CN111965616A - 基于cpu和gpu的时分mimo雷达信号处理方法 - Google Patents

Abstract

本发明提出了一种基于CPU和GPU的时分MIMO雷达信号处理方法，主要解决现有基于GPU的MIMO雷达信号处理速度慢的问题。其方案是：将MIMO雷达信号的第一部分回波数据拷贝到GPU中进行预处理；在CPU中设置并行线程数量，在第一个线程中对第一部分预处理后的回波数据作二次处理；在CPU其余的线程中，将MIMO雷达信号的第二部分回波数据分别通过并行线程导入到GPU中进行预处理；在第一个线程中对第二部分预处理后的回波数据作二次处理；以此类推，对第三部分数据、第四部分数据……依次进行预处理和二次处理，直到处理完全部的MIMO回波数据。本发明极大地提高了处理速度快，可用于时分MIMO雷达信号处理系统。

Description

基于CPU和GPU的时分MIMO雷达信号处理方法

技术领域

本发明属于信号处理技术领域，特别涉及一种雷达信号处理方法，可用于时分MIMO雷达信号处理系统。

背景技术

多输入多输出MIMO雷达是最近几年才发展成为一种新体制雷达，多输入多输出MIMO雷达波形分集的特性使其性能优于传统的相控阵雷达。传统的采用基于硬件板卡的可编程逻辑门阵列FPGA+数字信号处理DSP的组合方式，两者的成本昂贵而且可扩展性都很差。传统的采用中央处理器CPU的并行计算方法在庞大数据量处理时存在很多的缺点，即由于CPU并行是使用多个CPU并行计算，而多个CPU成本高昂，开发难度大。随着硬件的飞速发展，GPU运算能力不断增强与软件开发环境的不断完善，运用GPU进行MIMO雷达信号处理已经成为一种趋势。

西安电子科技大学的王韩浩在知网上发表的文章《基于GPU的MIMO雷达接收处理和并行实现》方法，该方法是使用模块化设计思想，将MIMO雷达信号处理流程分成脉冲压缩模块、全波位数字波束形成模块、杂波抑制模块和恒虚警检测模块进行处理。

西安电子科技大学的周晓露在知网上发表的论文，提出了一种“基于GPU的数字阵列雷达信号处理及实现”方法。该方法在满足雷达功能与性能需求的基础上，构建了信号处理软件系统及算法模块框架，设计了数字阵列雷达信号处理算法在并行平台上的具体实现。

上述两种基于图形处理器GPU的信号处理实现方法，由于都是将数据从CPU端拷贝到GPU端，因而耗费的时间长，同时由于这两种方法都采用频分信号作为发射波形，故回波处理复杂，进而都影响到加速效果，使其难以满足实时性的要求。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于CPU和GPU的时分MIMO雷达信号处理方法，以通过将CPU和GPU的结合，降低开发成本，提高对MIMO雷达信号处理的速度，满足实时性的要求。

为实现上述目的，本发明的技术方案如下：

1)将MIMO雷达信号的第一部分回波数据拷贝到GPU中，对该数据依次进行距离维加窗、动目标检测和动目标显示的预处理；

2)在CPU中设置并行线程数量，在第一个线程中对第一部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，得到第一部分处理后的回波数据；

3)在CPU其余的线程中，将时分MIMO雷达信号的第二部分回波数据分别通过并行线程导入到GPU中，并进行依次距离维加窗、动目标检测和动目标显示的预处理；

4)在第一个线程中对第二部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，得到第二部分处理后的回波数据；

5)在其余的线程中，将时分MIMO雷达信号的第三部分回波数据分别通过并行线程导入到GPU中，并进行依次距离维加窗、动目标检测和动目标显示的预处理；

6)在第一个线程中对第三部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，得到第三部分处理后的回波数据；

7)以此类推，直到处理完全部的时分MIMO回波数据。

本发明与现有技术相比具有以下优点：

第一，本发明采用GPU技术和CPU混合并行加速的方法对时分MIMO雷达信号处理流程进行加速，相对于传统的基于GPU的时分MIMO雷达信号处理方法，提高了信号处理效率；

