CN114244460B - 一种异构加速的多径信道信号实时生成方法 - Google Patents

Abstract

本申请涉及一种异构加速的多径信道信号实时生成方法，本方法通过运用FARROW结构可变分数延迟滤波器实现高精度宽带信号延迟控制，在此基础上，整合整数采样点延迟、幅度衰减和相位旋转步骤，通过并行计算FARROW多项式系数矩阵与多径参数矩阵的矩阵相乘，一次性得到所有滤波器系数；将时域线性卷积运算转换为频域相乘，利用傅里叶变换和傅里叶逆变换的高效并行性，实现快速滤波；采用数据“分块”计算以及异步并行执行的策略，隐藏主机内存和设备内存间的数据传输时间。采用本方法以解决现有技术的多径信道信号模拟路数受到限制、参数更新不便和运算耗时长的问题。

Description

一种异构加速的多径信道信号实时生成方法

技术领域

本申请涉及多径信道模拟技术领域，特别是涉及一种异构加速的多径信道信号实时生成方法。

背景技术

在实际环境下，接收天线在接收直达信号的同时，不可避免地会接收到来自地面、建筑物等反射和绕射的多径信号，在卫星导航领域，会造成几米到几十米的定位误差，这种“多径误差”难以通过常规的差分或高精度模型进行消除。多年来人们对各种多径抑制技术进行了广泛的研究，需要进行性能测试与算法校正。在真实环境下进行算法测试具有环境因素不可控、不能定量测试等问题，因此需要采用信号模拟器模拟产生多路时延精确可控的多径信号。

多径信道信号的模拟包括两种方法，一种采用一个通道生成一路多径信号的方式，资源开销和运算耗时都会随模拟多径路数的增加而线性增长，另一种用单个通道生成上百路多径信号，滤波器系数计算繁琐且采用串行计算方式，不适用于多径信号参数不断变化的动态场景，且运算耗时长，不能实时模拟。

各类多核处理器、GPU、ACAP自适应计算加速等异构加速平台的出现为多径信号软件并行实时生成提供了新的体系架构和解决思路。充分发挥异构加速的性能和特点，预期可有效提高多径信号模拟生成速度，因此需要设计相应的并行化算法，充分发挥并行硬件的运算能力。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决现有技术中多径信号模拟路数受到限制、参数更新不便和运算耗时长的问题的异构加速的多径信道信号实时生成方法。

一种异构加速的多径信道信号实时生成方法，所述方法实施在CPU主机端以及GPU设备端，其中所述CPU主机端以及GPU设备端均分别为直达信号、FARROW多项式系数矩阵、多径参数矩阵以及合路输出的多径信道信号分配有存储空间，所述方法包括：

在所述CPU主机端对应的存储空间中预存储有所述直达信号、FARROW多项式系数矩阵以及多径参数矩阵，并将这些数据拷贝至所述GPU设备端对应的存储空间中，由所述GPU设备端生成所述多径信道信号；

在所述GPU设备端中：

根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵，并根据该矩阵得到合路FIR滤波器系数，其中根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵采用以下公式：

在上式中，Q为多径参数矩阵，C为FARROW多项式系数矩阵，h’_i(n)，n＝0，1，…N，i＝1，2，…L为滤波器系数，其中N为滤波器阶数，上为多径信道信号路数；

对所述直达信号以及合路FIR滤波器系数进行处理以满足循环卷积等于线性卷积的条件，再对进行傅里叶变换后的直达信号以及合路FIR滤波器系数进行相乘得到多径信道信号序列；

对所述多径信道信号序列进行傅里叶逆变换后再进行归一化处理生成合路输出的多径信道信号，并将所述合路输出的多径信道信号拷贝至所述CPU主机端，由所述CPU主机端对其进行后续应用。

在其中一实施例中，在根据由所有滤波器系数构成的矩阵得到合路FIR滤波器系数时，包括：

在由所有滤波器系数构成的矩阵中，在第i行前面补充D_i个零，在第i行后面补充D_max-D_i个零，其中D_i为第i路多径信号相对于直达信号的整数采样点延迟，D_max为最大整数采样点延迟，得到矩阵H_big，将矩阵H_big各行相加，得到N+D_max阶的合路FIR滤波器系数。

在其中一实施例中，对所述直达信号以及合路FIR滤波器系数进行处理，以满足循环卷积等于线性卷积的条件，其中进行处理的过程包括：在直达信号和合路FIR滤波器系数后面分别补零至长度为N_s+N+D_max的序列，其中N_s为直达信号的原始长度。

