CN113341388B - 基于分步处理的雷达目标二维ca-cfar检测快速实现方法 - Google Patents
基于分步处理的雷达目标二维ca-cfar检测快速实现方法 Download PDFInfo
- Publication number
- CN113341388B CN113341388B CN202110500768.5A CN202110500768A CN113341388B CN 113341388 B CN113341388 B CN 113341388B CN 202110500768 A CN202110500768 A CN 202110500768A CN 113341388 B CN113341388 B CN 113341388B
- Authority
- CN
- China
- Prior art keywords
- detection
- unit
- distance
- calculating
- protection
- 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
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Mathematical Optimization (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于分步处理的雷达目标二维CA‑CFAR检测快速实现方法,具体包括以下步骤,S1:基于雷达发射相参脉冲串对目标进行探测后得到的距离‑多普勒二维回波数据矩阵,对各检测单元对应的参考单元求和矩阵进行初始化;S2:利用GPU多线程并行计算参考单元求和矩阵;S3:利用GPU多线程并行计算保护单元求和矩阵;S4:利用GPU多线程并行计算每一个检测单元的m阶统计矩;S5:进行门限检测,得到最终的检测结果。本发明中二维CA‑CFAR检测快速实现方法以CPU+GPU为硬件基础,利用CUDA进行异构并行运算,将检测任务拆分成多个独立的小单元,分步对参考单元求和矩阵和保护单元求和矩阵进行计算,大大提高雷达回波处理的效率,实现了真实目标的正确检测。
Description
技术领域
本发明涉及雷达目标检测技术领域,尤其涉及基于分步处理的雷达目标二维CA-CFAR检测快速实现方法。
背景技术
雷达发射相参脉冲串对目标进行探测后经过信号处理可形成距离-多普勒二维回波数据,目标检测的任务是从距离-多普勒矩阵的每个检测单元中作出判决。单元平均恒虚警(cell averaging constant false alarm rate,CA-CFAR)处理是雷达目标检测的基本方法,其基本原理如附图1所示,对于每一个检测单元,在二维平面上取出R个参考单元,然后根据这R个单元的采样平均值估计检测门限。
逐点进行二维恒虚警检测对应运算量巨大,为了降低运算复杂度,赵明波,何峻,付强等人提出逐像素点滑窗迭代方法,属于一种典型的CPU端优化方法,该类方法通过减小参考滑窗对距离-多普勒图像遍历时的重复计算量提高计算效率,但是在该方法中后一个点的计算需要依托前一个点的计算结果,不具有相互独立性,不能直接用于GPU加速。
发明内容
针对上述存在的问题,本发明旨在提供一种基于分步处理的雷达目标二维CA-CFAR检测快速实现方法,以CPU+GPU为硬件基础,将检测任务拆分成多个独立的小单元,利用CUDA进行异构并行运算,大大提高雷达回波处理的效率。
为了实现上述目的,本发明所采用的技术方案如下:
基于分步处理的雷达目标二维CA-CFAR检测快速实现方法,其特征在于,以CPU+GPU为硬件基础,利用CUDA进行并行运算,具体包括以下步骤,
S1:基于雷达发射相参脉冲串对目标进行探测后得到的距离-多普勒二维回波数据矩阵,对各检测单元对应的参考单元求和矩阵进行初始化;
S2:利用GPU多线程并行计算参考单元求和矩阵;
S3:利用GPU多线程并行计算保护单元求和矩阵;
S4:利用GPU多线程并行计算每一个检测单元的m阶统计矩;
S5:进行门限检测,得到检测单元对应的检测结果。
进一步的,步骤S1的具体操作包括:
基于输入数据矩阵大小,在GPU设备端初始化两个大小为Nr×Nf的临时矩阵,分别用来按列存储连续Rr个参考单元和RP个保护单元的求和值,并将其初始化为零;其中Nr为距离单元数目,Nf为频率单元数目;Rr为距离维的参考单元数,RP为距离维的保护单元数。
进一步的,步骤S2的具体操作包括:
计算每一个参考单元在距离维前后Rr个参考单元的和,考虑到边缘点,参考单元求和矩阵可表示为式中,nrs=max(1,i-Rr)表示参考的起始距离单元;nre=min(i+Rr,Nr)表示参考的终止距离单元,max(·,·)表示两数取大,min(·,·)表示两数取小。
进一步的,步骤S3的具体操作包括:
计算每一个保护单元在距离维前后RP个保护单元的和,保护单元求和矩阵可表示为式中,nps=max(1,i-RP)表示保护的起始距离单元,npe=min(i+RP,Nr)表示保护的终止距离单元。
进一步的,步骤S4的具体操作包括:
基于步骤S2和步骤S3计算所得的参考单元求和矩阵和保护单元求和矩阵,计算每一个检测单元的m阶统计矩式中,frs=max(1,j-Fr),fps=max(1,j-FP),fpe=min(j+FP,Nf),fre=min(j+Fr,Nf),Fr为频率维的参考单元数为,FP为频率维的保护单元数。
进一步的,步骤S5的具体操作包括:
根据步骤S4计算所得的给出每一个单元的检测结果,1表示检测目标,0表示没有检测到目标。
本发明的有益效果是:
