CN117034836B - 基于软件定义芯片的星上多载荷数据处理系统评价方法 - Google Patents
基于软件定义芯片的星上多载荷数据处理系统评价方法 Download PDFInfo
- Publication number
- CN117034836B CN117034836B CN202311295619.5A CN202311295619A CN117034836B CN 117034836 B CN117034836 B CN 117034836B CN 202311295619 A CN202311295619 A CN 202311295619A CN 117034836 B CN117034836 B CN 117034836B
- Authority
- CN
- China
- Prior art keywords
- data
- load
- result
- processing
- data processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 159
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 238000012360 testing method Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 54
- 238000004088 simulation Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 15
- 239000013307 optical fiber Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000033001 locomotion Effects 0.000 description 9
- 238000013139 quantization Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 241000408659 Darpa Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 208000004350 Strabismus Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/38—Information transfer, e.g. on bus
- G06F13/40—Bus structure
- G06F13/4004—Coupling between buses
- G06F13/4022—Coupling between buses using switching circuits, e.g. switching matrix, connection or expansion network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2213/00—Indexing scheme relating to interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F2213/0026—PCI express
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于软件定义芯片的星上多载荷数据处理系统评价方法,属于星上多载荷数据处理系统的评估技术领域,包括:步骤1、搭建基于软件定义芯片的星上多载荷数据处理评估环境;步骤2、制定基于软件定义芯片的星上多载荷数据处理评估方法;步骤3、构建基于软件定义芯片的星上多载荷数据处理评价体系。本发明有效揭示软件定义芯片实现星上数据处理的短板和关键制约因素,为低成本、低功耗、小型化、高算力、通用性强的数据处理软件定义芯片研制工作奠定充实的测试基础和调试保障。
Description
技术领域
本发明属于星上多载荷数据处理系统的评估技术领域,具体涉及一种基于软件定义芯片的星上多载荷数据处理系统评价方法。
背景技术