在其中一实施例中，在对处理后的直达信号以及合路FIR滤波器系数进行傅里叶变换以及对所述多径信道信号序列进行傅里叶逆变换时均采用所述GPU设备端上的cuFFT库。

在其中一实施例中，在对进行傅里叶逆变换后的多径信道信号序列再进行归一化处理包括：将傅里叶逆变换后的结果除以N_s+N+D_max。

在其中一实施例中，所述直达信号由上机位信号模拟器生成。

在其中一实施例中，所述FARROW多项式系数矩阵为提前离线计算并存储为文件，在使用时由CPU主机端直接读取。

在其中一实施例中，所述多径参数矩阵的计算表达式为：

在上式中，a_i,d_i和

分别为外部输入的第i路多径信号相对于直达信号的幅度衰减、分数采样点延迟和载波相位变化，L为多径信道信号路数，M为FARROW多项式阶数。

一种异构加速的多径信道信号实时生成系统，所述系统包括：CPU主机端以及GPU设备端，其中所述CPU主机端以及GPU设备端均分别为直达信号、FARROW多项式系数矩阵、多径参数矩阵以及合路输出的多径信道信号分配有存储空间；

所述CPU主机端对应的存储空间中预存储有所述直达信号、FARROW多项式系数矩阵以及多径参数矩阵，并将这些数据拷贝至所述GPU设备端对应的存储空间中，由所述GPU设备端生成所述多径信道信号；

所述GPU设备端用于根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵，并根据该矩阵得到合路FIR滤波器系数，其中根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵采用以下公式：

在上式中，Q为多径参数矩阵，C为FARROW多项式系数矩阵，h’_i(n),n＝0,1,…N,i＝1,2,…L为滤波器系数，其中N为滤波器阶数，L为多径信道信号路数；

对所述直达信号以及合路FIR滤波器系数进行处理以满足循环卷积等于线性卷积的条件，再对进行傅里叶变换后的直达信号以及合路FIR滤波器系数进行相乘得到多径信道信号序列；

对所述多径信道信号序列进行傅里叶逆变换后再进行归一化处理生成合路输出的多径信道信号，并将所述合路输出的多径信道信号拷贝至所述CPU主机端，由所述CPU主机端对其进行后续应用。

上述一种异构加速的多径信道信号实时生成方法及系统，通过整合整数采样点延迟、分数采样点延迟、幅度衰减和相位旋转步骤，并行计算多径参数矩阵与FARROW多项式系数矩阵的矩阵相乘，一次性得到所有滤波器系数，解决多路滤波器系数计算复杂、更新不便的问题。通过计算合路FIR滤波器系数并对直达信号进行滤波，使资源开销和运算耗时不会随模拟多径信号路数的增加而增加。并且针对滤波过程，由于傅里叶变换和傅里叶逆变换存在并行高效性，根据时域与频域的对应关系，将时域线性卷积运算转换为频域相乘，实现快速滤波，使得可以实时生成多径信道信号。

附图说明

图1为一个实施例中异构加速的多径信道信号实时生成方法的流程示意图；

图2为另一个实施例中异构加速的多径信道信号实时生成方法的流程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，提供了一种异构加速的多径信道信号实时生成方法，该方法实施在CPU主机端以及GPU设备端，其中CPU主机端以及GPU设备端均分别为直达信号、FARROW多项式系数矩阵、多径参数矩阵以及合路输出的多径信道信号分配有存储空间，包括以下步骤：

步骤S100，在CPU主机端对应的存储空间中预存储有直达信号、FARROW多项式系数矩阵以及多径参数矩阵，并将数据拷贝至GPU设备端对应的存储空间中，由GPU设备端生成所述多径信道信号；

步骤S110，在所述GPU设备端中：根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵，并根据该矩阵得到合路FIR滤波器系数，其中根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵采用以下公式：

在上式中，Q为多径参数矩阵，C为FARROW多项式系数矩阵，h’_i(n),n＝0,1,…N,i＝1,2,…L为滤波器系数，其中N为滤波器阶数，L为多径信道信号路数；

步骤S120，对直达信号以及合路FIR滤波器系数进行处理以满足循环卷积等于线性卷积的条件，再对进行傅里叶变换后的直达信号以及合路FIR滤波器系数进行相乘得到多径信道信号序列；