1、本发明中基于分步处理的雷达目标二维CA-CFAR检测快速实现方法以CPU+GPU为硬件基础,将检测任务拆分成多个独立的小单元,分步对参考单元求和矩阵和保护单元求和矩阵进行计算,且利用CUDA进行异构并行运算,大大提高雷达回波处理的效率,实现了真实目标的正确检测。
2、本发明中基于分步处理的雷达目标二维CA-CFAR检测快速实现方法通过对将检测任务拆分成多个独立的小单元,分步对参考单元求和矩阵和保护单元求和矩阵进行计算,从而使得整个处理过程所需的加法次数为[(2Rr+1)+(2RP+1)]×Nr×Nf次,相比于现有技术中未分步处理的二维CA-CFA处理方法实现过程对应的加法运算量
[(2Rr+1)(2Fr+1)-(2RP+1)(2FP+1)]×Nr×Nf来说,效率提高倍,且本发明所对应算法结构适用于GPU并行处理,能极大提高运算效率,减少二维CA-CFAR算法的处理时间。
附图说明
图1为二维CA-CFAR检测方法的基本原理图;
图2为本发明实施例一中雷达辐射线性调频信号脉冲经过匹配滤波及MTD处理后所得信号图;
图3为本发明实施例一中基于本发明所提二维CA-CFAR检测快速实现方法计算所得检测区域的1阶均值;
图4为本发明实施例一中基于所提二维CA-CFAR检测快速实现方法与现有二维CA-CFAR算法对应结果的绝对误差;
图5为本发明实施例一中基于本发明所提二维CA-CFAR检测快速实现方法所得的最终检测结果。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案,下面结合附图和实施例对本发明的技术方案做进一步的描述。
基于分步处理的雷达目标二维CA-CFAR检测快速实现方法,以CPU+GPU为硬件基础,利用CUDA进行异构并行运算,具体包括以下步骤,
S1:基于雷达发射相参脉冲串对目标进行探测后得到的距离-多普勒二维回波数据矩阵,对各检测单元对应的参考单元求和矩阵进行初始化;
基于输入数据矩阵大小,在GPU设备端初始化两个大小为Nr×Nf的临时矩阵,分别用来按列存储连续Rr个参考单元和RP个保护单元的求和值,并将其初始化为零;其中Nr为距离单元数目,Nf为频率单元数目;Rr为距离维的参考单元数,RP为距离维的保护单元数。
S2:利用GPU多线程并行计算参考单元求和矩阵;
计算每一个参考单元在距离维前后Rr个参考单元的和,考虑到边缘点,参考单元求和矩阵可表示为式中,nrs=max(1,i-Rr)表示参考的起始距离单元;nre=min(i+Rr,Nr)表示参考的终止距离单元,max(·,·)表示两数取大,min(·,·)表示两数取小。
S3:利用GPU多线程并行计算保护单元求和矩阵;
计算每一个保护单元在距离维前后RP个保护单元的和,保护单元求和矩阵可表示为式中,nps=max(1,i-RP)表示保护的起始距离单元,npe=min(i+RP,Nr)表示保护的终止距离单元。
S4:利用GPU多线程并行计算每一个检测单元的m阶统计矩;
基于步骤S2和步骤S3计算所得的参考单元求和矩阵和保护单元求和矩阵,计算每一个检测单元的m阶统计矩式中,frs=max(1,j-Fr),fps=max(1,j-FP),fpe=min(j+FP,Nf),fre=min(j+Fr,Nf),Fr为频率维的参考单元数为,FP为频率维的保护单元数。
S5:进行门限检测,得到检测单元的检测结果。
根据步骤S4计算所得的给出每一个单元的检测结果,1表示检测目标,0表示没有检测到目标。
实施例一:
设雷达辐射线性调频信号脉冲宽度为50us,脉冲重复周期为100us,带宽为5MHz,雷达载频为4GHz,128个脉冲为一组,数字采样频率为20M。产生雷达回波后每个脉冲对应2000个采样点,128个脉冲为一帧,共256000个采样单元。目标相对雷达的延迟为50us,其多普勒频率为1Khz,加入噪声信号使得信噪比到一定水平,进行匹配滤波及MTD处理后所得信号如附图2所示,从附图2中可以看出,在目标所在距离单元与多普勒单元有对应峰值。
设置距离维保护单元为4个,距离维参考单元为64个,频率维参考单元为4个,频率维保护单元为2个。直接利用未优化的逐像素点计算方法实现CA-CFAR并利用GPU加速运算,设置GPU并行优化时GRID为256的1维向量,BLOCK为2000的1维向量。所用GPU显卡为RTX2080TI,计算完成耗时为8.21248ms。
同样的GPU设置参数,利用本发明中基于分布处理的快速实现方法计算对应耗时为0.714752ms,运算速度提高了11.49倍。
利用本发明中的快速实现方法计算所得检测区域的1阶均值如附图3所示,本发明中计算所得检测门限与未优化前二维CA-CFAR算法所得门限对应结果的绝对误差如附图4所示,最大误差为1.8930*10-4,这是由于两种算法运算过程不同,计算量化误差所导致的结果误差。本发明中的快速实现方法最终检测结果如附图5所示,实现了真实目标的正确检测。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.基于分步处理的雷达目标二维CA-CFAR检测快速实现方法,其特征在于,以CPU+GPU为硬件基础,利用CUDA进行并行运算,具体包括以下步骤,
S1:基于雷达发射相参脉冲串对目标进行探测后得到的距离-多普勒二维回波数据矩阵,对各检测单元对应的参考单元求和矩阵进行初始化;
S2:利用GPU多线程并行计算参考单元求和矩阵;
S3:利用GPU多线程并行计算保护单元求和矩阵;
S4:利用GPU多线程并行计算每一个检测单元的m阶统计矩;
S5:进行门限检测,得到检测单元对应的检测结果;
步骤S1的具体操作包括:
基于输入数据矩阵大小,在GPU设备端初始化两个大小为Nr×Nf的临时矩阵,分别用来按列存储连续Rr个参考单元和RP个保护单元的求和值,并将其初始化为零;其中Nr为距离单元数目,Nf为频率单元数目;Rr为距离维的参考单元数,RP为距离维的保护单元数;