第二，本发明通过设置CPU中并行线程数量，实现外层CPU的并行，可对信号处理的进行双层加速。

附图说明

图1是本发明的实现流程图；

图2是用本发明和传统GPU对时分MIMO雷达回波信号进行处理的运行时间图。

具体实施方式

下面结合附图对本发明的实施例和效果做进一步详细的描述。

本发明的时分MIMO雷达信号的回波数据是经过基于去斜的匹配滤波处理后的数据。

参照图1，本实例基于CPU和GPU的时分MIMO雷达信号处理方法，具体实现步骤如下：

所述时分MIMO雷达信号，包括发射信号和回波信号，回波信号按照接收的时间分为第一部分数据、第二部分数据……接收完所有回波数据，本实例仅仅是对回波信号的各部分数据进行处理。

步骤1、通过GPU对时分MIMO雷达信号的第一部分回波数据进行预处理。

将MIMO雷达信号的第一部分回波数据拷贝到GPU中，对该数据进行预处理，现有的预处理的方法包括基于去斜的匹配滤波、距离维加窗、动目标检测、动目标显示，本步骤采用但不限于依次进行距离维加窗、动目标检测和动目标显示的预处理，其实现如下：

1.1)设置逆傅里叶变换IFFT点数N，对GPU中的第一部分回波数据A₁进行一维IFFT处理，再进行归一化，得到第一部分归一化矩阵C₁：

其中，N的取值为正整数；

1.2)选取T_a阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵H₁，根据下式，对第一部分归一化矩阵C₁与所选窗系数矩阵H₁进行点乘，得到第一部分动目标检测窗矩阵D₁：D₁＝C₁·H₁，其中，T_a的取值范围为10至900；本实例取T_a＝80，选取切比雪夫窗。

1.3)对第一部分动目标检测窗矩阵D₁做傅里叶变换FFT处理，得到第一部分动目标检测傅里叶变换矩阵：E₁＝FFT(D₁)；

1.4)选取T_b阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵F₁，将其与第一部分动目标检测傅里叶变换矩阵E₁进行点乘，得到第一部分动目标显示窗矩阵：M₁＝F₁·E₁，其中，T_b的取值范围为10至900；本实例取T_b＝80，选取泰勒窗。

1.5)对第一部分动目标显示窗矩阵M₁进行傅里叶变换FFT操作，得到第一部分动目标显示傅里叶变换矩阵Q₁：

Q₁＝FFT(M₁)。

步骤2、通过GPU对时分MIMO雷达信号的第一部分回波数据进行二次处理。

在CPU中设置并行线程数量，本实例设置并行线程数量为5个，在第一个线程中对第一部分预处理后的回波数据进行二次处理。现有的二次处理的方法包括MIMO波束、恒虚警检测、旁瓣匿影、旁瓣相消，本步骤采用但不限于进行MIMO波束和恒虚警检测的二次处理，其实现如下：

2.1)分别设置动目标显示滤波器系数P₁、多普勒补偿相位R₁、数据重排系数S₁和MIMO波束系数T₁，得到第一部分MIMO波束矩阵U₁：

U₁＝Q₁·P₁·R₁·S₁·T₁，

其中Q₁为第一部分动目标显示傅里叶变换矩阵：

2.2)对第一部分MIMO波束矩阵U₁进行二维傅里叶变换，得到第一部分二维傅里叶变换矩阵W₁：

W₁＝FFT_y[FFT_x[U₁]]；

其中，FFT_y[·]为沿U₁的列向量做傅里叶变换，FFT_x[·]为沿U₁的行向量做傅里叶变换；

2.3)设置逆重排系数V₁，对第一部分的二傅里叶维变换矩阵W₁与数据逆重排系数V₁进行点乘，得到第一部分逆重排系数矩阵J₁：

J₁＝V₁·W₁；

2.4对第一部分逆重排系数矩阵J₁进行取绝对值操作，得到第一部分取绝对值矩阵的I₁：

I₁＝abs(J₁)；

其中，abs(·)为取绝对值操作；

2.5)分别设置被检测数据个数n和门限乘积因子α，计算I₁的门限值：

计算门限值的方法包括平均单元法、选大法、选小法、取对数法和有序法，以平均单元法为例，I₁的门限值计算公式如下：

sum(·)为求和操作，t_1i表示第i个元素的门限值，i是从1到I₁的整数；

2.6)设置第一部分恒虚警矩阵Z₁，将其数值全置为0，再将第一部分取绝对值矩阵I₁的第i个数据I_1i与第i个检测门限值t_1i作比较：

若I_1i＞t_1i，则保留取绝对值后的数据I_1i，并将I_1i放入到第一部分恒虚警矩阵Z₁的第i个数据中；

否则，将0放入到第一部分恒虚警矩阵Z₁的第i个数据中。

步骤3、通过GPU对时分MIMO雷达信号的第二部分回波数据进行预处理。

在CPU其余的线程中，将MIMO雷达信号的第二部分回波数据拷贝到GPU中，对该数据进行预处理，现有的预处理的方法包括基于去斜的匹配滤波、距离维加窗、动目标检测和动目标显示处理，本步骤采用但不限于依次进行距离维加窗、动目标检测和动目标显示的预处理，其实现如下：

