CN110673104A - 一种基于cpu架构的外辐射源雷达实时信号处理方法及系统 - Google Patents

Abstract

本发明属于雷达技术领域，具体涉及一种基于CPU架构的外辐射源雷达实时信号处理方法及系统，包括：获取对消前回波信号与参考信号；根据预设条件对对消前回波信号与参考信号进行带有冗余分段，得到若干信号子数据段；将若干信号子数据段分配至CPU对应核上；对分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；对若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。本发明成倍的提高了杂波对消的运行速度，大大提高了工程中的实时处理能力。

Description

一种基于CPU架构的外辐射源雷达实时信号处理方法及系统

技术领域

本发明属于雷达技术领域，具体涉及一种基于CPU架构的外辐射源雷达实时信号处理方法及系统。

背景技术

外辐射源雷达本身不发射信号，通过借助第三方发射的电磁信号(比如FM信号、模拟电视信号、数字电视信号、导航卫星信号灯)实现目标检测，由于其被动接收工作方式，通常包含监测通道和参考通道。通过对检测通道接收到的信号回波信号同参考通道接收到的参考信号求互模糊函数，从而产生距离-多普勒平面，进而发现目标，然后回波通道接收到了除回波信号以外的其他信号，往往包含有直达波和多径杂波，如果不对除回波信号以外的其他信号进行有效的消除，会在距离多普勒平面抬高噪声基底，影响目标检测，因此时域杂波对消是外辐射源雷达信号处理步骤中必不可少的一步。

外辐射源雷达的常用杂波对消方法SMI(sample matrix inversion，采样矩阵求逆算法)，ECA_B(extensive cancellation algorithm_batch，分段扩展相消算法)，LMS(least mean square，最小均方算法)，RLS(recurise least square，递推最小二乘算法)，NVSS(normalized varible step-size，标准可变步长算法)算法等。其中，SMI算法和ECA_B作为自适应开环算法，运算主要为对接收单帧信号做完整长度的滑动相乘以及固定阶数的矩阵求逆，这样因其算法本身高并行度，可以做细粒度任务分配，适合利用GPU核数多优势，用GPU实现运算加速实时处理；对于特定应用环境，比如转动天线接收到的信号，开环算法往往不能有效对消杂波，必须依靠闭环类算法；对于LMS、RLS等这类自适应闭环算法，由于其本身的迭代特性，每一步的运算需要上一步运算结果作为起始，且循环次数只与信号长度有关，造成信号采样频率高于一定域值时，运算时间延长，并且无法有效使用GPU对其进行加速；相较于LMS算法，RLS算法具有更好的收敛性能，同时运算复杂度更高，尤其是随着滤波器阶数的提高，运算时间呈指数级增长，对于实时处理的实现具有巨大难度。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于CPU架构的外辐射源雷达实时信号处理方法及系统。本发明要解决的技术问题通过以下技术方案实现：