步骤S2的具体操作包括:
计算每一个参考单元在距离维前后Rr个参考单元的和,考虑到边缘点,参考单元求和矩阵可表示为式中,nrs=max(1,i-Rr)表示参考的起始距离单元;nre=min(i+Rr,Nr)表示参考的终止距离单元,max(·,·)表示两数取大,min(·,·)表示两数取小;
步骤S3的具体操作包括:
计算每一个保护单元在距离维前后RP个保护单元的和,保护单元求和矩阵可表示为式中,nps=max(1,i-RP)表示保护的起始距离单元,npe=min(i+RP,Nr)表示保护的终止距离单元;
步骤S4的具体操作包括:
基于步骤S2和步骤S3计算所得的参考单元求和矩阵和保护单元求和矩阵,计算每一个检测单元的m阶统计矩式中,frs=max(1,j-Fr),fps=max(1,j-Fp),fpe=min(j+FP,Nf),fre=min(j+Fr,Nf),Fr为频率维的参考单元数,FP为频率维的保护单元数。
2.根据权利要求1所述的基于分步处理的雷达目标二维CA-CFAR检测快速实现方法,其特征在于,步骤S5的具体操作包括:
根据步骤S4计算所得的给出每一个单元的检测结果,1表示检测目标,0表示没有检测到目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500768.5A CN113341388B (zh) | 2021-05-08 | 2021-05-08 | 基于分步处理的雷达目标二维ca-cfar检测快速实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500768.5A CN113341388B (zh) | 2021-05-08 | 2021-05-08 | 基于分步处理的雷达目标二维ca-cfar检测快速实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341388A CN113341388A (zh) | 2021-09-03 |
CN113341388B true CN113341388B (zh) | 2023-07-21 |
Family
ID=77470082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110500768.5A Active CN113341388B (zh) | 2021-05-08 | 2021-05-08 | 基于分步处理的雷达目标二维ca-cfar检测快速实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341388B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115616577B (zh) * | 2022-12-19 | 2023-03-10 | 广东大湾区空天信息研究院 | 环境自适应的车载毫米波雷达检测方法、装置及相关设备 |
CN115656961B (zh) * | 2022-12-26 | 2023-03-10 | 南京楚航科技有限公司 | 一种基于并行处理器的os-cfar处理方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5465095A (en) * | 1994-08-05 | 1995-11-07 | The United States Of America As Represented By The Secretary Of The Air Force | Time efficient method for processing adaptive target detection thresholds in doppler radar systems |
CN104237866A (zh) * | 2014-10-13 | 2014-12-24 | 武汉中原电子集团有限公司 | 一种改进的船载线性调频连续波雷达恒虚警检测方法 |
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 |
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 |
KR102021344B1 (ko) * | 2018-11-23 | 2019-09-16 | 에스티엑스엔진 주식회사 | 배열 안테나를 탑재한 레이더에서의 고속 적응형 cfar 탐지방법 |
CN110609262A (zh) * | 2019-08-27 | 2019-12-24 | 南京理工大学 | 一种场面监视雷达的三维恒虚警检测方法 |
CN111812632A (zh) * | 2020-07-20 | 2020-10-23 | 电子科技大学 | 一种基于fpga的二维有序统计恒虚警检测器实现方法 |
WO2021077287A1 (zh) * | 2019-10-22 | 2021-04-29 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4375064B2 (ja) * | 2004-03-10 | 2009-12-02 | 株式会社デンソー | レーダ装置 |
-
2021
- 2021-05-08 CN CN202110500768.5A patent/CN113341388B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5465095A (en) * | 1994-08-05 | 1995-11-07 | The United States Of America As Represented By The Secretary Of The Air Force | Time efficient method for processing adaptive target detection thresholds in doppler radar systems |