3.1)设置逆傅里叶变换IFFT的点数N，对GPU中的第二部分回波数据A₂进行一维IFFT处理，再进行归一化，得到第二部分回波数据的归一化矩阵C₂：

其中，N的取值为正整数；

3.2)选取T_a阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵H₁，对第二部分归一化矩阵C₂与所选窗系数矩阵H₁进行点乘，得到第二部分动目标检测窗矩阵D₂＝C₂·H₁，其中，T_a的取值范围为10至900，本实例取但不限于T_a＝80，选取的窗为切比雪夫窗；

3.3)对第二部分动目标检测窗矩阵D₂做傅里叶变换FFT处理，得到第二部分动目标检测傅里叶变换矩阵：E₂＝FFT(D₂)；

3.4)选取T_b阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵F₁，将其与第二部分动目标检测傅里叶变换矩阵E₂进行点乘，得到第二部分动目标显示窗矩阵：M₂＝F₁·E₂，其中，T_b的取值范围为10至900；本实例取但不限于T_b＝80，窗选取泰勒窗；

3.5)对第二部分动目标显示窗矩阵M₂进行傅里叶变换FFT操作，得到第二部分动目标显示傅里叶变换矩阵Q₂：

Q₂＝FFT(M₂)。

步骤4、通过GPU对时分MIMO雷达信号的第二部分回波数据进行二次处理。

在CPU中设置并行线程数量，本实例设置但不限于并行线程数量为5个，在第一个线程中对第二部分预处理后的回波数据进行二次处理。现有的二次处理的方法包括MIMO波束处理、恒虚警检测、旁瓣匿影、旁瓣相消，本步骤采用但不限于进行MIMO波束处理和恒虚警检测的二次处理，其实现如下：

4.1)设置动目标显示滤波器系数P₁、多普勒补偿相位R₁、数据重排系数S₁和MIMO波束系数T₁，得到第二部分MIMO波束矩阵U₂：

U₂＝Q₂·P₁·R₁·S₁·T₁，

其中Q₂为第二部分动目标显示傅里叶变换矩阵；

4.2)对第二部分MIMO波束矩阵U₂进行二维傅里叶变换，得到第二部分二维傅里叶变换矩阵W₂：

W₂＝FFT_y[FFT_x[U₂]]；

其中，FFT_y[·]为沿U₂的列向量做傅里叶变换，FFT_x[·]为沿U₂的行向量做傅里叶变换；

4.3)设置逆重排系数V₁，对第二部分二维傅里叶维变换矩阵W₂与数据逆重排系数V₁进行点乘，得到第二部分逆重排系数矩阵J₂：

J₂＝V₁·W₂；

4.4)对第二部分逆重排系数矩阵J₂进行取绝对值操作，得到第二部分取绝对值矩阵I₂：

I₂＝abs(J₂)；

其中，abs(·)为取绝对值操作；

4.5)设置被检测数据个数n和门限乘积因子α，计算I₂的门限值：

计算门限值的方法包括平均单元法、选大法、选小法、取对数法和有序法，以平均单元法为例，I₂的门限值计算公式如下：

sum(·)为求和操作，t_2i表示I₂的第i个元素的门限值，i是从1到I₂的整数；

4.6)设置第二部分恒虚警矩阵Z₂，其数值全为0，再将第二部分取绝对值矩阵I₂的第i个数据I_2i与第i个检测门限值t_2i作比较：

若I_2i＞t_2i，则保留第二部分取绝对值后的数据I_2i，并将I_2i放入到第二部分恒虚警矩阵Z₂的第i个数据中；

否则，将0放入到第二部分恒虚警矩阵Z₂的第i个数据中。

步骤5、通过GPU对时分MIMO雷达信号的第三部分回波数据进行预处理

在CPU其余的线程中，将MIMO雷达信号的第三部分回波数据拷贝到GPU中，对该数据进行预处理，现有的预处理的方法包括基于去斜的匹配滤波、距离维加窗、动目标检测和动目标显示处理，本步骤采用但不限于依次进行距离维加窗、动目标检测和动目标显示的预处理。