软件定义芯片是一种新兴的集成电路设计方法学。其目标是在单颗芯片上兼顾实现高性能、高能效、高灵活和高安全,与传统芯片设计相比获得绝对综合优势。为提升可编程器件的硬件利用率,进而实现整体性能提升,理想状态是将传统可编程器件运行时空闲的资源动态重构成其他功能,在需要时再切换回来,从而可以大幅度提高整个器件的硬件资源利用率。
随着应用需求的发展,遥感信息获取高时效性以及高准确率变得尤为重要,高时效高精准的星上数据处理对硬件资源提出了较高的要求。处理问题的复杂度越来越高、星上信号处理系统规模越来越大,星上信号处理系统的功耗问题更为显著。由于卫星等数字信号处理平台功耗受限,处理系统集成化、芯片化,现有单模块功耗需要降低70%以上,才能满足模块无风扇设计。信号处理设备功能和性能的大幅提升,带来了重量和体积的增加。卫星情报信息获取平台搭载的信号处理设备需尽可能重量轻、体积小。尤其是星上信号处理设备,受限于飞行器内部空间和综合负载能力,同等条件下需尽可能降低信号处理设备的重量和体积。对于星上数据处理,载荷主要包括信号处理设备、天线、大功率脉冲放大器、射频收发通道等,信号处理设备的轻量化、小型化可以减少有效载荷,降低发射成本。在现有设备中,信号处理芯片数量需要明显降低,典型电路板尺寸需要降低75%以上,芯片数量需要减少60%以上,从而降低板卡、整机的重量和体积,满足雷达设备轻量化、小型化的需求。
传统的高性能处理硬件如FPGA、DSP、AI处理器、GPU等受限于本身的体系结构,难以满足星上数据处理对低功耗、小型化、高算力的要求。FPGA因其完全并行架构,可以实现高速率数据实时处理,在星上数据处理领域拥有举足轻重的地位,但由于FPGA采用单比特编程,在保证通用性的前提下,损失了硬件资源利用效率,不利于大规模使用时实现星上数据处理系统的小型化、低功耗。专用芯片在提高算力的同时,可有效降低芯片功耗、重量等,但无法支持多种载荷数据处理需求,造成用量小、成本高、通用性差等问题,因此软件定义芯片应运而生,在满足通用性的前提下,可以达到专用芯片的低功耗、小型化、高算力目标。
软件定义芯片通过配置流和数据流共同驱动,不使用指令;借助时空联合映射,实现任务处理的空间并行,以及硬件资源的时分复用,能够提供高密度、低功耗的信号处理算力、并兼顾高可编程性。在不损失高算力特性的前提下,可重构硬件系统可达到接近专用芯片的能耗比。软件定义芯片的特点在于:软件程序和硬件资源对输入信号可进行不同程度的优化和适配,支持多种数据处理方法在同一种硬件系统上的实现。因此,DARPA认为软件定义硬件实现的关键是快速硬件重构和动态编译。按照DARPA的项目规划,软件定义硬件的能量效率可以在未来五年达到通用处理器的两个数量级以上,并实现重构速度达到300-1000ns。如表1所示为目前软件定义芯片相关研究的产业化情况。
表 1
,
面向星上数据处理的软件定义芯片解决了目前星上处理系统对通用性、低功耗、小型化、低成本的要求,是星上处理未来的重要发展方向。
星上载荷主要包括:SAR载荷、可见光载荷以及雷达探测载荷,不同载荷实现的功能不同,多载荷充分发挥各自优势,为星上信息获取提供高可靠保障。
(1)SAR载荷星上数据处理主要包括:SAR成像、目标检测识别、动目标重聚焦以及目标定位等。
SAR成像主要的信号处理功能为接收SAR载荷原始数据,对SAR载荷原始数据进行数据预处理(包括数据BAQ解压缩,数据多通道处理、大斜视距离向去斜处理,滑动聚束模式方位向去斜处理、通道间一致性误差校正等),在预处理的过程中,同时接收与原始数据对应的辅助数据,解析和计算SAR成像所需的基本参数。进而可以对处理后的数据进行成像处理,成像处理常用的算法有距离-多普勒方法(R-D)、变标方法(Chirp Scaling, CS)和波数域算法()、PFA算法等可实现二维聚焦。得到聚焦的SAR图像后,由于需要对图像进行目标检测识别,因此需要针对不同场景对数据进行不同的量化,得到8bit灰度图。常用的量化方式有:最大值量化、均值量化、自适应量化以及最大对比度量化算法,不同的量化方式对检测识别的影响较大。
SAR载荷数据处理的另外一个分支为SAR载荷目标的检测识别处理,包括舰船目标检测识别以及飞机目标检测识别。同时能够对海岸线轮廓和机场边界进行准确地划分,算法通常将目标检测识别任务定义为一个回归任务,继而对空间分离的边界框和相关的类别概率进行预测,典型的有VGG16、SSD、YOLO系列算法,这类算法在牺牲少许检测精度的条件下换来了检测速度的大幅度提升。