一种基于CPU架构的外辐射源雷达实时信号处理方法，包括：

获取对消前回波信号与参考信号；

根据预设条件对所述对消前回波信号与所述参考信号进行带有冗余分段，得到若干信号子数据段；

将所述若干信号子数据段分配至CPU对应核上；

对所述分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；

对所述若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。

在本发明的一个实施例中，将所述若干信号子数据段分配至CPU对应核上，包括：

根据所述若干信号子数据段建立对应若干OpenMP分支线程；

将所述若干信号子数据段分配到对应所述分支线程；

采用OpenMP的分配方式将所述分支线程上的所述信号子数据段分配至对应CPU核上。

在本发明的一个实施例中，所述对消操作包括：

采用MKL指令执行RLS算法对所述若干信号子数据段进行对消加速。

本发明还提供了一种基于CPU架构的外辐射源雷达实时信号处理系统，包括：

信号获取模块，用于获取对消前回波信号与参考信号；

信号分段模块，用于根据预设条件对所述对消前回波信号与所述参考信号进行带有冗余分段，得到若干信号子数据段；

信号分配模块，用于将所述若干信号子数据段分配至CPU对应核上；

信号对消模块，用于对所述分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；

信号去冗余模块，用于对所述若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。

在本发明的一个实施例中，信号分配模块，包括：

分支线程建立单元，用于根据所述若干信号子数据段建立对应若干OpenMP分支线程

第一信号分配单元，用于将所述若干信号子数据段分配到对应所述分支线程；

第二信号分配单元，用于采用OpenMP的分配方式将所述分支线程上的所述信号子数据段分配至对应CPU核上。

本发明的有益效果：

本发明通过将对消前回波信号和参考信号进行带有冗余分段，再将得到的若干信号子数据段分配至CPU对应的核上，被分配在若干核上的若干信号子数据段进行对消操作，最后再对对消后回波信号子数据段进行去冗余操作，最终得到对消后回波信号，这样的方式可以在不影响处理性能的前提下，成倍的提高了杂波对消的运行速度，大大提高了工程中的实时处理能力。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理方法的流程示意图；

图2是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理方法的信号分段示意图；

图3是本发明实施例提供的另一种基于CPU架构的外辐射源雷达实时信号处理方法的CPU工作流程示意图；

图4是本发明实施例提供的另一种基于CPU架构的外辐射源雷达实时信号处理方法的信号流向示意图；

图5是本发明实施例提供的一种基于CPU架构的未进行分段的外辐射源雷达信号处理方法的实测数据时延道侧视图；

图6是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理方法分段对消后实测数据时延通道侧视图；

图7是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理系统的结构框图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

请参见图1，图1是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理方法的流程示意图，包括：

获取对消前回波信号与参考信号；

根据预设条件对所述对消前回波信号与所述参考信号进行带有冗余分段，得到若干信号子数据段；

将所述若干信号子数据段分配至CPU对应核上；

对所述分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；

对所述若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。

本发明通过将对消前回波信号和参考信号进行带有冗余分段，再将得到的若干信号子数据段分配至CPU对应的核上，被分配在若干核上的若干信号子数据段进行对消操作，最后再对对消后回波信号子数据段进行去冗余操作，最终得到对消后回波信号，这样的方式可以在不影响处理性能的前提下，成倍的提高了杂波对消的运行速度，大大提高了工程中的实时处理能力。

在本发明的一个实施例中，请参见图3和图4，图3是本发明实施例提供的另一种基于CPU架构的外辐射源雷达实时信号处理方法的CPU工作流程示意图，图4是本发明实施例提供的另一种基于CPU架构的外辐射源雷达实时信号处理方法的信号流向示意图，将所述若干信号子数据段分配至CPU对应核上，包括：