步骤S130，对多径信道信号序列进行傅里叶逆变换后再进行归一化处理生成合路输出的多径信道信号，并将合路输出的多径信道信号拷贝至CPU主机端，由CPU主机端对其进行后续应用。

可以看出，在申请中提出的方法是通过CPU主机端以及GPU设备端进行实施的，其中CPU主机端中预存了进行计算的直达信号、FARROW多项式系数矩阵、多径参数矩阵，而GPU设备端主要负责进行合路输出的多径信道信号的生成，最后再将生成的信号传输给CPU主机端，由CPU主机端对信号进行后续的应用。而步骤S100是在CPU主机端中实施的，而步骤S110到S130是在GPU设备端进行实施的，若按照本方法进行实际操作时，还可按照图2所示的步骤进行操作，在这里为了对每一步骤均可进行详尽解说，接下来按照图2所示的步骤进行解说。

多径信道信号的模拟是基于直达信号实现的，处理过程包括对直达信号的幅度衰减、载波相位旋转和信号延迟控制。在本实施例中，通过将信号延迟划分为整数采样点延迟D_i和分数采样点延迟d_i来实现高精度信号延时控制。其中采用N阶分数延迟滤波器h_i(n),n＝0,1,...,N进行分数采样点延迟，分数延迟滤波器可以采用拉格朗日插值法或者加权最小二乘法进行设计。为了实现连续可变的分数延迟控制，利用FARROW结构对滤波器系数进行快速更新，

即用关于时延值的M次多项式拟合分数延迟滤波器h_i(n)：

在公式(1)中，d_i为第i路多径信号分数采样点延迟，c_m(n)为FARROW多项式系数。事先离线计算，并将c_m(n)，m＝0,1,…,M,n＝0,1,…,N组成的FARROW多项式系数矩阵C存储为文件，在使用时由CPU主机端直接读取。

同样的，与FARROW多项式系数矩阵C相同，多径参数矩阵Q也是预先存储至CPU主机端对应的存储空间中，其多径参数矩阵的计算表达式为：

在公式(2)中，a_i,d_i和

分别为外部输入的第i路多径信号相对于直达信号的幅度衰减、分数采样点延迟和载波相位变化，L为多径信道信号路数。

如图2所示，在步骤S1中，分别在CPU主机端以及GPU设备端中为输入输出数据分配存储空间，并在CPU主机端中将离线计算好的FARROW多项式系数矩阵C以及多径参数矩阵Q存储至对应的存储空间中。由于本方法中的多径信道信号的模拟是基于直达信号实现的，所以在CPU主机端中还存储有直达信号，而该直达信号由上机位信号模拟器生成。

在步骤S2中，使用cudaMemcpy()将FARROW多项式系数矩阵C和多径参数矩阵Q由CPU主机端拷贝到GPU设备端，使用cudaMemcpyAsync()将分块的直达信号s₀(n)由CPU主机端拷贝到GPU设备端。

在步骤S3中，在GPU设备端并行计算滤波器系数矩阵。

具体的，在GPU设备端并行计算多径参数矩阵Q与FARROW多项式系数矩阵C的矩阵相乘，一次性得到所有滤波器系数h’_i(n),n＝0,1,…N,i＝1,2,…L，其中N为滤波器阶数，L为多径信号路数，由于FARROW多项式系数矩阵经过事先离线计算好后不再变化，多径参数矩阵结构确定，那么模拟多径信号时只需输入各路多径信号参数，再进行简单的矩阵相乘即可快速更新所有路的滤波器系数，解决了多路滤波器系数计算复杂、更新不便的问题，可以适用于多径信号路数众多、多径信号参数实时变化的复杂场景。具体为每个线程块计算滤波器系数矩阵H的一行，线程块中的每个线程计算该行中一个元素h_i'(n)，计算公式为：

接着，由于对直达信号做整数采样点延迟等同于对滤波器系数做整数采样点延迟，将信号通过各路滤波器滤波后再相加等同于将各路滤波器系数相加后再对信号做滤波，因此在步骤S4中，通过对由所有滤波器系数构成的矩阵H进行处理以实现整数采样点延迟再计算最终的FIR滤波器系数，其处理过程为：针对矩阵H的每一行，在第i行前面补充D_i个零，在第i行后面补充D_max-D_i个零，得到矩阵H_big，其中D_i为第i路多径信号相对于直达信号的整数采样点延迟，D_max为最大整数点延迟，对于典型导航接收机，当多径信号与直达信号间的延迟大于1.5个码片时，多径信号对伪距测距没有影响，因此

