息。

仿真将前面MTD输出作为CA-CFAR处理器的输入，由于MTD的输出为一个二维数据矩阵，因此取该矩阵中目标多普勒频率对应的脉冲作为CA-CFAR的输入，检测结果以A显的形式输出。仿真结果如图7所示。

在MTI的仿真中可以知道，目标的距离为50km，在经过CA-CFAR处理后，检测的结果也为50km，检测结果正确。

步骤4.6参数测量的功能检验验证

测距测速测角组件的功能试验的输入为检测模块的输出，试验结果如图8所示。其中目标的角度为20°方向，信号的射频载波为400MHz，采样率为10MHz。从图中可以看出，角度测量的误差在0.05°以内，距离与速度与通过检测结果的索引来计算的理论一致。

步骤5：库模式信号处理中间件在某型雷达的实验验证

步骤5.1性能验证

某型雷达的脉冲重复频率PRF最高为1000Hz，在1ms的时间间隔内，信号处理机必须完成包含DDC、脉冲压缩、MTD(MTI+多普勒处理)、CA-CFAR检测和参数测量的所有信号处理，1ms也就是信号处理机的硬实时性能要求。

本文采用RTLinux的NightTrace这种分析程序执行性能的工具，测试精度可以达到纳秒级别，这对测试有硬实时要求的程序性能和时间冗余是有巨大帮助的。信号处理机的信号处理部分全部采用本文设计的库中的组件来实现，信号处理的测试时间如图9和图10所示，每个时间测试次数为5000。

图9测试的结果是信号处理处于脉冲积累阶段的处理时间，每个脉冲回波的信号处理只进行到MTI阶段。图9(a)中方框的部分为测试结果，方框中从上往下分别是测试状态次数、测试状态的最大持续时间、测试状态的最小持续时间、测试状态的平均持续时间和测试状态的总时间；数字为时间，单位是秒。由图9(a)可以看出，测试一共进行了5000次，这部分信号处理的最大时间为342.152微秒，平均处理时间为282.932微秒。图9(b)为对应的耗时图，填充部分是由每次处理耗时的时值组成的。

图10为完整信号处理时间测试，测试的时间中既包含脉冲积累阶段的信号处理耗时，也包含脉冲积累完毕后进行脉冲多普勒处理、CA-CFAR检测和参数测量的时间。图中的方框部分为测试结果。由图，信号处理的最大耗时为666.500微秒，图10(b)显示出最大耗时出现在信号处理包含了多普勒处理、CFAR检测和参数测量在内的脉冲时刻。而最大耗时也满足雷达系统1ms的硬实时要求。

步骤5.2功能验证

某型雷达硬实时信号处理机的功能验证包括CA-CFAR检测前信号处理模块的验证和CA-CFAR检测的验证。CA-CFAR检测前的处理模块包括DDC、脉冲压缩、MTI/MTD，通过分析这些模块输出的信号波形来对其进行功能验证，原始回波、脉冲压缩、MTI的输出波形在信号处理机的显控终端可以进行显示，DDC和脉冲多普勒处理结果的显示则通过Matlab显示；CA-CFAR检测的验证通过分析输出点迹来完成，雷达接收的信号为转发式干扰信号，干扰信号经过信号处理后会在CA-CFAR检测组件输出对应的假目标点迹，这些点迹将在P显上显示。

外场实验的雷达系统工作模式如下：PRF为1000Hz，载频为426MHz，信号为脉宽35us、带宽2MHz的线性调频信号。

步骤5.2.1DDC功能验证

图11为DDC组件的功能验证实验结果。图11(a)为经过ADC采样的中频回波信号，由图可以看出，原始回波信号包含了目标(距离60km处)、杂波、噪声和在较前时刻的采样点(即距离为0附近的采样点)从发射机耦合到接收机的信号，这些信号都是包含有中频载波的，无法分别出发射信号的调制形式。由于耦合到接收机的信号较少受到干扰和噪声的影响，经过正交解调后信号波形能够很好地反映出发射信号的调制方式，因此通过分析这部分回波的DDC结果就能分析组件功能的正确性。图11(b)是DDC输出信号的波形，从图中可以看出，耦合到接收机的发射信号已经被解调，中频载波已经被滤除，可以分辨出发射信号为线性调频信号。因此DDC组件实现了正交解调的功能。

步骤5.2.2脉冲压缩功能验证

图12为脉冲压缩的功能验证实验结果。图中的结果为图11(a)中的回波信号经DDC后进行脉冲压缩处理的结果。从图中可以看出，耦合到接收机的信号经过脉冲压缩之后在距离为0的位置形成一个尖峰；距离为55km附近的目标经过脉冲压缩处理后也在对应位置出形成了尖峰；2km～10km和35km～45km范围内的较低能量的回波也实现了脉冲压缩处理。功能验证实验与仿真实验结果保持一致，组件正确地实现了脉冲压缩的处理。

步骤5.2.3MTI功能验证

MTI功能验证实验的输入为图12中脉冲压缩处理的结果，在实验过程中通过分析得出，图12中55km处的目标为运动目标，其他目标为静止目标形成的杂波干扰目标。图13为MTI功能验证实验的结果。通过对比图12和图13可知，耦合到接收机的信号经过MTI之后被完全消除；在2km～10km和35km～45km的杂波过MTI之后也被滤除；在55km附近的目标经过MTI之后被保留下来。因此，MTI组件实现了抑制静止杂波、显示运动目标的功能。

