CN107703503A - 一种基于gpu加速的点迹凝聚方法 - Google Patents

Abstract

该发明公开了一种基于GPU加速的点迹凝聚方法，属于数据处理技术，具体涉及加速点迹凝聚算法。针对边扫描边跟踪体制雷达，采用如图5的扫描方式，来自一个角度的回波数据为一帧数据，每收到W帧数据后，采用GPU对收到的W帧数据做并行距离向凝聚处理，得到每帧的目标，再采用CPU进行相同目标的判断和融合，从而实现本发明的目的。本发明的有益效果是在保证雷达持续每一圈扫描的同时，目标的点迹凝聚处理能够及时的对每一圈得到原始点迹数据进行凝聚，同时增加了一个截止变量，避免因为中间帧此目标没有原始点迹而造成此目标凝聚过程断裂而造成输出多个目标，提高了目标凝聚的准确性。

Description

一种基于GPU加速的点迹凝聚方法

技术领域

本发明属于数据处理技术，具体涉及加速点迹凝聚算法。

背景技术

运动目标被雷达照射，其散射信号经接收、放大和信号处理后，数据处理系统可获得包含目标位置信息的若干原始点迹数据。

经过目标原始点迹数据的归并与分辨后，由副瓣所产生的目标点迹已被滤波，每批目标所属的点迹已经确定，接着需按每批目标的点迹数据求质心，即目标的凝聚处理

对具体雷达来说，由于其工作方式、波束形状、天线转速、重复频率、相参处理脉冲数、检测器的选择、录取参数和数据格式等不尽相同，而使目标原始点迹数据有所区别，归并与分辨的方法与准则也不相同，但总的处理思路是相同的，即按目标回波在距离上、方位上的特性，保留有用的点迹，滤除对求取目标质心不利的点迹，对有用的点迹进行归并和分辨，然后完成目标质心的求取，形成目标点迹参数的估值。

传统上点迹凝聚处理过程主要是将雷达信号处理单元处理的单一扫描线上的原始点迹一帧一帧的处理，主要是在FPGA上实现，实现的成本较高、处理复杂，需要在底层硬件编程，这样在雷达转速比较高的情况下，系统负荷大，不能有效的保证实时性处理输出。可考虑到软件平台实现，GPU可以同时运行成千上万个线程，GPU的并行处理可以采用在数据处理上，大大提高处理的时效性，有效减轻系统负担，能为后来的航迹起始，多目标关联，跟踪提供及时的输出。

发明内容

本发明所要解决的技术问题是，在传统凝聚处理过程中针对于边扫描边跟踪体制雷达点迹凝聚处理实时性的改进方法。

本发明为解决上述技术问题所采用的技术方案是，针对边扫描边跟踪体制雷达，采用如图5的扫描方式，来自一个角度的回波数据为一帧数据，每收到W帧数据后，采用GPU对收到的W帧数据做并行距离向凝聚处理，得到每帧的目标，再采用CPU进行相同目标的判断和融合，从而实现本发明的目的。因而本发明一种基于GPU加速的点迹凝聚方法，该方法包括：

步骤1：实时获取不同角度方向上的回波扫描线数据，一个角度的回波扫描线数据为一帧；

步骤2：连续获取W帧数据后，采用GPU计算出获得的各帧数据中的目标，及该目标所占对应扫描线的起始位置和终止位置，W的大小根据实际情况确定；

步骤3：根据目标在所在扫描线的起始位置和终止位置，采用CPU判断相邻帧数据中识别出的目标是否属于同一目标；针对第n帧数据中的目标A的判断方法为：

步骤3.1：设置一个截止变量H＝0；判断第n+1帧数据中是否有目标与第n帧数据中的目标A属于同一目标，若第n+1帧数据中有目标与第n帧数据中的目标A属于同一目标，则继续判断第n+2帧；若第n+1帧数据中没有目标与第n帧数据中的目标A属于同一目标，则对截止变量H进行赋值计算：H＝H+1，再继续判断第n+2帧；

