CN108445509B - 基于gpu的相干激光雷达信号处理方法 - Google Patents
基于gpu的相干激光雷达信号处理方法 Download PDFInfo
- Publication number
- CN108445509B CN108445509B CN201810316127.2A CN201810316127A CN108445509B CN 108445509 B CN108445509 B CN 108445509B CN 201810316127 A CN201810316127 A CN 201810316127A CN 108445509 B CN108445509 B CN 108445509B
- Authority
- CN
- China
- Prior art keywords
- gpu
- coherent
- power spectrum
- laser radar
- processing method
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于GPU的相干激光雷达信号处理方法,该方法基于英伟达公司的统一计算架构(CUDA)算法,使用显卡(GPU)并行运算代替传统相干测风激光雷达中的FPGA或DSP运算,使用CPU对GPU输出的功率谱进行保存和深入处理。相对于传统相干测风激光雷达,使用GPU运算速度更快,成本更低,可以实现实时风速反演或实时时‑频变换。将功率谱数据保存,便于使用其他算法对数据进行深度处理,以提取大气能见度、大气退偏振比等更多有用信息。
Description
技术领域
本发明涉及激光雷达技术领域,尤其涉及一种基于GPU的相干激光雷达信号处理方法。
背景技术
精确的大气风场测量对检测大气污染,获取军事环境情报,提高航空航天安全性,提高天气预报准确性,改进气候模型等具有重大意义。测风激光雷达是风场测量的有效手段,分为直接探测测风激光雷达和相干探测测风激光雷达。直接探测测风激光雷达使用光学鉴频器,将多普勒频移信息转化为能量的相对变化,实现大气风场的测量;相干探测测风激光雷达通过大气回波信号与本振激光的相干拍频实现大气风场的测量。相干测风激光雷达基本原理如下:连续波激光器产生中心频率为υ0的线偏振光,经分光片后分为信号光和本振光,信号光经声光调制器(AOM)调制为脉冲光,并产生υM的频移,再由放大器进行功率放大,经环形器后由望远镜出射。设风场对脉冲光产生的多普勒频移为υd,则回波信号中心频率为υ0+υM+υd,回波信号与本振光两者的拍频信号经光电探测器转换为频率为υM+υd的IF电信号,再经接收机中采集卡采样和后续电路数据处理分析得到风场信息。
1.5μm的全光纤相干测风激光雷达具有体积小,高测量精度,高时间和高空间分辨率等优点,是世界各国争相发展的领域。日本三菱机电有限公司报道了世界上第一台1.5μm的相干测风激光雷达。法国LEOSPHERE公司生产了可以商用的WINDCUBE相干测风激光雷达,法国航空航天研究中心(ONERA)自主研制了1.5μm相干测风激光雷达,英国SgurrEnergy推出了搭配风力发电设备使用的Galion系列相干测风激光雷达,英国QinetiQ公司开发出了ZephIR系列基于光纤技术的1.548μm脉冲相干测风激光雷达,美国国家大气研究中心(NCAR)拥有机载的基于连续激光的相干测风激光雷达(LAMS)。国内的哈尔滨工业大学姚勇课题组在2010年搭建了采用1.5μm波长连续波激光器的相干测风激光雷达。中国海洋大学在2014年报道了其研制的用于风能研究和开发利用的1.55μm相干测风激光雷达。中国电子科技集团公司第二十七研究所2010年报道了采用1.5μm连续波零差频的激光雷达,并在2013年报道了一套全光纤化的相干测风激光雷达。中国科学院上海光学精密机械研究所在2012年研制了1.064μm的相干测风激光雷达,在2014年又报道了用于边界层风廓线探测的1.54μm全光纤相干测风激光雷达。但是,以上相干测风激光雷达的接收机都使用FPGA或者DSP进行风场数据实时反演,存在以下问题:
(1)通常相干激光雷达中AOM调制频率υM=80MHz,在考虑υd动态范围之后,IF电信号将达到120MHz量级。根据奈奎斯特采样定理,采样频率达到IF电信号的2倍以上,才能完整地对信号进行还原,因此相干激光雷达中,采样率通常达到250MHz以上。假设采样率Fs=500MS/s,距离分辨率为60m,每秒需进行5M个1024点的FFT计算。在计算机中,基2的1024点实数FFT理论上需要约260k次运算,在不考虑内存分配,功率谱计算,数据累积等运算,仅考虑FFT运算的情况下,后续电路数据处理速度最少应达到1.2T次浮点每秒运算能力。以TI的高端DSP芯片TMS320C6678的160G次浮点每秒的运算能力,需要8颗并行才能满足运算要求;目前最高性能的FPGA运算能力与TMS320C6678处于同一量级,因此相干接收机编程难度大,电路结构复杂。
(2)TMS320C6678型号的DSP和FPGA芯片都非常昂贵,单核TMS320C6678板卡约为5000元。因此,相干接收机电路成本高昂。
(3)如果提高相干激光雷达的距离分辨率,需要减小出射激光脉冲宽度,根据脉冲宽度与光谱展宽的关系,会导致回波信号功率谱的展宽。为了避免光谱重叠,需要增加AOM频移量,从而需要更高采样率的和更大计算能力的接收机。DSP或FPGA的计算能力将成为相干激光雷达发展的瓶颈。