步骤5.2.4MTD功能验证

雷达信号处理基础库的MTD组件采用“MTI+FFT”的模式来完成。上一节对MTI进行了功能的验证，MTD的功能试验则对慢时间维FFT的多普勒处理结果进行分析验证。功能验证实验选取了一个驻留的MTI输出脉冲组作为多普勒处理的输入，这组脉冲包含了32个脉冲。图14为一个目标的MTD功能验证实验结果。图14(a)为MTI的输出结果灰度图，图中的亮纹所在距离为目标距离，在未经多普勒处理前无法获得目标的多普勒信息。图14(b)为经过多普勒处理后的结果，由图可以看出，在目标所在位置，当多普勒索引为16时出现亮斑，也就是说经过多普勒处理后的目标在多普勒索引为16的位置取得最大增益，从而获得目标的多普勒信息。因此，MTD实现了抑制杂波和获取目标多普勒信息的功能。

步骤5.2.5CA-CFAR检测功能验证

CA-CFAR检测的输出为检测到的目标形成的点迹，这些目标点迹在雷达显控端的P显进行显示。图15是信号处理机和某型雷达系统在点迹显示时的界面对比。实验过程中，干扰机把功率开到最大，使得干扰信号从雷达天线的副瓣进入接收机，CA-CFAR检测组件能在天线指向的每个角度都检测到干扰目标，这样干扰机形成的假目标就会出现在雷达P显界面的几乎每个角度。由图可以看出，信号处理机的P显界面和雷达系统的P显界面都显示了相应的干扰假目标点迹和杂波点迹。图中右侧圈标识了部分干扰假目标点迹，假目标出现在70km附近，在P显界面上几乎形成一个环；左侧圈标识了杂波区域，杂波主要分布于30km以内的区域。信号处理机的检测结果和雷达系统自身的信号处理模块的检测形成的点迹基本保持一致，CA-CFAR组件正确地完成了检测的功能。

由以上的结果可以得出结论，在实际的软件化改造雷达系统中，软件化雷达库模式信号处理中间件无论从功能的角度还是性能的角度都满足系统的要求。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，包括以下步骤：

步骤1、划分库模式信号处理中间件为基础组件层和功能组件层，获得库模式信号处理中间件的处理框架；

步骤2、在处理框架内，根据某型雷达特点，设计出基础组件层内运算组件；

步骤3、在处理框架内，根据某型雷达特点，结合运算组件设计出功能组件层内处理组件；

步骤4、对处理组件进行功能验证，当验证结果符合标准时，进行步骤5；

步骤5、利用某型雷达对库模式信号处理中间件进行实验验证，获得在某型雷达的功能和性能测试结果。

2.根据权利要求1所述的一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，所述的步骤2，包括将向量点积运算、傅立叶变换及其逆变换和矩阵转置设计入运算组件。

3.根据权利要求2所述的一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，所述的傅立叶变换及其逆变换，包括使用一维的FFT接口，使用一维FFT接口包括以下步骤：

步骤①、构造FFT计划；

步骤②、按照FFT计划，调用执行FFT接口，执行FFT计算或者执行逆FFT计算；

步骤③、每当执行完FFT计算时进行资源回收。

4.根据权利要求2所述的一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，所述的矩阵转置，包括使用cublas<t>geam()接口，使用cublas<t>geam()接口包括以下步骤：

步骤①、构造cublas句柄；

步骤②、设置cublas<t>geam()接口中的参数，并调用该接口；

步骤③、调用cublasStatus_t cublasDestroy(cublasHandle_t handle)接口释放cublas库的资源。

5.根据权利要求2所述的一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，所述的步骤3，包括利用共享和支撑数据库结合所设计的运算组件设计数字下变频、脉冲压缩、动目标显示、动目标检测、单元平均恒虚警率和参数测量并均作为处理组件。

6.根据权利要求1或5所述的一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，所述的步骤4，对每项处理组件进行功能验证，分别判断对应项处理组件的验证结果是否符合标准。

7.根据权利要求2所述的一种软件化雷达库模式信号处理中间件的实现方法，其特征在于，所述的步骤5，对某型雷达进行数字下变频、脉冲压缩、动目标显示、动目标检测和单元平均恒虚警率性能验证。

8.一种软件化雷达库模式信号处理中间件的实现系统，其特征在于，包括

基础组件层，用于提供运算工具，包括向量点积运算组件、傅立叶变换及其逆变换组件和矩阵转置组件；

功能组件层，用于某型雷达功能的抽象，包括数字下变频组件、脉冲压缩组件、动目标显示组件、动目标检测组件、单元平均恒虚警率组件和参数测量组件；

其中，所述基础组件层支持所述功能组件层进行验证，验证后的功能组件层在某型雷达进行功能和性能测试。

9.根据权利要求8所述的一种软件化雷达库模式信号处理中间件的实现系统，其特征在于，所述的傅立叶变换及其逆变换组件，其傅立叶变换运算调用cufft库中的FFT接口。

10.根据权利要求8所述的一种软件化雷达库模式信号处理中间件的实现系统，其特征在于，所述的数字下变频组件，由向量点积运算组件和傅立叶变换及其逆变换FFT/IFFT组件构造；

所述的脉冲压缩组件，由向量点积运算组件和傅立叶变换及其逆变换FFT/IFFT组件构造；

所述的动目标显示组件，采用三脉冲对消器结构；

所述的动目标检测组件，由所述动目标显示组件、矩阵转置组件和傅立叶变换及其逆变换FFT/IFFT组件构造；

所述的单元平均恒虚警率组件，采用一维类型；

所述的参数测量组件，接收由所述单元平均恒虚警率组件输出的目标数目、目标距离索引和多普勒索引且输出目标角度、目标距离和目标速度。