CN111965617B - 基于gpu的时分mimo雷达信号处理方法 - Google Patents
基于gpu的时分mimo雷达信号处理方法 Download PDFInfo
- Publication number
- CN111965617B CN111965617B CN202010829638.1A CN202010829638A CN111965617B CN 111965617 B CN111965617 B CN 111965617B CN 202010829638 A CN202010829638 A CN 202010829638A CN 111965617 B CN111965617 B CN 111965617B
- Authority
- CN
- China
- Prior art keywords
- matrix
- processing
- gpu
- data
- fourier transform
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 230000015654 memory Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 47
- 230000008707 rearrangement Effects 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 21
- 238000004088 simulation Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 108700024661 strong silver Proteins 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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GPU的时分MIMO雷达信号处理方法,主要解决现有基于CPU的MIMO雷达信号处理速度慢的问题。其方案是:在CPU和GPU端分配内存;将时分MIMO雷达信号的回波数据拷贝到GPU中;在GPU中对时分MIMO雷达信号的回波数据依次进行去斜加窗处理、动目标检测和动目标显示处理、波束形成处理和恒虚警检测处理;将GPU中恒虚警检测处理后的数据拷贝到CPU端,完成对时分MIMO雷达信号的处理;本发明极大地提高了对MIMO雷达信号处理的速度,可用于对城市低空目标的探测。
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。MIMO雷达的发射信号有时分和频分两种,采用频分的方式发射MIMO雷达信号,传统对MIMO雷达信号的处理都是使用频分信号进行处理。
西安电子科技大学的张盼盼在知网上发表的文章《MIMO雷达信号处理及工程实现》方法,其使用可编程逻辑门阵列FPGA+数字信号处理DSP的组合方式,构建了信号处理软件系统及算法模块的功能框架,对频分MIMO雷达信号进行处理,该方法成本昂贵而且可扩展性都很差,处理速度慢。
西安电子科技大学的陈雁飞在知网上发表的文章《MIMO雷达认知发射研究及仿真软件设计》方法,介绍了基于中央处理器CPU的认知雷达认知发射综合仿真软件设计方法,采用CPU对频分MIMO雷达信号进行处理,该方法采用频分信号作为发射波形,故处理流程比较复杂。
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,其使用模块化设计思想,对频分MIMO雷达信号进行GPU加速处理,该方法的处理流程比较复杂,难以满足实时性要求。
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对MIMO雷达回波信号进行处理已经成为一种趋势,但目前的GPU对雷达信号进行处理仅用在频分雷达上,不能对时分MIMO雷达信号进行加速处理。
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GPU的时分MIMO雷达信号处理方法,以简化MIMO雷达信号的处理流程,提高MIMO雷达信号的处理速度。
为实现上述目的,本发明的技术方案如下:
1)在CPU和GPU端分配内存;
2)将时分MIMO雷达信号的回波数据拷贝到GPU中;
3)在GPU中对时分MIMO雷达信号的回波数据进行距离维加窗处理;
4)在GPU中对距离维加窗后的数据进行动目标检测和动目标显示处理;
5)在GPU中对动目标检测和动目标显示处理后的数据进行MIMO波束处理;
6)在GPU中对MIMO波束处理后的数据进行恒虚警检测处理;
7)将GPU中恒虚警检测处理的数据拷贝到CPU端并输出,完成对时分MIMO雷达信号的处理。
本发明与现有技术相比具有以下优点:
第一,相对于传统的基于CPU的MIMO雷达信号处理方法,本发明采用GPU技术对MIMO雷达信号处理,不仅加速处理流程,而且提高了信号处理效率。
第二,本发明对时分MIMO雷达信号进行处理,信号易于分离,处理流程简单。
附图说明
图1是本发明的实现流程图;
图2是用本发明对时分MIMO雷达回波信号进行处理的运行时间图;
图3是用本发明和matlab软件对时分MIMO雷达回波信号处理的误差统计图。
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。现有的MIMO雷达信号处理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、MIMO波束处理、恒虚警检测、旁瓣匿影、旁瓣相消等,本发明采用但不限于依次进行距离维加窗、动目标检测、动目标显示、MIMO波束处理、恒虚警检测的处理.