步骤3.2：判断第n+2帧中是否有目标与第n帧数据中的目标A属于同一目标，若第n+2帧数据中有目标与第n帧数据中的目标A属于同一目标，则继续判断第n+3帧；若第n+2帧数据中没有目标与第n帧数据中的目标A属于同一目标，则继续对截止变量H进行赋值计算：H＝H+1，再继续判断第n+3帧；

步骤3.3：采用步骤3.2的方法连续判断后续帧的数据，直到H值大于设定的截止阈值CUT，则针对目标A的同一目标判断终止，不再与后续帧数据中的目标进行是否属于同一目标的判断；

步骤4：采用CPU将各帧数据中属于同一目标的数据进行融合，得到获得数据中的目标信息；

步骤5：新接收到W帧数据后，首先采用步骤2的方法计算出新收到数据中的目标，及该目标所占对应扫描线的起始位置和终止位置；然后采用步骤3的方法判断新收到数据中相邻帧数据识别出的目标是否属于同一目标，及新收到数据中目标与已有数据帧融合后的目标是否属于同一目标；再根据步骤4的方法进行目标融合。

进一步的，所述步骤3中判断第n帧数据中目标I与后续某一帧数据中目标J是否为同一目标的方法为：

步骤a：计算目标I的终止位置和目标J的起止位置距离差的绝对值P；

步骤b：计算目标I的起始位置和目标J的终止位置距离差的绝对值Q；

步骤c：将P和Q中的最小值与方位凝聚参考长度M比较，若小于M，这判断目标I和目标J为同一目标，M根据实际情况设定。

进一步的，所述步骤4中同一目标的融合方法为：

其中：A₀和R₀表示融合后目标的方位和距离，A_i和R_i分别表示第i个量测单元的方位和距离，V_i表示第i个量测单元的幅值，n为将融合的目标包含的所有量测单元总数。

本发明的有益效果是在保证雷达持续每一圈扫描的同时，目标的点迹凝聚处理能够及时的对每一圈得到原始点迹数据进行凝聚，同时增加了一个截止变量，避免因为中间帧此目标没有原始点迹而造成此目标凝聚过程断裂而造成输出多个目标，提高了目标凝聚的准确性。

从图3，图6，图7中得到，采用GPU+CPU联合的方式对一圈点迹凝聚处理的时间相较于完全采用CPU的方式能够大约在1.3s，雷达扫描周期为6s，能够保证处理的实时性；完全采用CPU和采用GPU+CPU方式处理达到的目标凝聚效果相同。

从图4中得到，左侧原本应为一个目标的因为中间有帧断裂而分裂成两个目标，而增加截止变量后，能够凝聚为一个目标。

附图说明

图1为本发明的整体处理流程框架图；

图2为分别采用CPU和GPU进行距离上凝聚时间统计图；

图3为分别采用CPU和GPU+CPU进行距离和方位上凝聚时间统计图；

图4为截止变量H使用比较结果图；

图5为一圈原始点迹数据示意图；

图6为图5的原始点迹数据距离和方位上全部采用CPU的处理结果示意图；

图7为图5的原始点迹数据在距离上采用GPU和在方位上采用CPU的处理结果示意图。

具体实施方式

一种基于GPU加速的点迹凝聚方法，该方法包括：

步骤1：实时获取不同角度方向上的扫描线数据，一个角度的扫描线数据为一帧；

步骤2：连续获取W帧数据后，采用GPU计算出获得的各帧数据中的目标，及该目标所占对应扫描线的起始位置和终止位置，W的大小根据实际情况确定；

步骤3：根据目标在所在扫描线的起始位置和终止位置，采用CPU判断相邻帧数据中识别出的目标是否属于同一目标；针对第n帧数据中的目标A的判断方法为：

步骤3.1：设置一个截止变量H＝0；判断第n+1帧数据中是否有目标与第n帧数据中的目标A属于同一目标，若第n+1帧数据中有目标与第n帧数据中的目标A属于同一目标，则继续判断第n+2帧；若第n+1帧数据中没有目标与第n帧数据中的目标A属于同一目标，则对截止变量H进行赋值计算：H＝H+1，再继续判断第n+2帧；

