CN107728114B - 基于gpu的低速目标监视雷达信号处理方法 - Google Patents
基于gpu的低速目标监视雷达信号处理方法 Download PDFInfo
- Publication number
- CN107728114B CN107728114B CN201711124300.0A CN201711124300A CN107728114B CN 107728114 B CN107728114 B CN 107728114B CN 201711124300 A CN201711124300 A CN 201711124300A CN 107728114 B CN107728114 B CN 107728114B
- Authority
- CN
- China
- Prior art keywords
- data
- gpu
- pulse
- processing
- buffer area
- 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
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
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于GPU的低速目标监视雷达信号处理方法，接收I/Q信号数据，对I信号数据和Q信号数据分别进行预处理，将处理后的数据存入GPU内存；读取存储于GPU内存中的预处理数据，进行脉冲压缩，并将脉冲压缩后的数据存入MTD的GPU数据缓冲区；读取存储于MTD的GPU数据缓冲区中的数据，将读取出的数据加权后进行FFT处理，并对FFT处理后的数据进行对数处理；将对数处理后的数据进行恒虚警检测运算，并将运算结果存入GPU数据缓冲区；拷贝GPU数据缓冲区中的数据到CPU内存中，并解算出相应的航迹数据信息。本发明采用基于CPU+GPU架构开发，通过C++和CUDA编程实现对雷达信号的实时处理，大大提高雷达信号的处理能力。
Description
技术领域
本发明涉及雷达信号处理领域，特别是一种基于GPU的低速目标监视雷达信号处理方法。
背景技术
低速目标监视雷达是一种用于监视低速度的空中目标或地面目标的一种雷达，对实时处理提出很高的要求，由于采样率较高，积累时间较长的情况下对数据处理的运算量比较大。
目前，雷达信号处理系统的电路设计大都采用数字信号处理芯片(DSP)、现场可编程门阵列(FPGA)或复杂的可编程逻辑器件(CPLD)，虽然这些器件的集成度高，能满足雷达系统发射与接收协同，兼顾系统快速响应和实时处理能力，但是这些硬件是需要定制开发专用的处理板，并在对硬件的逻辑编程实现是比较复杂的，具有较强的定制性，这导致雷达系统的开发难度高、灵活性差、成本高。
发明内容
为解决现有技术中存在的问题，本发明提供了一种基于GPU的低速目标监视雷达信号处理方法，通过对GPU编程实现对监视雷达信号实时处理，大大提高雷达信号的处理能力。
本发明采用的技术方案是：
一种基于GPU的低速目标监视雷达信号处理方法，包括如下步骤：
a、接收I/Q信号数据，对I信号数据和Q信号数据分别进行预处理，将处理后的数据存入GPU内存；
b、读取存储于GPU内存中的预处理数据，进行脉冲压缩，并将脉冲压缩后的数据存入MTD的GPU数据缓冲区；
c、读取存储于MTD的GPU数据缓冲区中的数据，将读取出的数据加权后进行FFT处理，并对FFT处理后的数据进行对数处理；
d、将对数处理后的数据进行恒虚警检测运算，并将运算结果存入GPU数据缓冲区；
e、拷贝GPU数据缓冲区中的数据到CPU内存中，并解算出相应的航迹数据信息。
优选地，所述步骤b包括如下步骤：
b1、读取存储于GPU内存中的预处理数据，对各个脉冲重复周期各个通道下长脉冲和短脉冲的数据进行拆分聚集存储；并将拆分聚集存储后的长脉冲和短脉冲进行FFT处理；
b2、分别读取长脉冲压缩系数和短脉冲压缩系数，并与FFT处理后的长脉冲和短脉冲作系数相乘；
b3、对脉压系数相乘后的长脉冲和短脉冲进行IFFT变换，将抽取脉压后的长脉冲和短脉冲数据存入MTD的GPU数据缓冲区。
优选地，所述步骤b1中，调用CUDA针对GPU封装的傅里叶变换函数库cufft，对长脉冲和短脉冲进行FFT处理；
所述步骤b2中，调用CUDA针对GPU封装的傅里叶变换函数库cufft，对脉压系数相乘后的长脉冲和短脉冲进行IFFT处理。
优选地，所述步骤c包括如下步骤：
根据权系数库法对读取出的数据进行加权处理，并调用CUDA针对GPU封装的傅里叶变换函数库cufft对加权后的数据进行FFT处理。
优选地，所述步骤d包括如下步骤：
将CFAR数据缓冲区中的数据向两边各延伸m+n个距离单元数；
对MTD中的数据，分别在距离域和频率域进行CFAR运算后，减掉环境估值L/R和门限值U，同时去掉距离维上两边延伸的m+n个数据；
将结果填入GPU数据缓冲区；
其中，m表示CFAR运算时的左右运算距离单元数，n表示CFAR运算时的左右间隔距离单元数。
本发明的有益效果是：
1、采用基于CPU+GPU架构开发，通过C++和CUDA编程实现对雷达信号的实时处理，不依赖于硬件资源，不仅成本低，而且还具有较高的可移植性；
2、大大提高了程序的开发效率，缩短了开发时间，并易于测试和升级。
附图说明
图1为本发明实施例所述基于GPU的低速目标监视雷达信号处理方法的流程图；
图2为本发明实施例中雷达信号处理流程图；
图3为本发明实施例中的信号存储结构图；