其中T_chip为伪码码片宽度，T_s为采样时钟周期。对于Rake导航接收机，其需要超出一个码片外的多径分量用以增强信号接收，此时

因此可以按照所用接收机类型决定D_max的值。

最后，将矩阵H_big各行相加，得到N+D_max阶的合路FIR滤波器系数h_finall(n)。

进行时域滤波时，线性卷积运算比较复杂，由于傅里叶变换和傅里叶逆变换具有并行高效性，在满足循环卷积等于线性卷积的条件下，将时域滤波转化到频域实现。在步骤S5中，计算直达信号序列和合路FIR滤波器系数序列的傅里叶变换。

具体的，为了满足循环卷积等于线性卷积的条件，对直达信号以及合路FIR滤波器系数进行处理，其处理的过程包括：在直达信号s₀(n)和合路FIR滤波器系数h_finall(n)后面分别补零至长度为N_s+N+D_max的序列，其中N_s为直达信号s₀(n)的原始长度，再利用GPU设备端上的cuFFT库分别计算s₀(n)和h_finall(n)的傅里叶变换，得到序列S₀(k)和序列H_finall(k)。

在步骤S6中，在GPU设备端中逐点并行计算序列S₀(k)和序列H_finall(k)的乘积，得到序列Y(k)，如下式所示：

Y(k)＝S₀(k)·H_finall(k) (4)

在步骤S7中，再对序列Y(k)进行傅里叶逆变换后再进行归一化处理后得到合路输出的L路多径信号y(n)。

具体的，在GPU设备端上的cuFFT库计算Y(k)的傅里叶逆变换，将结果除以N_s+N+D_max，以消除逆变换对数据的放大影响，得到合路输出的L路多径信号y(n)。

最后在步骤S8中，将GPU设备端中生成的多径信道信号传输到CPU主机端。具体的，使用cudaMemcpyAsync()将分块的合路输出多径信号y(n)由GPU设备端拷贝回CPU主机端。

对输入直达信号数据进行分块并使用异步并行执行的策略，即定义两个流(Stream0和Stream1)，每个流都是一个需要按照顺序执行的操作队列，一个Stream内的数据处理和另一个Stream内的数据拷贝同时进行。假设数据复制操作和核函数执行的时间大致相同，当复制Stream1的数据时，由于Stream0的数据已经准备完成，可以同步执行Stream0的核函数。按照这种方法连续处理多块数据可以有效隐藏CPU与GPU通信的时间，以实现多径信道信号实时生成。

上述一种异构加速的多径信道信号实时生成方法，通过整合整数采样点延迟、分数采样点延迟、幅度衰减和相位旋转步骤，并行计算多径参数矩阵与FARROW多项式系数矩阵的矩阵相乘，一次性得到所有滤波器系数，解决多路滤波器系数计算复杂、更新不便的问题。通过计算合路FIR滤波器系数并对直达信号进行滤波，使资源开销和运算耗时不会随模拟多径信号路数的增加而增加。并且针对滤波过程，由于傅里叶变换和傅里叶逆变换存在并行高效性，根据时域与频域的对应关系，将时域线性卷积运算转换为频域相乘，实现快速滤。

在本方法中，采用FARROW结构可变分数延迟滤波器，在此基础上建立了多路滤波器系数独立并行计算模型，模拟多径环境时只需输入各路多径信号参数，结构简单，滤波器系数更新方便快捷。并且本方法的资源开销和运算耗时不会随模拟多径路数的增加而增加，解决了传统方法中多径模拟路数受限的问题。利用GPU中大量的浮点运算单元并行进行计算和滤波，相比在CPU中实现的方法，运算速度显著提高，能够实现多路数多径信号的实时模拟。随着GPU运算能力的进一步增强，利用一块或多块GPU，能够实时仿真多星座多频点GNSS多径信号，为各种复杂场景下接收机抗多径测试提供技术支持。

应该理解的是，虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，本申请还提供一种异构加速的多径信道信号实时生成系统，所述系统包括：CPU主机端以及GPU设备端，其中所述CPU主机端以及GPU设备端均分别为直达信号、FARROW多项式系数矩阵、多径参数矩阵以及合路输出的多径信道信号分配有存储空间；

所述CPU主机端对应的存储空间中预存储有所述直达信号、FARROW多项式系数矩阵以及多径参数矩阵，并将这些数据拷贝至所述GPU设备端对应的存储空间中，由所述GPU设备端生成所述多径信道信号；