步骤3.2：判断第n+2帧中是否有目标与第n帧数据中的目标A属于同一目标，若第n+2帧数据中有目标与第n帧数据中的目标A属于同一目标，则继续判断第n+3帧；若第n+2帧数据中没有目标与第n帧数据中的目标A属于同一目标，则继续对截止变量H进行赋值计算：H＝H+1，再继续判断第n+3帧；

步骤3.3：采用步骤3.2的方法连续判断后续帧的数据，直到H值大于设定的截止阈值CUT，则针对目标A的同一目标判断终止，不再与后续帧数据中的目标进行是否属于同一目标的判断；

步骤4：采用CPU将各帧数据中属于同一目标的数据进行融合，得到获得数据中的目标信息；

步骤5：新接收到W帧数据后，首先采用步骤2的方法计算出新收到数据中的目标，及该目标所占对应扫描线的起始位置和终止位置；然后采用步骤3的方法判断新收到数据中相邻帧数据识别出的目标是否属于同一目标，及新收到数据中目标与已有数据帧融合后的目标是否属于同一目标；再根据步骤4的方法进行目标融合。

进一步的，所述步骤3中判断第n帧数据中目标I与第n+1或n+2帧数据中目标J是否为同一目标的方法为：

步骤a：计算目标I的终止位置和目标J的起止位置距离差的绝对值P；

步骤b：计算目标I的起始位置和目标J的终止位置距离差的绝对值Q；

步骤c：将P和Q中的最小值与方位凝聚参考长度M比较，若小于M，这判断目标I和目标J为同一目标，M根据实际情况设定。

进一步的，所述步骤4中同一目标的融合方法为：

其中：A₀和R₀表示融合后目标的方位和距离，A_i和R_i分别表示第i个量测单元的方位和距离，V_i表示第i个量测单元的幅值，n为将融合的两个目标包含的量测单元总数。

具体结构和工作流程如图1所示：

图1中，F_i(i＝1,...,W)表示信号处理单元传出的W帧原始点迹数据在CPU端缓冲接收达到W帧，GPU距离向凝聚处理是在GPU端对累积的W帧原始点迹进行距离上的凝聚，经过GPU处理之后，将这样W帧距离上的凝聚结果传输到CPU端，CPU方位向凝聚处理是CPU端对GPU端的输出结果进行方位上的凝聚，如果某一个目标已经有超过CUT帧的原始点迹数据未有原始点添加进来，最后将此目标的所有原始点进行加权输出唯一距离和方位值，式中V_i(i＝1,...,n)表示每个原始点的幅度大小，A_i，R_i分别表示对应的方位和距离，经过加权处理得到唯一的估计值点，最后绘制目标。

根据附图进一步说明具体实施方式的效果；

1、在W＝2048时，实验条件为将一圈划分为8192个方位，每个扫描线之间方位差为4，针对这W帧的原始点迹数据分别采用GPU和CPU进行距离上凝聚，时间作以下统计，由图2可知，采用CPU处理这W帧原始点迹时需要大约6.2s，而采用GPU的处理时间大约为15.8ms，在距离上凝聚CPU的时间与GPU时间平均比值接近400，证明采用GPU距离上凝聚能够极大地提高速度。

2、在W＝2048时，实验条件为将一圈划分为8192个方位，每个扫描线之间方位差为4，针对这W帧的原始点迹数据分别采用CPU和GPU+CPU方式进行距离并且方位上凝聚。

3、图3是扫描一圈在距离上和方位上全部采用CPU处理的时间和扫描一圈在距离上凝聚采用GPU、而在方位上凝聚采用CPU处理时间的总和，雷达扫描周期6s，从结果对比我们看出，如果全部采用CPU做距离和方位上的凝聚，时间高达26s左右，不能达到每一圈的及时处理，而采用GPU+CPU方案时间平均值大约1.3s，能有效的处理每一圈扫描数据，处理速度能够有20倍左右的提升。

