CN113126054A - 一种基于gpu的目标检测方法 - Google Patents
一种基于gpu的目标检测方法 Download PDFInfo
- Publication number
- CN113126054A CN113126054A CN202110380646.7A CN202110380646A CN113126054A CN 113126054 A CN113126054 A CN 113126054A CN 202110380646 A CN202110380646 A CN 202110380646A CN 113126054 A CN113126054 A CN 113126054A
- Authority
- CN
- China
- Prior art keywords
- detection
- data
- gpu
- cfar
- clutter map
- 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.)
- Pending
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
- G01S7/414—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
本发明属于GPU和目标检测技术领域,具体的说是涉及一种基于GPU的目标检测方法。本发明对接收到预处理信号时,利用GPU内的CFAR接口,可以快速处理大量的数据,相较于CPU运算,能极大的提高检测的实时性。本发明对接收数据进行分段处理,每个波束的不同通道都可以采用不同的检测策略,可以避免单一检测算法的局限性。此外,在CFAR的基础上还加入了全局门限和在杂波图检测,保证检测结果的准确性和可靠性。
Description
技术领域
本发明属于GPU和目标检测技术领域,具体的说是涉及一种基于GPU的目标检测方法。
背景技术
在军事领域中,飞机、导弹、军事卫星、各类舰艇、炮弹、兵器等都可作为雷达的探测目标;在民用中,导航、人造卫星、建筑物、山川等也作为雷达应用领域。在现代化战争中,电子信息战已经成为最重要的作战方式,作战双方中,如果其中一方能够掌握战场中的信息,那么它便会在这场战争中占据绝对的主动权。雷达系统作为电子战中的“眼睛”,能够在电子战中获得敌方的作战信息,是掌握信息主动权的重要武器。
随着各国军事电子技术的发展,各种新体制雷达的不断涌现,给电子侦察带来巨大挑战。自20世纪40年代第一部雷达研制成功,雷达的性能也随着战争需求的改变不断完善。最早的雷达采用普通脉冲体制,属于非相参系统。考虑到电磁环境中存在大量杂波以及雷达接收机自身的噪声,这种体制的雷达性能较差,没有下视能力,只能用于测距。经历了80多年的发展,国内外已经研究出具备多种功能的雷达。在检测目标方面,为了充分收集目标的信息,需要处理的数据也会成倍增加。
近年来,在雷达领域,国内外很多学者针对GPU的应用也进行了大量的研究。由于GPU的硬件结构与图像像素完美的映射关系,所以GPU最早在雷达成像领域得到了应用
在雷达系统中,目标检测的算法是实现目标检测、目标成像、目标跟踪和目标预测等雷达功能的关键技术,检测方法设计的合理性决定了结果的准确性和可靠性。目前,检测算法包括:固定门限检测、杂波图检测和CFAR检测,其中CFAR有CA-CFAR,SO-CFAR,GO-CFAR,OS-CFAR,切除GO-CFAR和二维CFAR等算法,杂波图检测又可分为均值杂波图检测和方差杂波图检测。在复杂多变的工作环境下,根据不同型号雷达的工作特点,不同的检测算法表现出不同的适用性。因此,研究不同检测方式的特点和适用范围,并在多波束雷达不同的工作模式下,将不同的检测方式组合,设计出检测结果可靠的检测方法就具有较强的实际意义。
在传统的雷达处理系统中,一般使用CPU集群或者硬件板来搭建并行系统,但是这样不仅具有昂贵的硬件开发成本、资金成本和时间成本,而且后期的系统升级也会有很大的限制,因此不具有灵活性。随着2006年NVIDIA公司正式发布CUDA统一化的计算设备构架,利用GPU进行科学计算开始慢慢普及。因为CUDA是基于标准C的一种高级编程语言,并且还同时支持Fortran,Python,C++等主流编程语言,用户不需要使用复杂的图形API,只需要掌握GPU架构方面的基础知识,就可以利用CUDA在GPU上进行通用计算。相比较CPU,GPU在计算方面具有巨大的优势可以从二者的硬件结构上来得到答案,GPU将更多的晶体管用作计算单元(ALU),而不是像CPU一样的用作复杂的控制单元(Control)和缓存(Cache)。因此,GPU理论上具有比CPU更加强大的并行运算能力,却在控制以及高算法复杂度及规则度小的算法中无法展示其优越性。