所述GPU设备端用于根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵，并根据该矩阵得到合路FIR滤波器系数，其中根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵采用以下公式：

在上式中，Q为多径参数矩阵，C为FARROW多项式系数矩阵，h’_i(n),n＝0,1,…N,i＝1,2,…L为滤波器系数，其中N为滤波器阶数，L为多径信道信号路数；

对所述直达信号以及合路FIR滤波器系数进行处理以满足循环卷积等于线性卷积的条件，再对进行傅里叶变换后的直达信号以及合路FIR滤波器系数进行相乘得到多径信道信号序列；

对所述多径信道信号序列进行傅里叶逆变换后在进行归一化处理生成合路输出的多径信道信号，并将所述合路输出的多径信道信号拷贝至所述CPU主机

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种异构加速的多径信道信号实时生成方法，其特征在于，所述方法实施在CPU主机端以及GPU设备端，其中所述CPU主机端以及GPU设备端均分别为直达信号、FARROW多项式系数矩阵、多径参数矩阵以及合路输出的多径信道信号分配有存储空间，所述方法包括：

在所述CPU主机端对应的存储空间中预存储有所述直达信号、FARROW多项式系数矩阵以及多径参数矩阵，并将这些数据拷贝至所述GPU设备端对应的存储空间中，由所述GPU设备端生成所述多径信道信号；

在所述GPU设备端中：

根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵，其中根据所述FARROW多项式系数矩阵以及多径参数矩阵进行并行矩阵相乘计算得到由所有滤波器系数构成的矩阵采用以下公式：

在上式中，Q为多径参数矩阵，C为FARROW多项式系数矩阵，h_i'(n),n＝0,1,L N,i＝1,2,L L为滤波器系数，其中N为滤波器阶数，L为多径信道信号路数；

其中，所述多径参数矩阵Q表示为：

在上式中，a_i,d_i和

分别为外部输入的第i路多径信号相对于直达信号的幅度衰减、分数采样点延迟和载波相位变化，L为多径信道信号路数，M为FARROW多项式阶数；

其中，用关于时延值的M次多项式拟合分数延迟滤波器h_i(n)以计算得到FARROW多项式系数：

在上式中，d_i为第i路多径信号分数采样点延迟，c_m(n)为FARROW多项式系数；

根据由所有滤波器系数构成的矩阵得到合路FIR滤波器系数，包括：在由所有滤波器系数构成的矩阵中，在第i行前面补充D_i个零，在第i行后面补充D_max-D_i个零，其中D_i为第i路多径信号相对于直达信号的整数采样点延迟，D_max为最大整数采样点延迟，得到矩阵H_big，将矩阵H_big各行相加，得到N+D_max阶的合路FIR滤波器系数；

对所述直达信号以及合路FIR滤波器系数进行处理以满足循环卷积等于线性卷积的条件，再对进行傅里叶变换后的直达信号以及合路FIR滤波器系数进行相乘得到多径信道信号序列；

对所述多径信道信号序列进行傅里叶逆变换后再进行归一化处理生成合路输出的多径信道信号，并将所述合路输出的多径信道信号拷贝至所述CPU主机端，由所述CPU主机端对其进行后续应用。

2.根据权利要求1所述的多径信道信号实时生成方法，其特征在于，对所述直达信号以及合路FIR滤波器系数进行处理，以满足循环卷积等于线性卷积的条件，其中进行处理的过程包括：在直达信号和合路FIR滤波器系数后面分别补零至长度为N_s+N+D_max的序列，其中N_s为直达信号的原始长度。

3.根据权利要求2所述的多径信道信号实时生成方法，其特征在于，在对处理后的直达信号以及合路FIR滤波器系数进行傅里叶变换以及对所述多径信道信号序列进行傅里叶逆变换时均采用所述GPU设备端上的cuFFT库。

4.根据权利要求3所述的多径信道信号实时生成方法，其特征在于，在对进行傅里叶逆变换后的多径信道信号序列再进行归一化处理包括：将傅里叶逆变换后的结果除以N_s+N+D_max。

5.根据权利要求1-4任一项所述的多径信道信号实时生成方法，其特征在于，所述直达信号由上机位信号模拟器生成。

6.根据权利要求5所述的多径信道信号实时生成方法，其特征在于，所述FARROW多项式系数矩阵为提前离线计算并存储为文件，在使用时由CPU主机端直接读取。

Images