CN113126054A

CN113126054A - 一种基于gpu的目标检测方法

Info

Publication number: CN113126054A
Application number: CN202110380646.7A
Authority: CN
Inventors: 沈晓峰; 周治丞; 陈耀; 蔡博文; 刘昂昂
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2021-04-09
Filing date: 2021-04-09
Publication date: 2021-07-16

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

一种基于GPU的目标检测方法

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

1.一种基于GPU的目标检测技术，其特征在于，包括以下步骤：

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。