图4为本发明实施例中的距离-频率二维恒虚警检测器。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例
如图1-3所示，一种基于GPU的低速目标监视雷达信号处理方法，具体步骤如下：
步骤1：信号接收。
本步骤首先将长度为L的长短脉冲信号数据从CPU内存中拷贝到GPU内存中，连续拷贝Lp(脉冲重复周期数)条数据；然后GPU启动Lp×L个线程并行处理数据IQ，最后将I数据和Q数据保存在GPU缓冲区中。
步骤2：脉冲压缩。
本步骤从GPU缓冲区中读取I/Q数据，将各个脉冲重复周期(PRI)各通道下长脉冲和短脉冲的数据进行拆分聚集存储，利用CUDA针对GPU封装的傅里叶变换函数库cufft对长脉冲和短脉冲进行FFT处理，分别读取长脉冲压缩系数和短脉冲压缩系数与FFT处理后的长脉冲和短脉冲作系数相乘，再调用CUDA针对GPU封装的傅里叶变换函数库cufft对进行脉压系数相乘后的长短脉冲作IFFT变换，然后分别对脉压后的长脉冲和短脉冲数据进行抽取后存入MTD的GPU数据缓冲区。
具体包括：
(1)长短脉冲数据分离，从GPU缓冲区中读取长度为Lp×L的预处理数据(即脉压原始数据)，启动Lp×L个GPU线程并行执行长短脉冲数据分离，并将所有PRI的所有短脉冲数据顺序存储在GPU缓冲区SpData中，同时也将所有PRI的所有长脉冲数据顺序存储在GPU缓冲区LpData中，此时SpData数据结构为Lp×Spfft，LpData数据结构为Lp×Lpfft，其中Spfft为短脉冲数据的FFT点数，Lpfft为长脉冲数据的FFT点数；
(2)FFT处理，采用cufft计算库来实现短脉冲数据和长脉冲数据的FFT计算来获得较高的运算效率。
(3)短、长脉压系数相乘，启动Lp×Spfft条线程并行执行SpData中数据与短脉压系数相乘后存入SpData中，启动Lp×Lpfft条线程并行执行LpData中数据与长脉压系数相乘后存入LpData中。
(4)IFFT处理，采用cufft计算库来执行短脉压系数相乘后的短脉冲数据和长脉压系数相乘后的长脉冲数据的IFFT计算结果存入SpData和LpData中。
(5)数据抽取，分别对SpData和LpData中数据进行抽取，抽取之后SpData的数据结构为Lp×Spextra，LpData的数据结构为Lp×Lpextra，并将LpData中数据拼接在SpData数据之后存储在MTD数据缓冲区LSpData连续空间中(LSpData的存储结构为固定的(Spextra+Lpextra)×MTDNum,MTDNum为MTD阶数，是Lp的整数倍)，并统计进行PC的次数Count(初始值为0)，让Count＝Count+Lp。
步骤3：动目标检测。
本步骤从MTD的GPU数据缓冲区读取数据LSpData，并判断Count是否大于MTDNum，若Count>MTDNum，则执行Count＝Count-Lp，启动Lp×L个GPU线程来并行处理，通过权系数库法对MTD数据缓冲区LSpData中数据进行加权处理，然后调用CUDA针对GPU封装的傅里叶变换函数库cufft对加权后的MTD数据进行FFT处理，最后对FFT处理后数据进行对数处理；否则执行步骤1，进入下一循环。
步骤4：恒虚警检测。
本步骤从GPU缓存中读取MTD对数数据，设置门限值U，创建一个大小为MTDNum×((Spextra+Lpextra)+(m+n)×2的CFAR数据缓冲区，把从GPU缓存中读取的MTD数据转换为CFAR存储格式，即由(Spextra+Lpextra)×MTDNum结构转换为MTDNum×(Spextra+Lpextra)结构，分别对距离域和频率域根据CFAR公式对MTD数据进行运算，并减掉环境估值(L/R)和门限值(U)同时去掉距离维上两边的延伸m+n个数据，将其运算结果填入GPU数据缓冲区；其中，m表示CFAR运算时的左右运算距离单元数，n表示CFAR运算时的左右间隔距离单元数。
步骤5：根据步骤5的检测结果，将GPU缓冲区数据拷贝到CPU缓冲区中，就可以计算低速目标的航迹、速度、航向等信息。
步骤6：循环执行步骤1至步骤5，直至运算终止。
本发明采用基于CPU+GPU架构开发，通过C++和CUDA编程实现对雷达信号的实时处理，不依赖于硬件资源，不仅成本低，而且还具有较高的可移植性；而且大大提高了程序的开发效率，缩短了开发时间，并易于测试和升级。
以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (2)
1.一种基于GPU的低速目标监视雷达信号处理方法，其特征在于，包括如下步骤：
a、接收I/Q信号数据，对I信号数据和Q信号数据分别进行预处理，将处理后的数据存入GPU内存；
b、读取存储于GPU内存中的预处理数据，进行脉冲压缩，并将脉冲压缩后的数据存入MTD的GPU数据缓冲区；
b1、读取存储于GPU内存中的预处理数据，对各个脉冲重复周期各个通道下长脉冲和短脉冲的数据进行拆分聚集存储；并将拆分聚集存储后的长脉冲和短脉冲进行FFT处理；
b2、分别读取长脉冲压缩系数和短脉冲压缩系数，并与FFT处理后的长脉冲和短脉冲作系数相乘；
b3、对脉压系数相乘后的长脉冲和短脉冲进行IFFT变换，将抽取脉压后的长脉冲和短脉冲数据存入MTD的GPU数据缓冲区；
c、读取存储于MTD的GPU数据缓冲区中的数据，根据权系数库法对读取出的数据进行加权处理，并调用CUDA针对GPU封装的傅里叶变换函数库cufft对加权后的数据进行FFT处理，并对FFT处理后的数据进行对数处理；