发明内容
本发明的目的是提供一种基于GPU的相干激光雷达信号处理方法,通过使用GPU并行运算对相干拍频信号进行解调,降低了相干接收机的成本,提高了相干测风激光雷达接收机的计算能力,可以实现实时风速反演或实时时频变换,同时,使用CPU对GPU输出的功率谱进行处理,便于后续信号的深度处理,获取更多有用信息。
本发明的目的是通过以下技术方案实现的:
一种基于GPU的相干激光雷达信号处理方法,包括:
步骤S1、使用cudaMalloc在GPU的显存中分配固定的输入输出数据储存空间;
步骤S2、将采集卡采集的数据通过PCIE接口,使用DMA方式直接输入显存中所分配的固定的输入输出数据储存空间;
步骤S3、将显存中的数据按照激光雷达的探测距离门进行预处理;
步骤S4、使用CUDA中的cuFFT库创建FFT变换策略,使用GPU多线程对预处理后的数据进行并行FFT变换;
步骤S5、在GPU中对变换结果取功率谱,并进行功率谱累加;
步骤S6、到达累积阈值后,使用cudaHostMalloc在计算机内存中分配固定储存空间,通过PCIE接口,使用DMA方式将累加的功率谱传回至计算机分配的固定储存空间中,使用计算机内的CPU对功率谱进行处理,求得最终风场结果。
由上述本发明提供的技术方案可以看出,使用GPU代替DSP和FPGA对相干激光雷达信号进行处理,提高了相干接收机的运算能力,降低了相干接收机的成本。同时,使用经过优化的CUDA库函数,降低了相干接收机的开发难度,此外,使用CPU对功率谱进行进一步处理,便于更多有用风场信息的提取。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种基于GPU的相干激光雷达信号处理方法的流程图;
图2为本发明实施例提供的基于GPU的相干激光雷达系统的结构示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
2007年英伟达NVIDIA公司推出了统一计算设备架构(CUDA),将显卡(GPU)变成可以用作数据并行计算的设备。经过近10年的发展,CUDA技术已经大规模商用,完全兼容C/C++等常见编程语言,具有高级而完备的软件开发工具和环境,且GPU广泛用于娱乐、高性能计算领域,容易采购且性价比高。目前民用级别的GTX1080显卡,单块不足5000元,可实现9T次每秒的浮点运算能力,比TMS320C6678运算能力高50倍以上,因此,基于GPU的相干激光雷达信号处理方法具有很大优势。
本发明实施例提供一种基于GPU的相干激光雷达信号处理方法,其特征在于,包括:
步骤S1、使用cudaMalloc在显卡的显存中分配固定的输入输出数据储存空间。
本发明实施例中,显存中分配固定的输入输出数据储存空间至少为两块,以实现采集卡高速数据流的“乒乓操作”,实现数据流的无缝传输和处理。
步骤S2、将采集卡采集的数据通过PCIE接口,使用DMA(直接内存存取)方式直接输入显存中所分配的固定的输入输出数据储存空间。
步骤S3、将显存中的数据按照激光雷达的探测距离门进行预处理。
本发明实施例中,所述的预处理主要包括:分组与内插补零等操作。
步骤S4、使用CUDA中的cuFFT库创建FFT变换(快速傅氏变换)策略,使用GPU多线程对预处理后的数据进行并行FFT变换。
步骤S5、在GPU中对变换结果取功率谱,并进行功率谱累加。
本发明实施例中,使用cuBLAS、cuFFT等并行函数库,对矩阵进行并行操作,提高数据分组,内插补零和功率谱计算的速度;具体的:显存中的数据为矩阵形式,可以使用cublas库对矩阵进行乘法或其他操作来分组与内插补零,然后用cufft库对矩阵进行并行FFT变换,再计算功率谱。
步骤S6、到达累积阈值后,使用cudaHostMalloc在计算机内存中分配固定储存空间,通过PCIE接口,使用DMA方式将累加的功率谱传回至计算机分配的固定储存空间中,使用计算机内的CPU对功率谱进行处理,求得最终风场结果。
本发明实施例中,使用CPU对功率谱进行最后处理。因为功率谱处理所需计算量较小,可用多种算法进行深入处理,提取更多有用信息,所以将功率谱结果从GPU输出,利用CPU处理进行更为灵活的处理,让GPU满载处理更为复杂的FFT变换等操作。
本发明实施例中,上述方法可以在相干接收机中实现;如图2所示,为包含相干激光雷达光学发射系统A,相干激光雷达光学接收系统B,以及相干接收机C的基于GPU的相干激光雷达系统的结构示意图;其中的相干接收机C主要包括采集卡1,支持CUDA的GPU2,以及计算机3。整个系统的实施过程简述如下:
步骤一:相干激光雷达发射系统A发射脉冲激光,脉冲激光回波信号经相干激光雷达接收系统B接收,经探测器将光信号转换为电信号后,输入至相干接收机C。
本领域技术人员可以理解,相干激光雷达发射系统A内部的a、b、c表示环形器的三个端口;相干激光雷达光学发射系统A与相干激光雷达光学接收系统B的具体实现方式可以参照现有技术。
步骤二:相干接收机C中的采集卡1对电信号进行数模转换,数字信号经PCIE接口输入至支持CUDA的GPU2的显存中。使用GPU对信号进行并行处理,在显卡内对功率谱进行累积。
步骤三:到达累积脉冲数后,累积功率谱经PCIE接口传输给计算机3,经计算机3中的CPU求得每个距离门内的离散功率谱峰值所在的频率,或对数据进行深度处理,得到风场信息。