因此,传统方法存在的问题包括:1)雷达的硬件板卡一般是基于DSP芯片或者FPGA芯片来进行构建的,这种构建方法使得雷达系统的功能与DPS芯片或FPGA芯片紧密相连,顶层应用和底层硬件是紧耦合的关系,这种结构的灵活性较差,改进成本较高;2)在复杂的环境下检测目标时,会存在各种各样的干扰因素。采用单一的检测方式不能保证检测结果的可靠性,而且在雷达不同的工作模式下,相同的检测方式也会有不同的检测效果。
发明内容
本发明针对上述问题,基于GPU的技术提出目标检测方法。GPU理论上具有比CPU更加强大的并行运算能力,并且还同时支持Fortran,Python,C++等主流编程语言,用户不需要使用复杂的图形API,只需要掌握GPU架构方面的基础知识,就可以利用CUDA在GPU上进行通用计算,使用灵活。利用GPU来实现目标检测,不仅可以保证检测结果的实时性,而且受到的约束较小,使用方便。在雷达系统中,目标检测包括:固定门限检测、杂波图检测和CFAR检测,其中CFAR有CA-CFAR,SO-CFAR,GO-CFAR,OS-CFAR等算法,杂波图检测又可分为均值杂波图检测和方差杂波图检测,研究不同检测方式的特点和适用范围,并在雷达不同的工作模式下,将不同的检测方式组合,可设计出检测结果可靠的检测方法。
本发明的技术方案为:
一种基于GPU的目标检测技术,其特征在于,包括以下步骤:
S1、对获取的雷达信号进行预处理,所述预处理采用的方法包括脉冲压缩、自适应旁瓣对消、旁瓣匿影;
S2、对预处理后的信号,利用GPU进行CFAR检测,具体为:对预处理后的信号进行分段,分段采用的方法是基于不同波束的不同距离进行,令每一段数据对应不同的CFAR检测算法,GPU中采用一个grid处理一个波束,一个block处理一个脉冲;
S3、将经过CFAR检测的数据与预设的全局门限进行比较,保留大于全局门限的数据;
S4、将步骤S3得到的大于全局门限的数据与杂波图数据进行比较,将大于杂波图的数据作为目标检测结果输出;所述杂波图数据在每次数据输入时通过杂波图检测获得,每次目标检测时是采用当前步骤S3获得的数据与上一次杂波图检测的数据进行比较。
本发明的有益效果为,(1)接收到预处理信号时,利用GPU内的CFAR接口,可以快速处理大量的数据,相较于CPU运算,能极大的提高检测的实时性。(2)对接收数据进行分段处理,每个波束的不同通道都可以采用不同的检测策略,可以避免单一检测算法的局限性。此外,在CFAR的基础上还加入了全局门限和在杂波图检测,保证检测结果的准确性和可靠性。
附图说明
图1为均值类CFAR检测器原理图;
图2为OS-CFAR检测器原理图;
图3为杂波图检测器原理图;
图4为GPU实现检测算法的流程示意图;
图5为GPU与CPU完成检测结果的示意图。
具体实施方式
下面结合附图对本发明进行详细的描述。
如图4所示,本发明主要包括以下步骤:
第一步:对雷达信号进行预处理。
预处理的方法包括脉冲压缩技术、自适应旁瓣对消技术、旁瓣匿影技术、MTI和MTD等技术,使数据的可检测性更强。
第二步:将预处理后的信号进行CFAR的过滤。
CFAR的检测方法包括CA-CFAR,SO-CFAR,GO-CFAR和OS-CFAR。对输入信号不同波束的不同距离进行分段,每段采用不同的CFAR算法。在内核函数中,一个计算单元对应单点处理,而一个GPU核处理器可以每次并行运行大量的计算单元。在设计中采用一个grid处理一个波束,一个block处理一个脉冲,合理分配block中的Thread数量,使整个算法并行化最优。具体原理如图1、图2所示。
第三步:将CFAR滤过的数据与全局门限比较。
全局门限的加入是为了防止噪声干扰,对不同程度的噪声,可以通过调节全局门限的高低来滤除。全局门限的比较可以加在对应计算单元的CFAR之后,即在一个Thread中完成CFAR和全局门限的比较。
第四步:杂波图的建立、迭代与更新。
雷达接收到多帧信号时,杂波图的检测是不可少的。把第一次的数据作为迭代的起始数据,每次杂波图检测完后都进行更新,下一次的信号数据与前次更新后的杂波图数据进行比较,这样可以使检测的结果更具准确性。具体原理如图3所示.
为证明本发明的进步,通过与CPU进行检测的方法进行对比,如表1所示:
表1GPU与CPU完成检测的耗时情况(单位:ms)
从表1可以明显看出,采用GPU并行执行实现检测方法,可以极大的缩短检测目标的时间,能很好的保证检测结果的实时性.