根据所述若干信号子数据段建立对应若干OpenMP分支线程；

将所述若干信号子数据段分配到对应所述分支线程；

采用OpenMP的分配方式将所述分支线程上的所述信号子数据段分配至对应CPU核上。

在本发明的一个实施例中，所述对消操作包括：

采用MKL指令执行RLS算法对所述若干信号子数据段进行对消加速。

具体的，为便于理解和便于比较，以下将给出传统RLS算法及其运算量，并列出了其在实验用计算机服务器上运行的理论最短时间估计：

对RLS运算量进行分析：

假设所用阶数为L，先算法初始化：

P(0)＝δ^-1I，

然后进行算法迭代，对每一时刻，n＝1，2，…，LS(LS为数据长度)计算；

Step1：π(n)＝P(n-1)u(n)；

单步运算量：P(n-1)u(n)运行L*L次加法运算，L*L次乘法运算，得到π是(L*1)的矩阵；

Step2：

单步运算量：λ+u^H(n)π(n)运行L次乘法运算，L次加法运算，然后分母部分除法进行7次乘法运算，4次加法运算，L次乘法运算，K为(L*1)的矩阵；

Step3：

单步运算量：

运行L次乘，

运行L次加法运算，得到ξ为(L*1)的矩阵；

Step4：

单步运算量：k(n)ξ^*(n)进行L次乘法运算，

进行L次加法运算，得到

为(L*1)的矩阵；

Step5：P(n)＝λ^-1P(n-1)-λ^-1k(n)u^H(n)P(n-1)；

单步运算量：u'*P要运行L*L乘法运算，L*L加，K*u'*P运行L*L次乘法运算，P-K*u'*P要运行L*L次加法运算，得到P为(L*L)的矩阵；

可以得到总运算量；

复数乘法M：

(L+L*L+L+7+L+L*L+L*L+L+L+L)*(LS-L)＝(3*L*L+5*L+7)*(LS-L)；

复数加法A：

(L+L*L+L+4+L*L+L*L+L)*(LS-L)＝(3*L+4+3*L*L)*(LS-L)。

杂波对消所采用的RLS算法涉及到了复乘(将除法统一为乘法)、复加、复减，并且可以看到运算量随着数据长度线性增长、随着滤波阶数数指数增长。可以将一次复乘看作6次浮点数运算，一次复加和复减看作2次浮点数运算，当单一频点采样率为200K时，在确定单次快拍时间为0.5s时长，大于在3转/min时的0.35s积累时间，满足积累要求的前提下，数据长度为100000，在测试用服务器惠普z820中，所采用的CPU为Intel Xeon E5-2600中进行运算能力的评估。

该CPU的主要参数如下：

(1)核数：4；

(2)主频：1.8GHz；

(3)最大CPU核数：2；

若该CPU单位时钟周期可以做4次浮点数运算，理论最短运算时间可以按照以下公式计算：

t＝(6*M+2*A)/(1.8*10^9*4)。

若采用传统串行运算，运算阶数与理论运算时间评估如RLS算法运算量以及时间理论评估表所示：

RLS算法运算量以及时间理论评估表

运算阶数	复乘运算次数(M)	复加运算(A)	理论运行时间
				50	7.755e8	7.650e8	0.8588s
40	5.006e8	4.922e8	0.5539s
				30	2.857e8	2.793e8	0.3157s
28	2.499e8	2.439e8	0.2760s
				24	1.855e8	1.804e8	0.2047s

可以看到随着运算阶数从20到50阶的调整，处理0.5s数据需要的理论最短时间为从0.2047s到0.8588s，该结果仅仅是从算法的运算量以及CPU理想运行状态下进行评估，实际处理中CPU涉及到编译环境占用资源、指令处理、缓存等负担，实际时间约为理论时间的2～3倍，并且需要为后续距离多普勒处理、恒虚警检测等处理留有足够的时间余量，所以传统串行运算远不能达到实时处理。

在本发明的一个实施例中，所述对消操作包括：

采用MKL指令执行RLS算法对所述若干信号子数据段进行对消加速。

更进一步地，由于以上传统串行方法无法完成实时处理，基于此种情况，在此基础上增加了加速处理的处理，具体步骤如下：

1.对回波信号做分段，为了保证处理同步，要求后续每个Section中处理的数据长度一样，但是除第一个分段外其余分段均包含冗余部分，需要合理安排数据点数的分配，假设信号长度为L，重叠比取1/10，分成N段，那么假设第一个分段长度为X1，后续分段长度中非冗余数据长度为X2，有如下关系：

(N+1/10)*X2＝L，

可求得X2＝L*10/(10N+1)，

X1＝L*11(10N+1)，

可得具体分段方式为：先把长度为X1的回波数据设为第一个分段，然后依次往后取长度为X2，最后在X2长度的分段向前取数据点直到长度为X1为止，分别将取好的数据存于sig[0]、sig[1]、sig[2]、…、sig[N]。

请参见图2，图2是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理方法的信号分段示意图，本例中，数据长度为100000点，按照CPU性能将数据分为4段处理，计算得每段长度(包涵冗余)为26830，分别置于数据缓存sig[0]、sig[1]、sig[2]和sig[3]中。

2.对参考信号进行分段，分段方式统一，分别置于数据缓存ref[0]、ref[1]、ref[2]和ref[3]中。

3.建立一个openmp，将每个Section与回波信号子数据段、参考信号子数据段建立对应关系，使Section1对应sig[0]、ref[0]，Section2对应sig[1]、ref[1]以此类推。

4.在linux环境下，调用指令对已经分配好数据的Section绑定计算机CPU的物理核心，将每个Section绑定在固定核内运行。

5.对各个Section中RLS算法进行对应分段回波信号杂波对消，其中的RLS全部调用MKL库函数中的指令高速执行，需要说明的是，启动滤波器之前，须将参考信号子分段ref[n]设为期望信号，将回波信号子分段设为滤波器输入sig[n]，设置适当的滤波器阶数、步进长度和遗忘因子，对消后的信号存为err[0]、err[1]、err[2]和err[3]。