参照图1,本实例基于GPU的时分MIMO雷达信号处理方法,实现步骤如下:
步骤1、在CPU和GPU端分配内存。
本实例使用的GPU为teslaT4 GPU,使用的CPU为至强银牌4210CPU,通过cudaMalloc函数在GPU上分配内存,通过cudaMallochost函数在CPU端分配内存。
步骤2、将时分MIMO雷达信号的回波数据拷贝到GPU中;
获取时分MIMO雷达信号的回波数据,设置cudaMemcpy函数的拷贝方向为HostToDevice,通过cudaMemcpy函数,将时分MIMO雷达信号的回波数据从CPU端拷贝到GPU端。
步骤3、在GPU中对时分MIMO雷达信号的回波数据进行距离维加窗处理。
3.1)设置逆傅里叶变换IFFT点数N,对GPU中的回波数据A进行一维IFFT处理,再进行归一化,得到归一化矩阵C:
其中,N的取值为正整数;
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H,根据下式,对归一化矩阵C与所选窗系数矩阵H进行点乘,得到加窗处理矩阵D:D=C·H,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,矩阵形式为80阶系数经过切比雪夫窗函数后的输出的矩阵;
3.3)对加窗处理矩阵D做傅里叶变换FFT处理,得到加窗傅里叶变换矩阵:E=FFT(D)。
步骤4、在GPU中对距离维加窗后的数据进行动目标检测和动目标显示处理。
4.1)选取Tb阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵F,将其与加窗傅里叶变换矩阵E进行点乘,得到动目标检测矩阵:
M=F·E,
其中,Tb的取值范围为10至900;本实例取Tb=80,选取泰勒窗;
4.2)对动目标检测矩阵M进行傅里叶变换FFT操作,得到动目标显示傅里叶变换矩阵Q:
Q=FFT(M)。
步骤5、在GPU中对动目标检测和动目标显示处理后的数据进行MIMO波束处理;
5.1).设置动目标显示滤波器系数P、多普勒补偿相位R,数据重排系数S,MIMO波束系数T,得到MIMO波束矩阵U:
U=Q·P·R·S·T,
其中Q为动目标显示傅里叶变换矩阵:
本实例中动目标显示滤波器系数P是通过加泰勒窗进行设置的,将将泰勒窗系数设为动目标显示滤波器系数;多普勒补偿相位R是根据每个天线接收时延不同进行设置的,即将每个天线相对于第一个天线的时延作为多普勒补偿相位R;数据重排系数S是根据天线探测方向进行设置的,即将天线的指向方向系数作为数据重排系数S;MIMO波束系数T是根据MIMO波束的方向进行设置的,即将MIMO波束方向系数作为MIMO波束系数T。
5.2)对MIMO波束矩阵U进行二维傅里叶变换,得到二维傅里叶变换矩阵W:
W=FFTy[FFTx[U]];
其中,FFTy[·]为沿U的列向量做傅里叶变换,FFTx[·]为沿U的行向量做傅里叶变换;
5.3)设置逆重排系数V,对二维傅里叶维变换矩阵W与数据逆重排系数V进行点乘,得到逆重排系数矩阵J:
J=V·W;
本实例中逆重排系数V根据逆天线探测方向进行设置的,逆天线探测方向即为逆重排系数V。
步骤6、在GPU中对MIMO波束处理后的数据进行恒虚警检测处理。
6.1)对逆重排系数矩阵J进行取绝对值操作,得到取绝对值矩阵的I:
I=abs(J);
其中,abs(·)为取绝对值操作;
6.2)设置被检测数据个数n和门限乘积因子α,计算I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,I的门限值计算公式如下:
sum(·)为求和操作,ti表示第i个元素的门限值,i是从1到I的整数,
本实例设置但不限于α的数值为30,n的数值为16;
6.3)设置恒虚警矩阵Z,其数值全为0,再将取绝对值矩阵I的第i个数据Ii与第i个检测门限值ti作比较:
若Ii>ti,则保留取绝对值后的数据Ii,并将Ii放入到恒虚警矩阵Z的第i个数据中;
否则,将0放入到恒虚警矩阵Z的第i个数据中。
步骤7、将GPU中经恒虚警检测处理后的数据拷贝到CPU端。
设置cudaMemcpy函数的拷贝方向为DeviceToHost,通过cudaMemcpy函数,将恒虚警检测处理的数据从GPU端拷贝到CPU端并输出,完成时分MIMO雷达信号的处理。
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,用本发明对MIMO雷达回波信号进行GPU加速处理,得到不同数据量的运行时间,结果如图2所示。
仿真2:在上述仿真条件下,用本发明和matlab软件对MIMO回波信号进行处理,统计两者的的误差,结果如图3所示。
3.仿真分析:
从图2可以看出,用本发明对时分MIMO雷达回波信号进行处理,数据量在2千万时,运行时间为190ms左右,处理速度快。
从图3可以看出,用本发明和matlab软件处理后的数据基本一致,数据值为109,误差范围在103左右,由于float类型存储数据本身的精度问题,其精确值为10-6,所以该误差范围符合要求,验证了GPU对时分MIMO雷达信号处理结果的正确性。
Claims (1)
1.一种基于GPU的时分MIMO雷达信号处理方法,其特征在于,包括如下:
1)在CPU和GPU端分配内存;
2)将时分MIMO雷达信号的回波数据拷贝到GPU中;
3)在GPU中对时分MIMO雷达信号的回波数据进行距离维加窗处理;实现如下:
3a)设置逆傅里叶变换IFFT点数N,对GPU中的回波数据A进行一维IFFT处理,再进行归一化,得到归一化矩阵C:
其中,N的取值为正整数;
3b)选取Ta阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵H,根据下式,对归一化矩阵C与所选窗系数矩阵H进行点乘,得到加窗处理矩阵:D=C·H,其中,Ta的取值范围为10至900;
3c)对加窗处理矩阵D做傅里叶变换FFT处理,得到加窗傅里叶变换矩阵:E=FFT(D);
4)在GPU中对距离维加窗后的数据进行动目标检测和动目标显示处理;实现如下:
4a)选取Tb阶的切比雪夫窗或泰勒窗或其它窗的系数矩阵F,将其与加窗傅里叶变换矩阵E进行点乘,得到动目标检测矩阵:M=F·E,其中,Tb的取值范围为10至900;
4b)对动目标检测矩阵M进行傅里叶变换FFT操作,得到动目标显示傅里叶变换矩阵Q:
Q=FFT(M);
5)在GPU中对动目标检测和动目标显示处理后的数据进行MIMO波束处理;实现如下:
5a).设置动目标显示滤波器系数P、多普勒补偿相位R,设置数据重排系数S,设置MIMO波束系数T,得到MIMO波束矩阵U:
U=Q·P·R·S·T,
其中,Q为动目标显示傅里叶变换矩阵:
5b)对MIMO波束矩阵U进行二维傅里叶变换,得到二维傅里叶变换矩阵W:
W=FFTy[FFTx[U]],
其中,FFTy[·]为沿U的列向量做傅里叶变换,FFTx[·]为沿U的行向量做傅里叶变换;
5c)设置逆重排系数V,对二维傅里叶维变换矩阵W与数据逆重排系数V进行点乘,得到逆重排系数矩阵J:
J=V·W;
6)在GPU中对MIMO波束处理后的数据进行恒虚警检测处理;实现如下:
6a)对逆重排系数矩阵J进行取绝对值操作,得到取绝对值矩阵的I:
I=abs(J);
其中,abs(·)为取绝对值操作;
6b)设置被检测数据个数n和门限乘积因子α,计算I的门限值:
sum(·)为求和操作,ti表示第i个元素的门限值,i是从1到I的整数;
6c)设置恒虚警矩阵Z,其数值全为0,再将取绝对值矩阵I的第i个数据Ii与第i个检测门限值ti作比较:
若Ii>ti,则保留取绝对值后的数据Ii,并将Ii放入到恒虚警矩阵Z的第i个数据中;
否则,将0放入到恒虚警矩阵Z的第i个数据中;
7)将GPU中恒虚警检测处理的数据拷贝到CPU端并输出,完成对时分MIMO雷达信号的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829638.1A CN111965617B (zh) | 2020-08-18 | 2020-08-18 | 基于gpu的时分mimo雷达信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829638.1A CN111965617B (zh) | 2020-08-18 | 2020-08-18 | 基于gpu的时分mimo雷达信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111965617A CN111965617A (zh) | 2020-11-20 |
CN111965617B true CN111965617B (zh) | 2024-01-16 |
Family
ID=73389225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010829638.1A Active CN111965617B (zh) | 2020-08-18 | 2020-08-18 | 基于gpu的时分mimo雷达信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111965617B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111796251A (zh) * | 2020-08-25 | 2020-10-20 | 西安电子科技大学 | 利用gpu对时分mimo雷达信号进行处理的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102707272A (zh) * | 2012-06-13 | 2012-10-03 | 西安电子科技大学 | 基于gpu的外辐射源雷达信号实时处理系统及处理方法 |
CN105974388A (zh) * | 2016-06-24 | 2016-09-28 | 西安电子科技大学 | 基于距离-方位耦合的双基地mimo雷达信号处理方法 |
CN109143197A (zh) * | 2018-09-27 | 2019-01-04 | 中国人民解放军空军工程大学 | 一种基于辅助阵元的极化mimo雷达的2d-doa和极化参数估计方法 |
CN109917340A (zh) * | 2019-04-25 | 2019-06-21 | 浙江力邦合信智能制动系统股份有限公司 | 一种mimo雷达波形调制解调方法 |