d、将CFAR数据缓冲区中的数据向两边各延伸m+n个距离单元数；
对MTD中的数据，分别在距离域和频率域进行CFAR运算后，减掉环境估值L/R和门限值U，同时去掉距离维上两边延伸的m+n个数据；
将结果填入GPU数据缓冲区；
其中，m表示CFAR运算时的左右运算距离单元数，n表示CFAR运算时的左右间隔距离单元数；
e、拷贝GPU数据缓冲区中的数据到CPU内存中，并解算出相应的航迹数据信息；
所述步骤a中具体包括：首先将长度为L的长短脉冲信号数据从CPU内存中拷贝到GPU内存中，连续拷贝Lp(脉冲重复周期数)条数据；然后GPU启动Lp×L个线程并行处理数据IQ，最后将I数据和Q数据保存在GPU缓冲区中；
所述步骤b中具体包括：从GPU缓冲区中读取I/Q数据，将各个脉冲重复周期(PRI)各通道下长脉冲和短脉冲的数据进行拆分聚集存储，利用CUDA针对GPU封装的傅里叶变换函数库cufft对长脉冲和短脉冲进行FFT处理，分别读取长脉冲压缩系数和短脉冲压缩系数与FFT处理后的长脉冲和短脉冲作系数相乘，再调用CUDA针对GPU封装的傅里叶变换函数库cufft对进行脉压系数相乘后的长短脉冲作IFFT变换，然后分别对脉压后的长脉冲和短脉冲数据进行抽取后存入MTD的GPU数据缓冲区。
2.根据权利要求1所述的基于GPU的低速目标监视雷达信号处理方法，其特征在于，所述步骤b1中，调用CUDA针对GPU封装的傅里叶变换函数库cufft，对长脉冲和短脉冲进行FFT处理；
所述步骤b2中，调用CUDA针对GPU封装的傅里叶变换函数库cufft，对脉压系数相乘后的长脉冲和短脉冲进行IFFT处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711124300.0A CN107728114B (zh) | 2017-11-14 | 2017-11-14 | 基于gpu的低速目标监视雷达信号处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711124300.0A CN107728114B (zh) | 2017-11-14 | 2017-11-14 | 基于gpu的低速目标监视雷达信号处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107728114A CN107728114A (zh) | 2018-02-23 |
| CN107728114B true CN107728114B (zh) | 2021-10-29 |
Family
ID=61215894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711124300.0A Active CN107728114B (zh) | 2017-11-14 | 2017-11-14 | 基于gpu的低速目标监视雷达信号处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107728114B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764144B (zh) * | 2018-05-29 | 2021-09-07 | 电子科技大学 | 一种基于gpu的合成孔径雷达目标检测方法 |
| CN110109074A (zh) * | 2019-04-18 | 2019-08-09 | 西安电子科技大学 | 基于RFSoC芯片的雷达信号预处理方法 |
| 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 |
| 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 |
| CN112859032B (zh) * | 2021-02-23 | 2022-12-20 | 航天南湖电子信息技术股份有限公司 | 一种提高雷达脉压处理性能的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104849698A (zh) * | 2015-05-21 | 2015-08-19 | 中国人民解放军海军工程大学 | 一种基于异构多核系统的雷达信号并行处理方法及系统 |
| CN107153547A (zh) * | 2017-05-15 | 2017-09-12 | 电子科技大学 | 一种软件化雷达库模式信号处理中间件 |
| CN107229051A (zh) * | 2017-05-26 | 2017-10-03 | 西安电子科技大学 | 基于gpu的视频sar回波仿真并行实现方法 |
| CN107315168A (zh) * | 2017-07-11 | 2017-11-03 | 电子科技大学 | 一种软件化雷达信号数据处理系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6577269B2 (en) * | 2000-08-16 | 2003-06-10 | Raytheon Company | Radar detection method and apparatus |
-
2017