步骤6、通过GPU对时分MIMO雷达信号的第三部分回波数据进行二次处理。

在CPU中设置并行线程数量，在第一个线程中对第三部分预处理后的回波数据进行二次处理。现有的二次处理的方法包括MIMO波束处理、恒虚警检测、旁瓣匿影、旁瓣相消，本步骤采用但不限于进行MIMO波束处理和恒虚警检测的二次处理。

步骤7、以此类推，在GPU中对时分MIMO雷达信号的第四部分、第五部分……回波数据进行预处理和二次处理，直到处理完全部的时分MIMO回波数据。

本发明的效果可通过以下仿真进一步阐述。

1.仿真条件：

测试仿真使用的GPU为teslaT4 GPU，使用的CPU为至强银牌4210CPU，该GPU的主要参数为：核心数为2560个，带宽为320G/s，运行频率为1.59GHz；该CPU的主要参数为：线程数为56个线程，内存为128G，运行频率为2.2GHz。

2.仿真内容：

仿真1：在上述仿真条件下，用本发明和常规GPU方法分别对时分MIMO雷达回波信号进行处理，其运行时间对比结果，时分如图2所示。

从图2可以看出，用本发明对MIMO回波信号进行一次处理的平均时间为130ms，而用常规GPU处理对MIMO回波信号进行一次处理的平均时间为150ms，验证了本发明对时分MIMO雷达回波信号可加速处理的效果。

Claims (5)

1.一种基于CPU和GPU的时分MIMO雷达信号处理方法，其特征在于，包括如下：

1)将时分MIMO雷达信号的第一部分回波数据拷贝到GPU中，对该数据依次进行距离维加窗、动目标检测和动目标显示的预处理；

2)在CPU中设置并行线程数量，在第一个线程中对第一部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，得到第一部分处理后的回波数据；

3)在CPU其余的线程中，将时分MIMO雷达信号的第二部分回波数据分别通过并行线程导入到GPU中，并进行依次距离维加窗、动目标检测和动目标显示的预处理；

4)在第一个线程中对第二部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，得到第二部分处理后的回波数据；

5)在其余的线程中，将时分MIMO雷达信号的第三部分回波数据分别通过并行线程导入到GPU中，并进行依次距离维加窗、动目标检测和动目标显示的预处理；

6)在第一个线程中对第三部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，得到第三部分处理后的回波数据；

7)以此类推，直到处理完全部的时分MIMO回波数据。

2.根据权利要求1所述的方法，其特征在于，所述1)在GPU中对时分MIMO雷达信号的第一部分回波数据依次进行距离维加窗、动目标检测和动目标显示的预处理，实现如下：

1a)设置逆傅里叶变换IFFT点数N，对GPU中的第一部分回波数据A₁进行一维IFFT处理，再进行归一化，得到第一部分归一化矩阵C₁：

其中，N的取值为正整数；

1b)选取T_a阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵H₁，根据下式，对第一部分归一化矩阵C₁与所选窗系数矩阵H₁进行点乘，得到第一部分动目标检测窗矩阵D₁：D₁＝C₁·H₁，其中，T_a的取值范围为10至900；

1c)对第一部分动目标检测窗矩阵D₁做傅里叶变换FFT处理，得到第一部分动目标检测傅里叶变换矩阵：E₁＝FFT(D₁)；

1d)选取T_b阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵F₁，将其与第一部分动目标检测傅里叶变换矩阵E₁进行点乘，得到第一部分动目标显示窗矩阵：M₁＝F₁·E₁，其中，T_b的取值范围为10至900；

1e)对第一部分动目标显示窗矩阵M₁进行傅里叶变换FFT操作，得到第一部分动目标显示傅里叶变换矩阵Q₁：

Q₁＝FFT(M₁)。

3.根据权利要求1所述的方法，其特征在于，所述2)在第一个线程中对第一部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，实现如下：