CN104237866A (zh) * | 2014-10-13 | 2014-12-24 | 武汉中原电子集团有限公司 | 一种改进的船载线性调频连续波雷达恒虚警检测方法 |
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 |
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 |
KR102021344B1 (ko) * | 2018-11-23 | 2019-09-16 | 에스티엑스엔진 주식회사 | 배열 안테나를 탑재한 레이더에서의 고속 적응형 cfar 탐지방법 |
CN110609262A (zh) * | 2019-08-27 | 2019-12-24 | 南京理工大学 | 一种场面监视雷达的三维恒虚警检测方法 |
WO2021077287A1 (zh) * | 2019-10-22 | 2021-04-29 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
CN111812632A (zh) * | 2020-07-20 | 2020-10-23 | 电子科技大学 | 一种基于fpga的二维有序统计恒虚警检测器实现方法 |
Non-Patent Citations (3)
Title |
---|
An Optimization Algorithm of Software radar Constant False- Alarm Rate detection based on GPU;Qian-yuan Tian 等;Proceedings of the 2020 4th International Conference on Electronic Information Technology and Computer Engineering;全文 * |
基于GPU的阵列雷达信号处理技术研究;朱晓芳;中国优秀硕士学位论文全文数据库信息科技辑(第02期);全文 * |
调频连续波雷达的二维截断统计量恒虚警检测方法;王元恺 等;西安交通大学学报(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113341388A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113341388B (zh) | 基于分步处理的雷达目标二维ca-cfar检测快速实现方法 | |
CN106772352B (zh) | 一种基于Hough和粒子滤波的PD雷达扩展微弱目标检测方法 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
CN106646453B (zh) | 一种基于预测值量测转换的多普勒雷达目标跟踪方法 | |
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN105699952B (zh) | 海杂波k分布形状参数的双分位点估计方法 | |
CN107329139B (zh) | 一种双时相双极化干涉sar影像水域提取方法 | |
CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN104166135A (zh) | 一种宽带雷达目标的原始点迹凝聚处理方法 | |
CN103454624A (zh) | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 | |
CN110297222B (zh) | 一种基于多维量测信息的航迹起始方法 | |
CN110058222B (zh) | 一种基于传感器选择的双层粒子滤波检测前跟踪方法 | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN106772299B (zh) | 一种基于距离匹配的pd雷达微弱目标动态规划检测方法 | |
CN103176168A (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN113050059A (zh) | 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法 | |
CN104155629A (zh) | 一种冲击噪声背景下小快拍数信号波达方向估计方法 | |
CN103064084A (zh) | 基于距离频域的解模糊方法 | |
CN103308829A (zh) | 一种gis单次局放信号提取与触发时刻调整方法 | |
CN107132532B (zh) | 基于海尖峰抑制和多帧联合的小目标检测方法 | |
CN102800101A (zh) | 一种星载红外遥感图像机场roi快速检测方法 | |
CN117388835A (zh) | 一种多拼融合的声雷达信号增强方法 | |
CN102621535A (zh) | 一种高效的协方差矩阵结构估计方法 | |
CN112948462A (zh) | 一种基于改进的奇异谱分析和Bp神经网络的超短期风速预测方法 |
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 |