- 2017-11-14 CN CN201711124300.0A patent/CN107728114B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104849698A (zh) * | 2015-05-21 | 2015-08-19 | 中国人民解放军海军工程大学 | 一种基于异构多核系统的雷达信号并行处理方法及系统 |
| CN107153547A (zh) * | 2017-05-15 | 2017-09-12 | 电子科技大学 | 一种软件化雷达库模式信号处理中间件 |
| CN107229051A (zh) * | 2017-05-26 | 2017-10-03 | 西安电子科技大学 | 基于gpu的视频sar回波仿真并行实现方法 |
| CN107315168A (zh) * | 2017-07-11 | 2017-11-03 | 电子科技大学 | 一种软件化雷达信号数据处理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107728114A (zh) | 2018-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107728114B (zh) | 基于gpu的低速目标监视雷达信号处理方法 | |
| US11255962B2 (en) | Automotive testing method, system and computer program product | |
| CN103364770B (zh) | 基于矩阵填充的雷达目标检测系统及其检测方法 | |
| CN108169727B (zh) | 一种基于fpga的动目标雷达散射截面测量方法 | |
| CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
| US20190107620A1 (en) | Accelerator engine, corresponding apparatus and method, for instance for anti-collision systems for motor vehicles | |
| CN102736074A (zh) | 基于fpga的激光多普勒雷达信号处理器及处理方法 | |
| WO2023206860A1 (zh) | 一种机械设备故障的确定方法及装置 | |
| CN104685377A (zh) | 对于大的数据集的存储器受限的自由表面多次波预测方法 | |
| CN112966815A (zh) | 基于脉冲神经网络的目标检测方法、系统及设备 | |
| CN112444814A (zh) | 基于pcie光纤采集卡的数字阵列天气雷达信号处理器 | |
| CN202661624U (zh) | 基于fpga的激光多普勒雷达信号处理器 | |
| CN106291500B (zh) | 基于fpga的片上系统及其目标检测方法 | |
| CN210982721U (zh) | 基于fpga的低小慢目标探测雷达静态杂波抑制装置 | |
| CN111337896A (zh) | 一种实现动目标检测加速的方法 | |
| KR101295061B1 (ko) | Ｆｍｃｗ 레이더 신호처리모듈 및 그의 메모리 관리 방법 | |
| CN113759362B (zh) | 雷达目标数据关联的方法、装置、设备和存储介质 | |
| US11835649B2 (en) | Method and apparatus for radar signal processing using convolutional neural network | |
| EP3602326A1 (en) | Decision based re-processing framework for radar technology | |
| RU180088U1 (ru) | Устройство построения радиолокационного изображения с помощью радиолокационной станции с синтезированной апертурой | |
| CN102594416B (zh) | 用于多波束快速角引导和角捕获系统的多波束信号检测器 | |
| CN115994096B (zh) | 一种雷达信号处理和仿真的验证方法 | |
| CN117214821B (zh) | 一种基于稀疏矩阵压缩存储的声源成像方法及装置 | |
| CN116520256B (zh) | 一种基于深度学习的机载预警雷达干扰识别方法和装置 | |
| CN107703507B (zh) | 一种基于fpga的目标聚类实现方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: GPU Based Signal Processing Method for Low Speed Target Surveillance Radar Effective date of registration: 20230324 Granted publication date: 20211029 Pledgee: Bank of Guiyang Limited by Share Ltd. Chengdu Qingyang branch Pledgor: SICHUAN TELECAST TECHNOLOGY CO.,LTD. Registration number: Y2023510000078 |