SAR载荷在检测识别的同时,需要输出SAR载荷目标的位置信息,因此需要对目标进行定位处理,针对静止目标的地理定位方法目前最常用的方法是距离多普勒(RD)定位。针对运动目标的距离多普勒定位,需要首先估计运动目标的径向速度,根据径向速度计算目标运动导致的多普勒历程变化,最后根据修正后的多普勒历程表达式,采用RD算法进行地理定位。
星载SAR除了可实现对陆地静止目标的成像,还可对海观测,获取海面舰船的雷达图像,即进行SAR载荷运动舰船目标重聚焦。对于静止目标,其图像分辨率由卫星平台相对于目标的运动形成的多普勒带宽获得,通过一定的数据预处理,采用常规的距离-多普勒方法(R-D)、变标方法CS和波数域算法等可实现二维聚焦。然而对于舰船目标,在卫星平台运动的过程中,舰船目标通常也处在运动状态中。通常,舰船的运动可分解为平动和转动两个方面。其中,平动又可分解为沿航迹和垂直航迹方向的运动。而舰船的转动由包含横摇、纵摇和偏航等几个方向的分量。不同的舰船运动特征不同,导致用于成像聚焦的参数不同,通常无法采用统一的成像参数和针对静止目标的成像算法完成整个成像范围内的全部运动舰船的精确聚焦,需要对目标采用ISAR的方式完成对运动目标的重聚焦。
(2)可见光载荷星上数据处理主要包括:目标检测识别处理、目标定位和目标压缩。
相对于SAR载荷目标检测检测识别,可见光载荷遥感影像的图像质量易受传感器、天气等因素影响,且港口、机场等场景背景过于复杂,容易检测出大量虚假目标;由于天气、光照、薄云、卫星拍摄角度、遥感目标型号差异等因素影响,遥感图像中通常目标尺度变化大、前景背景难以区分,使得检测难度增加;不同型号的舰船、飞机等典型目标在复杂场景下显示出相对单一的形状特性和区域特性,利用深度学习仅仅提取目标整体特征进行型号识别时容易导致误检;而深度学习网络计算量较大,检测效率和检测精度之间的平衡也需要平衡。
(3)雷达探测载荷典型星上数据处理流程:
雷达探测载荷原始回波首先经过距离向处理及方位向处理转换到距离多普勒域,而后将RD平面分为杂波区和噪声区分别进行运动目标检测。噪声区目标信杂噪比较低,目标往往淹没在地面强杂波中,需要先利用STAP进行杂波抑制,而后进行CFAR目标检测。算法最终输出每帧目标的点迹信息,包括俯仰、方位角度、目标速度、目标距离等信息。最后对目标点迹信息进行点航处理,完成对目标的跟踪。
星上数据处理方法和指标要求随着硬件系统算力的提升在不断优化和提高,高复杂度的算法必然会使得硬件成本增加,体积增大、功耗增加,对于卫星来说,体积和功耗的增大,意味着散热结构和火箭推力都需要增强来匹配载荷数据处理系统的质量提升。
目前,国内外对于星上数据处理评估方法和评价体系都是与载荷、研发单位相对应的,不同的研发单位有自己对应的评估方法和评价体系,不同载荷的评价方式也有着较大的差异。有个别测试评价系统定义了几个性能参数来评估系统性能,无法全面地系统地测试评估星上处理系统的各项指标,为星上处理软硬件优化提供解决方案。且现有的评估环境、评估方法和评价体系是针对特定硬件而言的,没有对软件定义芯片相关的星上数据处理评估技术。
发明内容
为解决上述技术问题,本发明提供一种基于软件定义芯片的星上多载荷数据处理系统评价方法,提出软件定义芯片在SAR载荷、可见光载荷及雷达探测载荷数据处理领域的结果评估方案。搭建基于软件定义芯片的星上多载荷数据处理评估环境,制定基于软件定义芯片的星上多载荷数据处理评估方法,构建基于软件定义芯片的星上多载荷数据处理评价体系,进而有效揭示软件定义芯片实现星上数据处理的短板和关键制约因素,为低成本、低功耗、小型化、高算力、通用性强的数据处理软件定义芯片研制工作奠定充实的测试基础和调试保障。
为达到上述目的,本发明采用如下技术方案:
一种基于软件定义芯片的星上多载荷数据处理系统评价方法,包括如下步骤:
步骤1、搭建基于软件定义芯片的星上多载荷数据处理评估环境;所述基于软件定义芯片的星上多载荷数据处理评估环境包括原始数据模拟模块、数据回放模块、结果接收模块以及结果分析模块;
步骤2、制定基于软件定义芯片的星上多载荷数据处理评估策略,所述星上多载荷数据处理评估策略为:采用原始数据模拟模块生成标准测试数据,并通过数据回放模块完成特定时序的标准测试数据回放,利用软件定义芯片对标准测试数据进行处理得到测试结果,然后返回给结果接收模块,并按照测试结果的载荷类型存储在对应的载荷处理结果文件夹,得到处理结果文件;采用结果分析模块对得到的测试结果进行分析,得出测试结论;