4、图4左侧未采用H截止变量，而右侧采用后使得目标凝聚准确性提高。单点表示一段连续帧原始点迹数据，星形表示凝聚估值点，图4左侧有两个凝聚估值点是因为在进行方位向凝聚的时候，此目标原始点迹有一帧断裂，造成左侧应属于一个目标的原始点迹分裂成两个目标，右侧是在采用了H截止变量之后，如果目标中间有帧断裂，同样能够很好的进行凝聚，而且不会对凝聚目标产生分裂，获得唯一估值点。

Claims (3)

1.一种基于GPU加速的点迹凝聚方法，该方法包括：

步骤1：实时获取不同角度方向上的回波扫描线数据，一个角度的回波扫描线数据为一帧；

步骤2：连续获取W帧数据后，采用GPU计算出获得的各帧数据中的目标，及该目标所占对应扫描线的起始位置和终止位置，W的大小根据实际情况确定；

步骤3：根据目标在所在扫描线的起始位置和终止位置，采用CPU判断相邻帧数据中识别出的目标是否属于同一目标；针对第n帧数据中的目标A的判断方法为：

步骤3.1：设置一个截止变量H＝0；判断第n+1帧数据中是否有目标与第n帧数据中的目标A属于同一目标，若第n+1帧数据中有目标与第n帧数据中的目标A属于同一目标，则继续判断第n+2帧；若第n+1帧数据中没有目标与第n帧数据中的目标A属于同一目标，则对截止变量H进行赋值计算：H＝H+1，再继续判断第n+2帧；

步骤3.2：判断第n+2帧中是否有目标与第n帧数据中的目标A属于同一目标，若第n+2帧数据中有目标与第n帧数据中的目标A属于同一目标，则继续判断第n+3帧；若第n+2帧数据中没有目标与第n帧数据中的目标A属于同一目标，则继续对截止变量H进行赋值计算：H＝H+1，再继续判断第n+3帧；

步骤3.3：采用步骤3.2的方法连续判断后续帧的数据，直到H值大于设定的截止阈值CUT，则针对目标A的同一目标判断终止，不再与后续帧数据中的目标进行是否属于同一目标的判断；

步骤4：采用CPU将各帧数据中属于同一目标的数据进行融合，得到获得数据中的目标信息；

步骤5：新接收到W帧数据后，首先采用步骤2的方法计算出新收到数据中的目标，及该目标所占对应扫描线的起始位置和终止位置；然后采用步骤3的方法判断新收到数据中相邻帧数据识别出的目标是否属于同一目标，及新收到数据中目标与已有数据帧融合后的目标是否属于同一目标；再根据步骤4的方法进行目标融合。

2.如权利要求1所述的一种基于GPU加速的点迹凝聚方法，其特征在于所述步骤3中判断第n帧数据中目标I与后续某一帧数据中目标J是否为同一目标的方法为：

步骤a：计算目标I的终止位置和目标J的起止位置距离差的绝对值P；

步骤b：计算目标I的起始位置和目标J的终止位置距离差的绝对值Q；

步骤c：将P和Q中的最小值与方位凝聚参考长度M比较，若小于M，这判断目标I和目标J为同一目标，M根据实际情况设定。

3.如权利要求1所述的一种基于GPU加速的点迹凝聚方法，其特征在于所述步骤4中同一目标的融合方法为：

<mrow> <msub> <mi>A</mi> <mn>0</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>A</mi> <mi>i</mi> </msub> <msub> <mi>V</mi> <mi>i</mi> </msub> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>V</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>,</mo> <msub> <mi>R</mi> <mn>0</mn> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>R</mi> <mi>i</mi> </msub> <msub> <mi>V</mi> <mi>i</mi> </msub> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>V</mi> <mi>i</mi> </msub> </mrow> </mfrac> </mrow>

其中：A₀和R₀表示融合后目标的方位和距离，A_i和R_i分别表示第i个量测单元的方位和距离，V_i表示第i个量测单元的幅值，n为将融合的目标包含的所有量测单元总数。