CN111965616A - 基于cpu和gpu的时分mimo雷达信号处理方法 - Google Patents
基于cpu和gpu的时分mimo雷达信号处理方法 Download PDFInfo
- Publication number
- CN111965616A CN111965616A CN202010829381.XA CN202010829381A CN111965616A CN 111965616 A CN111965616 A CN 111965616A CN 202010829381 A CN202010829381 A CN 202010829381A CN 111965616 A CN111965616 A CN 111965616A
- Authority
- CN
- China
- Prior art keywords
- matrix
- moving target
- data
- fourier transform
- setting
- 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.)
- Granted
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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
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
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Ta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,Ta的取值范围为10至900;本实例取Ta=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Tb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,Tb的取值范围为10至900;本实例取Tb=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=FFTy[FFTx[U1]];
其中,FFTy[·]为沿U1的列向量做傅里叶变换,FFTx[·]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,t1i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I1i与第i个检测门限值t1i作比较:
若I1i>t1i,则保留取绝对值后的数据I1i,并将I1i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:
3.2)选取Ta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,Ta的取值范围为10至900,本实例取但不限于Ta=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Tb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,Tb的取值范围为10至900;本实例取但不限于Tb=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=FFTy[FFTx[U2]];
其中,FFTy[·]为沿U2的列向量做傅里叶变换,FFTx[·]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,t2i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I2i与第i个检测门限值t2i作比较:
若I2i>t2i,则保留第二部分取绝对值后的数据I2i,并将I2i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Ta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,Ta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Tb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,Tb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=FFTy[FFTx[U1]];
其中,FFTy[·]为沿U1的列向量做傅里叶变换,FFTx[·]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,t1i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I1i与第i个检测门限值t1i作比较:
若I1i>t1i,则保留第二部分取绝对值后的数据I1i,并将I1i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:
3b)选取Ta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,Ta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Tb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,Tb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=FFTy[FFTx[U2]];
其中,FFTy[·]为沿U2的列向量做傅里叶变换,FFTx[·]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,t2i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I2i与第i个检测门限值t2i作比较:
若I2i>t2i,则保留第二部分取绝对值后的数据I2i,并将I2i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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829381.XA CN111965616B (zh) | 2020-08-18 | 2020-08-18 | 基于cpu和gpu的时分mimo雷达信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829381.XA CN111965616B (zh) | 2020-08-18 | 2020-08-18 | 基于cpu和gpu的时分mimo雷达信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111965616A true CN111965616A (zh) | 2020-11-20 |
CN111965616B CN111965616B (zh) | 2023-10-17 |
Family
ID=73388903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010829381.XA Active CN111965616B (zh) | 2020-08-18 | 2020-08-18 | 基于cpu和gpu的时分mimo雷达信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111965616B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635413A (zh) * | 2023-11-17 | 2024-03-01 | 山东科技大学 | 一种机载激光雷达数据实时传输系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102523054A (zh) * | 2011-12-07 | 2012-06-27 | 清华大学 | Mimo检测方法 |
JP2016121935A (ja) * | 2014-12-25 | 2016-07-07 | 株式会社東芝 | パルス圧縮レーダ装置及びそのレーダ信号処理方法 |
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 |
-
2020
- 2020-08-18 CN CN202010829381.XA patent/CN111965616B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102523054A (zh) * | 2011-12-07 | 2012-06-27 | 清华大学 | Mimo检测方法 |
JP2016121935A (ja) * | 2014-12-25 | 2016-07-07 | 株式会社東芝 | パルス圧縮レーダ装置及びそのレーダ信号処理方法 |
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 |
Non-Patent Citations (1)
Title |
---|
王占广;罗忠涛;李军;孙颖;: "基于CUDA的机载MIMO雷达杂波建模", 火控雷达技术, no. 04 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635413A (zh) * | 2023-11-17 | 2024-03-01 | 山东科技大学 | 一种机载激光雷达数据实时传输系统及方法 |
CN117635413B (zh) * | 2023-11-17 | 2024-05-07 | 山东科技大学 | 一种机载激光雷达数据实时传输系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111965616B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275166B (zh) | 基于admm的快速稀疏孔径isar自聚焦与成像方法 | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN106855618A (zh) | 基于广义内积任意阵列下的干扰样本剔除方法 | |
CN104656073B (zh) | 三维成像声纳波束形成方法及在多核处理器上的实现方法 | |
CN105445703B (zh) | 一种机载雷达空时回波数据的两级空时自适应处理方法 | |
CN108107428B (zh) | 用于mimo阵列的相移偏移成像方法及装置 | |
CN112147608A (zh) | 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法 | |
CN111965616A (zh) | 基于cpu和gpu的时分mimo雷达信号处理方法 | |
CN106646664B (zh) | 基于gpu的人体微波回波模拟方法及系统 | |
CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN113376604A (zh) | 基于盲源分离的机载三维异构阵杂波与干扰抑制方法 | |
CN111781573B (zh) | 基于改进3d-esprit算法的散射中心模型参数估计方法 | |
CN111965617B (zh) | 基于gpu的时分mimo雷达信号处理方法 | |
CN111796251A (zh) | 利用gpu对时分mimo雷达信号进行处理的方法 | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN109782246A (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
CN112684445B (zh) | 基于md-admm的mimo-isar三维成像方法 | |
CN114492557A (zh) | 一种基于fpga的宽带碰撞脉冲实时聚类方法 | |
Zhang et al. | Improved STAP algorithm based on APES | |
Feng et al. | Constained adaptive monopulse algorithm based on sub-array | |
CN109782245A (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
CN105759266B (zh) | 一种基于图形处理单元的sar雷达回波获取方法 | |
CN111708028A (zh) | 基于多重分形谱的sar图像二次成像方法 | |
CN114527444B (zh) | 基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 |
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 |