步骤3、构建基于软件定义芯片的星上多载荷数据处理评价体系,所述基于软件定义芯片的星上多载荷数据处理评价体系包括对软件定义芯片硬件的评价和对星上多载荷数据处理结果的评价。
有益效果
1、本发明首次搭建基于软件定义芯片星上多载荷数据处理系统的评估环境,完成多载荷数据格式化、测试硬件标准化以及测试评估软件多样化的功能,为软件定义芯片在星上多载荷数据处理领域提供一套完备的测试评估环境,缩短软件定义芯片的适用性研制周期。
2、本发明首次制定出一套基于软件定义芯片星上多载荷数据处理系统的评估方法。面对星上多载荷数据处理复杂的情况,制定基于软件定义芯片的星上多载荷数据处理评估方法,为软件定义芯片在星上多载荷数据处理领域提供统一的验证测试方法,加速芯片的测试验证。
3、本发明构建了基于软件定义芯片星上多载荷数据处理系统的评估体系,将星上多载荷数据处理的性能和功能指标体系进行层次化分类,多角度、多维度、多层级全面覆盖星上多载荷数据处理的各类应用场景,对各个指标进行动态验证,快速完成软件定义芯片在星上多载荷数据处理领域的性能和功能指标评估,对软件定义芯片的设计和优化具有里程碑式的指导意义。
附图说明
图1为本发明的基于软件定义芯片星上多载荷数据处理系统的评估环境图;
图2为本发明的基于软件定义芯片的星上多载荷数据处理系统评价方法原理框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
面向星上多载荷数据处理的软件定义芯片是未来的重要发展方向。软件定义芯片的数据处理性能和指标评估技术可以评判软件定义芯片的优劣,是面向星上多载荷数据处理的软件定义芯片良性发展的关键因素。本发明主要提供一种基于软件定义芯片的星上多载荷数据处理系统评价方法,具体包括如下步骤:
步骤1、搭建基于软件定义芯片的星上多载荷数据处理评估环境;
步骤2、制定基于软件定义芯片的星上多载荷数据处理评估策略;
步骤3、构建基于软件定义芯片的星上多载荷数据处理评价体系。
具体地,所述步骤1中,如图1所示,基于软件定义芯片的星上多载荷数据处理评估环境包括原始数据模拟模块、数据回放模块、结果接收模块以及结果分析模块。
原始数据模拟模块主要是生成与星上载荷原始数据一致的数据,包括数据格式和数据时序的一致。原始数据模拟包括SAR载荷原始数据模拟、雷达探测载荷原始数据模拟以及可见光载荷原始数据模拟。
原始数据模拟模块是将现有的原始数据或者仿真数据按照测试要求的格式进行数据标准化处理,使得在不改变软件定义芯片程序的情况下,完成对现有数据和仿真数据的验证测试。
原始数据模拟模块的软件表如表2所示。
表 2
,
数据回放模块实现的主要功能为:按照星上真实的时序回放标准化后的数据。数据回放模块对外接口主要有PCIE接口和光纤接口,PCIE接口主要是通过PCIE卡槽与PC机进行通信,完成原始数据下发;光纤接口主要是与软件定义芯片进行通信,完成原始数据传输。对于SAR载荷、雷达探测载荷而言,数据回放时,需要设置脉冲重复频率、采样率、脉宽等指标,以便精准地模拟星上各载荷真实数据的录取过程。对于可见光载荷来说,需要设置数据的采样率以及单点数据大小。数据回放模块指标如表3所示。
表 3
,
结果接收模块实现的主要功能为:接收软件定义芯片的输出结果,并将结果存储到本地PC机。结果接收模块与数据回放模块对外接口一致,主要有PCIE接口和光纤接口。光纤接口主要是与软件定义芯片进行通信,完成数据处理结果接收。PCIE接口主要是通过PCIE卡槽与PC机进行通信,完成数据处理结果落盘。结果接收模块针对不同载荷不需要额外设置参数,只需要根据处理结果标志将数据按照一定的命名格式存储到对应测试载荷的文件夹中。
结果分析模块实现的主要功能为:对落盘的处理结果按照星上多载荷数据处理评价体系进行结果分析。SAR载荷、雷达探测载荷和可见光载荷评价指标不同,不同载荷的测试结果分析需要根据不同的评价指标进行结果量化分析。结果分析软件主要包括:功能选择、载荷及数据路径选择、数据参数显示以及结果分析功能。功能选择实现对成像、目标检测、目标识别、飞机、舰船等的成像检测选择,载荷及数据路径选择实现对载荷和结果分析数据的确认,数据参数显示主要是显示所选结果分析数据中的一些重要指示参数;结果分析主要是根据所选载荷对SAR载荷、雷达探测载荷和可见光载荷进行结果分析,得出测试结论,包括但不限于检测率、虚警率、识别准确率、目标经度、目标维度信息。