6.将对消剩余信号err[1]、err[2]和err[3]，每个子数据段去掉冗余的2440点，保存为errd[1]、errd[2]和errd[3]，然后将err[0]、errd[1]、errd[2]和errd[3]拼接成完整的对消后回波信号。

7.将原参考信号与分段对消后合成的回波信号做相干处理，获取目标距离-多普勒信息。

请参见图5和图6，图5是本发明实施例提供的一种基于CPU架构的未进行分段的外辐射源雷达信号处理方法的实测数据时延道侧视图，图6是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理方法分段对消后实测数据时延通道侧视图，可见并无明显性能下降，仍旧可以解析出目标。

如分段后杂波对消处理时间与传统串行处理随滤波器阶数变化实测时间对比表所示，可见处理时间缩短到了原本的0.25倍，随着分段数目增加预计可以更快处理，满足不同实时性要求。

分段后杂波对消处理时间与传统串行处理随滤波器阶数变化实测时间对比表

运算阶数	串行运行时间	分段并行运行时间
			50	1.21s	0.433s
40	0.88s	0.326s
			30	0.52s	0.199s
28	0.47s	0.136s
			24	0.35s	0.112s

请参见图7，图7是本发明实施例提供的一种基于CPU架构的外辐射源雷达实时信号处理系统的结构框图，包括：

信号获取模块，用于获取对消前回波信号与参考信号；

信号分段模块，用于根据预设条件对所述对消前回波信号与所述参考信号进行带有冗余分段，得到若干信号子数据段；

信号分配模块，用于将所述若干信号子数据段分配至CPU对应核上；

信号对消模块，用于对所述分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；

信号去冗余模块，用于对所述若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。

在本发明的一个实施例中，信号分配模块，包括：

分支线程建立单元，用于根据所述若干信号子数据段建立对应若干OpenMP分支线程

第一信号分配单元，用于将所述若干信号子数据段分配到对应所述分支线程；

第二信号分配单元，用于采用OpenMP的分配方式将所述分支线程上的所述信号子数据段分配至对应CPU核上。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于CPU架构的外辐射源雷达实时信号处理方法，其特征在于，包括：

获取对消前回波信号与参考信号；

根据预设条件对所述对消前回波信号与所述参考信号进行带有冗余分段，得到若干信号子数据段；

将所述若干信号子数据段分配至CPU对应核上；

对所述分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；

对所述若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。

2.根据权利要求1所述的基于CPU架构的外辐射源雷达实时信号处理方法，其特征在于，将所述若干信号子数据段分配至CPU对应核上，包括：

根据所述若干信号子数据段建立对应若干OpenMP分支线程；

将所述若干信号子数据段分配到对应所述分支线程；

采用OpenMP的分配方式将所述分支线程上的所述信号子数据段分配至对应CPU核上。

3.根据权利要求1所述的基于CPU架构的外辐射源雷达实时信号处理方法，其特征在于，所述对消操作包括：

采用MKL指令执行RLS算法对所述若干信号子数据段进行对消加速。

4.一种基于CPU架构的外辐射源雷达实时信号处理系统，其特征在于，包括：

信号获取模块，用于获取对消前回波信号与参考信号；

信号分段模块，用于根据预设条件对所述对消前回波信号与所述参考信号进行带有冗余分段，得到若干信号子数据段；

信号分配模块，用于将所述若干信号子数据段分配至CPU对应核上；

信号对消模块，用于对所述分配在对应核上的若干信号子数据段进行对消操作，得到若干对消后回波信号子数据段；

信号去冗余模块，用于对所述若干对消后回波信号子数据段进行去冗余操作，得到对消后回波信号。

5.根据权利要求1所述的基于CPU架构的外辐射源雷达实时信号处理系统，其特征在于，信号分配模块，包括：

分支线程建立单元，用于根据所述若干信号子数据段建立对应若干OpenMP分支线程

第一信号分配单元，用于将所述若干信号子数据段分配到对应所述分支线程；

第二信号分配单元，用于采用OpenMP的分配方式将所述分支线程上的所述信号子数据段分配至对应CPU核上。

Images