如图5所示,考虑浮点数运算时的合理误差,对相同的数据进行处理后,GPU的计算结果和CPU的计算结果基本一致,说明利用GPU运行本文的检测方法时,可以很好的保证检测结果的准确性和可靠性。
Claims (1)
1.一种基于GPU的目标检测技术,其特征在于,包括以下步骤:
S1、对获取的雷达信号进行预处理,所述预处理采用的方法包括脉冲压缩、自适应旁瓣对消、旁瓣匿影;
S2、对预处理后的信号,利用GPU进行CFAR检测,具体为:对预处理后的信号进行分段,分段采用的方法是基于不同波束的不同距离进行,令每一段数据对应不同的CFAR检测算法,GPU中采用一个grid处理一个波束,一个block处理一个脉冲;
S3、将经过CFAR检测的数据与预设的全局门限进行比较,保留大于全局门限的数据;
S4、将步骤S3得到的大于全局门限的数据与杂波图数据进行比较,将大于杂波图数据的数据作为目标检测结果输出;所述杂波图数据在每次数据输入时通过杂波图检测获得,每次目标检测时是采用当前步骤S3获得的数据与上一次杂波图检测的数据进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110380646.7A CN113126054A (zh) | 2021-04-09 | 2021-04-09 | 一种基于gpu的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110380646.7A CN113126054A (zh) | 2021-04-09 | 2021-04-09 | 一种基于gpu的目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113126054A true CN113126054A (zh) | 2021-07-16 |
Family
ID=76775516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110380646.7A Pending CN113126054A (zh) | 2021-04-09 | 2021-04-09 | 一种基于gpu的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126054A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070211916A1 (en) * | 2004-03-27 | 2007-09-13 | Smith Iain B | Method Of Detecting A Target With A Cfar Thresholding Function Using Clutter Map Entries |
CN102721954A (zh) * | 2012-07-05 | 2012-10-10 | 中国民航大学 | 基于动态杂波图的风电场杂波识别与抑制方法 |
CN103064074A (zh) * | 2012-12-23 | 2013-04-24 | 西安电子工程研究所 | 一种脉冲多普勒雷达在强杂波背景下的弱目标检测 |
CN104391278A (zh) * | 2014-09-02 | 2015-03-04 | 武汉滨湖电子有限责任公司 | 一种利用极化对消的雷达抗干扰方法 |
CN104849698A (zh) * | 2015-05-21 | 2015-08-19 | 中国人民解放军海军工程大学 | 一种基于异构多核系统的雷达信号并行处理方法及系统 |
CN106093904A (zh) * | 2016-06-17 | 2016-11-09 | 电子科技大学 | 基于多帧双门限两级检测机制的杂波图恒虚警方法 |
CN107315168A (zh) * | 2017-07-11 | 2017-11-03 | 电子科技大学 | 一种软件化雷达信号数据处理系统及方法 |
CN107861107A (zh) * | 2017-10-23 | 2018-03-30 | 电子科技大学 | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 |
CN108562879A (zh) * | 2018-04-18 | 2018-09-21 | 南京理工大学 | 基于fpga的舰载雷达恒虚警检测方法 |
CN108663666A (zh) * | 2018-03-27 | 2018-10-16 | 陕西长岭电子科技有限责任公司 | 强杂波海洋环境下的潜用雷达多目标检测方法 |
US20190107616A1 (en) * | 2017-10-06 | 2019-04-11 | National Chung-Shan Institute Of Science And Techn | Operation mode control method and radar system |
CN110261838A (zh) * | 2019-07-02 | 2019-09-20 | 中国航空工业集团公司雷华电子技术研究所 | 一种道面外来物探测方法、装置及探测雷达 |
CN110879390A (zh) * | 2019-12-02 | 2020-03-13 | 西安电子工程研究所 | 一种基于父子结点遍历的距离多普勒平面点迹凝聚方法 |
CN111157953A (zh) * | 2019-12-18 | 2020-05-15 | 南京理工大学 | 一种强地杂波下两级门限恒虚警检测算法 |
CN112180341A (zh) * | 2020-09-29 | 2021-01-05 | 中国船舶重工集团公司第七二四研究所 | 一种背景自适应cfar算法选择的实现方法 |
-
2021
- 2021-04-09 CN CN202110380646.7A patent/CN113126054A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070211916A1 (en) * | 2004-03-27 | 2007-09-13 | Smith Iain B | Method Of Detecting A Target With A Cfar Thresholding Function Using Clutter Map Entries |
CN102721954A (zh) * | 2012-07-05 | 2012-10-10 | 中国民航大学 | 基于动态杂波图的风电场杂波识别与抑制方法 |