CN110208753A (zh) * | 2019-06-27 | 2019-09-06 | 电子科技大学 | 一种基于gpu的雷达目标回波信号获取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11789138B2 (en) * | 2019-06-27 | 2023-10-17 | Intel Corporation | Methods and apparatus to implement compact time-frequency division multiplexing for MIMO radar |
-
2020
- 2020-08-18 CN CN202010829638.1A patent/CN111965617B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102707272A (zh) * | 2012-06-13 | 2012-10-03 | 西安电子科技大学 | 基于gpu的外辐射源雷达信号实时处理系统及处理方法 |
CN105974388A (zh) * | 2016-06-24 | 2016-09-28 | 西安电子科技大学 | 基于距离-方位耦合的双基地mimo雷达信号处理方法 |
CN109143197A (zh) * | 2018-09-27 | 2019-01-04 | 中国人民解放军空军工程大学 | 一种基于辅助阵元的极化mimo雷达的2d-doa和极化参数估计方法 |
CN109917340A (zh) * | 2019-04-25 | 2019-06-21 | 浙江力邦合信智能制动系统股份有限公司 | 一种mimo雷达波形调制解调方法 |
CN110208753A (zh) * | 2019-06-27 | 2019-09-06 | 电子科技大学 | 一种基于gpu的雷达目标回波信号获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111965617A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN109444869B (zh) | 一种用于信号失配的雷达扩展目标参数可调检测器 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN110208785B (zh) | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 | |
CN109507666B (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
CN113238211B (zh) | 一种干扰条件下参数化自适应阵列信号检测方法与系统 | |
CN111007487B (zh) | 一种基于时间反演的多基地雷达目标检测方法 | |
CN111965617B (zh) | 基于gpu的时分mimo雷达信号处理方法 | |
CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
Zhang et al. | Time reversal detection in multistatic radar system | |
CN109061597B (zh) | 基于盲源分离与时频脊波域滤波的电离层杂波抑制方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN111965616B (zh) | 基于cpu和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 | |
CN115932824A (zh) | 一种基于多天线的fmcw雷达测距方法及系统 | |
CN113109760B (zh) | 一种基于组稀疏的多线谱联合doa估计和聚类方法及系统 | |
CN114152918A (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
CN112835006A (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统 | |
CN113030928A (zh) | 非均匀环境中极化雷达扩展目标自适应检测方法与系统 | |
CN112698263A (zh) | 一种基于正交传播算子的单基地互质mimo阵列doa估计算法 | |
Feng et al. | Constained adaptive monopulse algorithm based on sub-array | |
CN105703841A (zh) | 一种多路径传播宽带主动声信号的分离方法 | |
CN112147592A (zh) | 多视目标识别方法、装置、控制设备及存储介质 | |
CN114609604B (zh) | 无人机集群目标检测及目标轮廓、集群规模估计方法 |
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 |