2a).设置动目标显示滤波器系数P₁，设置多普勒补偿相位R₁，设置数据重排系数S₁，设置MIMO波束系数T₁，得到第一部分MIMO波束矩阵U₁：

U₁＝Q₁·P₁·R₁·S₁·T₁，

其中Q₁为第一部分动目标显示傅里叶变换矩阵：

2b)对第一部分MIMO波束矩阵U₁进行二维傅里叶变换，得到第一部分二维傅里叶变换矩阵W₁：

W₁＝FFT_y[FFT_x[U₁]]；

其中，FFT_y[·]为沿U₁的列向量做傅里叶变换，FFT_x[·]为沿U₁的行向量做傅里叶变换；

2c)设置逆重排系数V₁，对第一部分二维傅里叶维变换矩阵W₁与数据逆重排系数V₁进行点乘，得到第一部分逆重排系数矩阵J₁：

J₁＝V₁·W₁；

2d)对第一部分逆重排系数矩阵J₁进行取绝对值操作，得到第一部分取绝对值矩阵的I₁：

I₁＝abs(J₁)；

其中，abs(·)为取绝对值操作；

2e)设置被检测数据个数n和门限乘积因子α，计算I₁的门限值

sum(·)为求和操作，t_1i表示第i个元素的门限值，i是从1到I₁的整数；

2f)设置第二部分恒虚警矩阵Z₁，其数值全为0，再将第二部分取绝对值矩阵I₁的第i个数据I_1i与第i个检测门限值t_1i作比较：

若I_1i＞t_1i，则保留第二部分取绝对值后的数据I_1i，并将I_1i放入到第二部分恒虚警矩阵Z₁的第i个数据中；

否则，将0放入到第二部分恒虚警矩阵Z₁的第i个数据中。

4.根据权利要求1所述的方法，其特征在于，所述3)在GPU中对时分MIMO雷达信号的第二部分回波数据依次进行距离维加窗、动目标检测和动目标显示的预处理，实现如下：

3a)设置逆傅里叶变换IFFT的点数N，对GPU中的第二部分回波数据A₂进行一维IFFT处理，再进行归一化，得到第二部分归一化矩阵C₂：

其中，N的取值为正整数；

3b)选取T_a阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵H₁，根据下式，对第二部分归一化矩阵C₂与所选窗系数矩阵H₁进行点乘，得到第二部分动目标检测窗矩阵D₂＝C₂·H₁，其中，T_a的取值范围为10至900；

3c)对第二部分动目标检测窗矩阵D₂做傅里叶变换FFT处理，得到第二部分动目标检测傅里叶变换矩阵：E₂＝FFT(D₂)；

3d)选取T_b阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵F₁，将其与第二部分动目标检测傅里叶变换矩阵E₂进行点乘，得到第二部分动目标显示窗矩阵：M₂＝F₁·E₂，其中，T_b的取值范围为10至900；

3e)对第二部分动目标显示窗矩阵M₂进行傅里叶变换FFT操作，得到第二部分动目标显示傅里叶变换矩阵Q₂：

Q₂＝FFT(M₂)。

5.根据权利要求1所述的方法，其特征在于，所述4)在第一个线程中对第二部分预处理后的回波数据进行MIMO波束处理和恒虚警检测的二次处理，实现如下：

4a)设置动目标显示滤波器系数P₁，设置多普勒补偿相位R₁，设置数据重排系数S₁，设置MIMO波束系数T₁，得到第二部分MIMO波束矩阵U₂：

U₂＝Q₂·P₁·R₁·S₁·T₁，

其中Q₂为第二部分动目标显示傅里叶变换矩阵：

4b)对第二部分MIMO波束矩阵U₂进行二维傅里叶变换，得到第二部分二维傅里叶变换矩阵W₂：

W₂＝FFT_y[FFT_x[U₂]]；

其中，FFT_y[·]为沿U₂的列向量做傅里叶变换，FFT_x[·]为沿U₂的行向量做傅里叶变换；

4c)设置逆重排系数V₁，对第二部分二维傅里叶维变换矩阵W₂与数据逆重排系数V₁进行点乘，得到第二部分逆重排系数矩阵J₂：

J₂＝V₁·W₂；

4d)对第二部分逆重排系数矩阵J₂进行取绝对值操作，得到第二部分取绝对值矩阵I₂：

I₂＝abs(J₂)；

其中，abs(·)为取绝对值操作；

4e)设置被检测数据个数n，设置门限乘积因子α，计算I₂的门限值

sum(·)为求和操作，t_2i表示I₂的第i个元素的门限值，i是从1到I₂的整数；

4f)设置第二部分恒虚警矩阵Z₂，其数值全为0，再将第二部分取绝对值矩阵I₂的第i个数据I_2i与第i个检测门限值t_2i作比较：

若I_2i＞t_2i，则保留第二部分取绝对值后的数据I_2i，并将I_2i放入到第二部分恒虚警矩阵Z₂的第i个数据中；

否则，将0放入到第二部分恒虚警矩阵Z₂的第i个数据中。

Images