上述步骤二~步骤三的具体实现过程也即前文所述的步骤S1~步骤S6。
本发明实施例上述方案,本发明英伟达公司的统一计算架构(CUDA)算法,使用显卡(GPU)并行运算代替传统相干测风激光雷达中的FPGA或DSP运算,使用CPU对GPU输出的功率谱进行保存和深入处理。相对于传统相干测风激光雷达,使用GPU运算速度更快,成本更低,可以实现实时风速反演或实时时-频变换。将功率谱数据保存,便于使用其他算法对数据进行深度处理,以提取大气能见度、大气退偏振比等更多有用信息。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,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。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (3)
1.一种基于GPU的相干激光雷达信号处理方法,其特征在于,包括:
步骤S1、使用cudaMalloc在GPU的显存中分配固定的输入输出数据储存空间;
步骤S2、将采集卡采集的数据通过PCIE接口,使用DMA方式直接输入显存中所分配的固定的输入输出数据储存空间;
步骤S3、将显存中的数据按照激光雷达的探测距离门进行预处理;
步骤S4、使用CUDA中的cuFFT库创建FFT变换策略,使用GPU多线程对预处理后的数据进行并行FFT变换;
步骤S5、在GPU中对变换结果取功率谱,并进行功率谱累加;
步骤S6、到达累积阈值后,使用cudaHostMalloc在计算机内存中分配固定储存空间,通过PCIE接口,使用DMA方式将累加的功率谱传回至计算机分配的固定储存空间中,使用计算机内的CPU对功率谱进行处理,求得最终风场结果。
2.根据权利要求1所述的一种基于GPU的相干激光雷达信号处理方法,其特征在于,显存中分配固定的输入输出数据储存空间至少为两块。
3.根据权利要求1所述的一种基于GPU的相干激光雷达信号处理方法,其特征在于,所述的预处理包括:分组与内插补零操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810316127.2A CN108445509B (zh) | 2018-04-10 | 2018-04-10 | 基于gpu的相干激光雷达信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810316127.2A CN108445509B (zh) | 2018-04-10 | 2018-04-10 | 基于gpu的相干激光雷达信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108445509A CN108445509A (zh) | 2018-08-24 |
CN108445509B true CN108445509B (zh) | 2020-06-26 |
Family
ID=63199530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810316127.2A Active CN108445509B (zh) | 2018-04-10 | 2018-04-10 | 基于gpu的相干激光雷达信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108445509B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108938B (zh) * | 2019-04-17 | 2020-07-10 | 北京航空航天大学 | 基于gpu数据流驱动的实时电磁频谱分析系统及方法 |
WO2020237324A1 (en) * | 2019-05-31 | 2020-12-03 | Cqms Pty Ltd | Ground engaging tool monitoring system |
CN110333518A (zh) * | 2019-08-06 | 2019-10-15 | 大舜激光(黄山)科技有限公司 | 对射式测量消光系数的方法、系统和激光雷达 |
CN111458727B (zh) * | 2020-04-19 | 2023-03-28 | 青岛镭测创芯科技有限公司 | 基于相干激光雷达谱强度数据的大气能见度分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043144A (zh) * | 2010-10-22 | 2011-05-04 | 中国科学院上海光学精密机械研究所 | 全光纤相干测风多普勒激光雷达信号处理装置 |
CN103308897A (zh) * | 2013-05-14 | 2013-09-18 | 中国科学院电子学研究所 | 一种基于gpu的外辐射源雷达信号处理快速实现方法 |
CN106680834A (zh) * | 2017-01-04 | 2017-05-17 | 江西省智成测控技术研究所有限责任公司 | 相干测风激光雷达中一种数据处理装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104662440B (zh) * | 2012-09-24 | 2017-04-19 | 三菱电机株式会社 | 激光雷达装置 |