CN103064074A (zh) * | 2012-12-23 | 2013-04-24 | 西安电子工程研究所 | 一种脉冲多普勒雷达在强杂波背景下的弱目标检测 |
CN104391278A (zh) * | 2014-09-02 | 2015-03-04 | 武汉滨湖电子有限责任公司 | 一种利用极化对消的雷达抗干扰方法 |
CN104849698A (zh) * | 2015-05-21 | 2015-08-19 | 中国人民解放军海军工程大学 | 一种基于异构多核系统的雷达信号并行处理方法及系统 |
CN106093904A (zh) * | 2016-06-17 | 2016-11-09 | 电子科技大学 | 基于多帧双门限两级检测机制的杂波图恒虚警方法 |
CN107315168A (zh) * | 2017-07-11 | 2017-11-03 | 电子科技大学 | 一种软件化雷达信号数据处理系统及方法 |
US20190107616A1 (en) * | 2017-10-06 | 2019-04-11 | National Chung-Shan Institute Of Science And Techn | Operation mode control method and radar system |
CN107861107A (zh) * | 2017-10-23 | 2018-03-30 | 电子科技大学 | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 |
CN108663666A (zh) * | 2018-03-27 | 2018-10-16 | 陕西长岭电子科技有限责任公司 | 强杂波海洋环境下的潜用雷达多目标检测方法 |
CN108562879A (zh) * | 2018-04-18 | 2018-09-21 | 南京理工大学 | 基于fpga的舰载雷达恒虚警检测方法 |
CN110261838A (zh) * | 2019-07-02 | 2019-09-20 | 中国航空工业集团公司雷华电子技术研究所 | 一种道面外来物探测方法、装置及探测雷达 |
CN110879390A (zh) * | 2019-12-02 | 2020-03-13 | 西安电子工程研究所 | 一种基于父子结点遍历的距离多普勒平面点迹凝聚方法 |
CN111157953A (zh) * | 2019-12-18 | 2020-05-15 | 南京理工大学 | 一种强地杂波下两级门限恒虚警检测算法 |
CN112180341A (zh) * | 2020-09-29 | 2021-01-05 | 中国船舶重工集团公司第七二四研究所 | 一种背景自适应cfar算法选择的实现方法 |
Non-Patent Citations (3)
Title |
---|
徐丽: "脉冲多普勒雷达信号处理并行技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李海翔: "机场跑道异物监测雷达目标检测算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
杨琨: "基于高性能处理器的精细化雷达信号处理技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106772365B (zh) | 一种基于贝叶斯压缩感知的多径利用穿墙雷达成像方法 | |
CN112816960B (zh) | 车内生命探测方法、装置、设备和存储介质 | |
CN104101876B (zh) | 外辐射源雷达中一种基于随机有限集的多目标跟踪方法 | |
CN104077498B (zh) | 一种结合目标角度的外辐射源雷达多目标跟踪方法 | |
CN106707247B (zh) | 一种基于紧凑天线阵的高频海洋雷达目标检测方法 | |
CN106872974A (zh) | 基于高超声速平台双通道雷达的高精度运动目标成像方法 | |
CN114781190B (zh) | 一种雷达探测能力仿真方法及装置 | |
CN106932772A (zh) | 一种面向数字地球的受地形影响的雷达探测范围显示方法 | |
CN111624567A (zh) | 一种恒虚警检测方法及装置 | |
US8089392B2 (en) | Radar coordinate registration | |
CN111580099A (zh) | 基于联合熵值的穿墙成像雷达墙体杂波抑制方法 | |
CN108414992A (zh) | 一种基于相位信息杂波图的目标检测方法 | |
CN113126054A (zh) | 一种基于gpu的目标检测方法 | |
RU2305851C2 (ru) | Способ определения координат источника радиоизлучения | |
CN112882016A (zh) | 基于改进的稳健自适应波束形成的多人生命体征检测方法 | |
CN113406572A (zh) | 一种雷达并行处理系统及方法、存储介质、终端 | |
KR20200117602A (ko) | Sar 영상의 객체 응답 초해상도화 방법 및 객체 응답 초해상도화 장치 | |
CN110764081A (zh) | 一种精密跟踪测量雷达信号的处理系统 | |
CN109738890A (zh) | 一种基于弹载双基sar距离多普勒图像生成地距图的方法 | |
CN109597034A (zh) | 一种基于欧几里得距离的空时自适应处理方法 | |
CN108629357A (zh) | 一种用于水下航行器的数据融合方法和系统 | |
US20210325507A1 (en) | Interface for realtime, 3d radar activity visualization | |
CN114415174A (zh) | 一种导航卫星干涉sar的三维形变反演方法 | |
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 | |
KR102629691B1 (ko) | 도플러 신호 처리 시스템 및 도플러 신호 처리 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |
|
RJ01 | Rejection of invention patent application after publication |