-
2018
- 2018-04-10 CN CN201810316127.2A patent/CN108445509B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043144A (zh) * | 2010-10-22 | 2011-05-04 | 中国科学院上海光学精密机械研究所 | 全光纤相干测风多普勒激光雷达信号处理装置 |
CN103308897A (zh) * | 2013-05-14 | 2013-09-18 | 中国科学院电子学研究所 | 一种基于gpu的外辐射源雷达信号处理快速实现方法 |
CN106680834A (zh) * | 2017-01-04 | 2017-05-17 | 江西省智成测控技术研究所有限责任公司 | 相干测风激光雷达中一种数据处理装置及方法 |
Non-Patent Citations (2)
Title |
---|
Accelerating Real-time LiDAR Data Processing;Vivek Venugopal et al.;《2013 IEEE 56th International Midwest Symposium on Circuits and Systems(MWSCAS)》;20130807;第1168-1171页 * |
多普勒测风激光雷达数据处理方法分析;王邦新 等;《红外与激光工程》;20170625;第36卷(第3期);第373-376页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108445509A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108445509B (zh) | 基于gpu的相干激光雷达信号处理方法 | |
CN103592650B (zh) | 基于图形处理器的三维声纳成像系统及其三维成像方法 | |
CN102854507B (zh) | 一种基于gpu后向投影双站合成孔径雷达成像方法 | |
CN103235298A (zh) | 基于稀疏阵列的微波关联成像系统与成像方法 | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
CN103257341B (zh) | 基于fpga的自聚焦算法快速实现方法 | |
Wang et al. | Spatial resolution enhancement of coherent Doppler wind lidar using joint time–frequency analysis | |
CN102830409A (zh) | 一种基于压缩感知的导航信号采集方法 | |
CN108072878A (zh) | 一种时域超分辨压缩感知全波形激光雷达测距方法及装置 | |
CN112285709A (zh) | 基于深度学习的大气臭氧遥感激光雷达数据融合方法 | |
CN111366904B (zh) | 一种基于二维频谱相干合并的cfar检测方法 | |
CN110596671A (zh) | 一种lfmcw测速测距雷达的优化处理方法及系统 | |
CN109683018B (zh) | 一种实时多帧频域数据的并行处理方法 | |
CN112363122A (zh) | 高频地波雷达电离层噪声中弱谐波信号的提取方法及应用 | |
CN103630899A (zh) | 地面运动目标高分辨雷达压缩感知成像的方法 | |
CN202661624U (zh) | 基于fpga的激光多普勒雷达信号处理器 | |
WO2022000332A1 (zh) | 一种雷达探测方法及相关装置 | |
CN111198355B (zh) | 基于fpga的pcr回波信号处理系统及方法 | |
CN114167361B (zh) | 一种捷变频雷达数据流控制设计方法 | |
Tian et al. | Research on Real-time Imaging Method of Airborne SAR Based on Embedded GPU | |
CN105068076A (zh) | 一种基于傅里叶谱分析的大气雷达图像插值方法及装置 | |
KR101295061B1 (ko) | Fmcw 레이더 신호처리모듈 및 그의 메모리 관리 방법 | |
Liang et al. | Research on LFMCW radar velocity ranging optimization system based on FPGA | |
Wang et al. | Research on hand gesture recognition based on millimeter wave radar | |
Li et al. | Design and simulation of terahertz near field SAR real-time imaging system |
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 |