所述步骤2中,基于软件定义芯片的星上多载荷数据处理系统评估方法如图2所示。评估方法是在评估环境的基础上,设定一套完备的评估流程,具体步骤为:
步骤(1)采用原始数据模拟软件生成三种载荷的标准测试数据;包括SAR载荷标准测试数据、可见光载荷标准测试数据以及雷达探测载荷标准测试数据;
步骤(2)通过数据回放模块完成特定时序的标准测试数据回放;在回放之前,需要设置数据回放速率,SAR载荷和雷达探测载荷需要设置数据的脉冲重复频率,可见光载荷需要设置数据的单点间隔。设置完成后,选择对应载荷的标准测试数据实现模拟星上原始数据采集过程的功能;
步骤(3)利用软件定义芯片对测试数据进行处理;软件定义芯片在接收到测试数据后,根据测试载荷类型选择不同的处理程序。测试完成后将测试结果通过光纤进行输出,完成数据处理;
步骤(4)测试数据返回给结果接收模块完成结果落盘;结果接收模块接收软件定义芯片输出的测试结果,并按照测试结果的载荷类型存储在对应的载荷处理结果文件夹,得到处理结果文件。
步骤(5)采用结果分析软件对得到的测试结果进行分析,得出测试结论。根据测试结论,判断软件定义芯片实现星上数据处理性能的优劣,进一步优化和修改软件定义芯片功能。
所述步骤3中,基于软件定义芯片的星上多载荷数据处理评价体系主要包括两个方面,一是对软件定义芯片硬件的评价,二是对星上多载荷数据处理结果的评价。
软件定义芯片硬件的评价指标包括:重量、体积、功耗、算力以及接口能力。重量、体积、功耗是星上载荷数据处理器的重要指标。由于火箭推力有限,导致卫星总体对各个载荷的重量要求极为严格,多载荷数据处理硬件是卫星的重要组成部分,轻量化设计是必然要求。卫星载荷舱内体积是制约处理平台体积的重要因素,卫星平台的热控系统要求处理系统功耗保持在一定水平以下,因此轻量化、小型化、低功耗必然是星上数据处理对硬件平台的评价指标。
星上多载荷数据处理面临着数据量大、功能多、数据率高和算法复杂等特点,需要实现SAR载荷、雷达探测载荷和可见光载荷不同的星上数据实时处理功能。计算能力根据数据类型的不同可以细分为定点计算能力和浮点计算能力,不同的算法对定点和浮点的要求各不相同。高算力是应对复杂算法处理的核心支撑,是星上数据处理对硬件平台的一项重要评价指标。
软件定义芯片在保障自身重量、功耗、体积和算力的同时,还需要兼顾对外接口能力,比如具有和其他芯片高速数据交互、其他卫星平台信息交互、数据形成模块数据通信、指令接口和监测信息回传的能力。接口能力是软件定义芯片对外交互的重要考核指标。
星上多载荷数据处理结果的评价主要包括对SAR载荷、雷达探测载荷和可见光载荷处理结果的评价。由于不同载荷的数据处理结果要求不同,因此需要三种不同的指标评估和评价。
SAR载荷星上数据处理指标主要有成像时效性、图像峰值旁瓣比、图像积分旁瓣比、舰船/飞机目标检测率、舰船/飞机目标虚警率、舰船目标识别准确率、目标检测时效性、目标识别时效性、运动目标重聚焦能力以及静止和运动目标的定位精度。
可见光载荷星上数据处理指标主要有舰船目标检测率、舰船目标虚警率、舰船目标识别准确率、飞机目标检测率、飞机目标虚警率、飞机目标识别准确率、目标定位精度、目标检测时效性、目标识别时效性以及图像压缩处理时效性。
雷达探测载荷星上数据处理指标主要有目标发现概率、目标分类准确率、目标错检率、单帧检测概率、目标定位精度、目标航向精度、目标航速精度、目标航迹处理能力、处理时效性和单次覆盖航迹维持率。
基于软件定义芯片的星上多载荷数据处理评价体系如表4所示。
表 4
,
实施例
以软件定义芯片对SAR载荷星上数据处理评估为例进行说明。
步骤一:按照SAR载荷标准化原始数据格式对咬测试的数据进行格式化处理,并生成格式化原始数据测试文件;
步骤二:在数据回放模块上,设置脉冲重复频率,距离向采样点数以及PRF个数,选择步骤一生成的格式化原始数据测试文件,点击开始回放按钮对数据进行回放;
步骤三:等待结果接收模块接收完成软件定义芯片输出的全部测试结果数据,完成后将数据以二进制文件的形式存储到本地磁盘;
步骤四:调用SAR载荷对应的指标分析软件得出对应的测试结果,并自动生成测试报告;
步骤五:根据SAR载荷指标评价体系和测试结果得出最终的测试结论和评价,完成本次软件定义芯片实现SAR载荷星上数据处理评估。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于软件定义芯片的星上多载荷数据处理系统评价方法,其特征在于,包括如下步骤:
步骤1、搭建基于软件定义芯片的星上多载荷数据处理评估环境;所述基于软件定义芯片的星上多载荷数据处理评估环境包括原始数据模拟模块、数据回放模块、结果接收模块以及结果分析模块;
所述原始数据模拟模块用于生成与星上载荷原始数据一致的数据,包括数据格式和数据时序的一致,将原始数据或者仿真数据按照测试要求的格式进行数据标准化处理,使得在不改变软件定义芯片程序的情况下,完成对原始数据和仿真数据的验证测试;原始数据模拟包括SAR载荷原始数据模拟、雷达探测载荷原始数据模拟以及可见光载荷原始数据模拟;
所述数据回放模块按照星上真实的时序回放标准化后的数据;所述数据回放模块的对外接口包括PCIE接口和光纤接口,PCIE接口通过PCIE卡槽与PC机进行通信,完成原始数据下发;光纤接口与软件定义芯片进行通信,完成原始数据传输;对于SAR载荷和雷达探测载荷,数据回放时,设置脉冲重复频率、采样率、脉宽;对于可见光载荷,设置数据的采样率以及单点数据大小;
所述结果接收模块用于接收软件定义芯片的输出结果,并将输出结果存储到本地PC机;结果接收模块与数据回放模块对外接口一致,包括PCIE接口和光纤接口;光纤接口与软件定义芯片进行通信,完成数据处理结果接收;PCIE接口通过PCIE卡槽与PC机进行通信,完成数据处理结果落盘;
所述结果分析模块对落盘的处理结果按照星上多载荷数据处理评价体系进行结果分析;所述结果分析模块实现功能选择、载荷及数据路径选择、数据参数显示以及结果分析;所述功能选择实现成像检测选择,所述载荷及数据路径选择实现对载荷和结果分析数据的确认,所述数据参数显示用于显示所选结果分析数据中的指示参数;所述结果分析用于根据所选载荷对SAR载荷、雷达探测载荷和可见光载荷进行结果分析,得出测试结论;
步骤2、制定基于软件定义芯片的星上多载荷数据处理评估策略,所述星上多载荷数据处理评估策略为:采用原始数据模拟模块生成标准测试数据,并通过数据回放模块完成特定时序的标准测试数据回放,利用软件定义芯片对标准测试数据进行处理得到测试结果,然后返回给结果接收模块,并按照测试结果的载荷类型存储在对应的载荷处理结果文件夹,得到处理结果文件;采用结果分析模块对得到的测试结果进行分析,得出测试结论;
步骤3、构建基于软件定义芯片的星上多载荷数据处理评价体系,所述基于软件定义芯片的星上多载荷数据处理评价体系包括对软件定义芯片硬件的评价和对星上多载荷数据处理结果的评价;
星上多载荷数据处理结果的评价包括对SAR载荷、雷达探测载荷和可见光载荷处理结果的评价;
SAR载荷的星上数据处理指标包括成像时效性、图像峰值旁瓣比、图像积分旁瓣比、舰船/飞机目标检测率、舰船/飞机目标虚警率、舰船目标识别准确率、目标检测时效性、目标识别时效性、运动目标重聚焦能力以及静止和运动目标的定位精度;
可见光载荷的星上数据处理指标包括舰船目标检测率、舰船目标虚警率、舰船目标识别准确率、飞机目标检测率、飞机目标虚警率、飞机目标识别准确率、目标定位精度、目标检测时效性、目标识别时效性以及图像压缩处理时效性;
雷达探测载荷的星上数据处理指标包括目标发现概率、目标分类准确率、目标错检率、单帧检测概率、目标定位精度、目标航向精度、目标航速精度、目标航迹处理能力、处理时效性和单次覆盖航迹维持率。
2.根据权利要求1所述的一种基于软件定义芯片的星上多载荷数据处理系统评价方法,其特征在于,所述步骤2具体包括:
步骤(1)采用原始数据模拟模块生成标准测试数据,所述标准测试数据包括SAR载荷标准测试数据、可见光载荷标准测试数据及雷达探测载荷标准测试数据;
步骤(2)通过数据回放模块完成特定时序的标准测试数据回放,包括:在回放之前设置数据回放速率,对于SAR载荷、雷达探测载荷设置数据的脉冲重复频率,对于可见光载荷设置数据的单点间隔;设置完成后,选择对应载荷的标准测试数据模拟星上原始数据的采集过程;
步骤(3)利用软件定义芯片对标准测试数据进行处理,包括:软件定义芯片在接收到标准测试数据后,根据载荷类型选择不同的处理程序;测试完成后将测试结果通过光纤进行输出,完成数据处理;
步骤(4)标准测试数据返回给结果接收模块完成结果落盘,包括:结果接收模块接收软件定义芯片输出的测试结果,并按照测试结果的载荷类型存储在对应的载荷处理结果文件夹,得到处理结果文件;
步骤(5)采用结果分析模块对得到的测试结果进行分析,得出测试结论;根据测试结论,判断软件定义芯片实现星上数据处理性能的优劣,进一步优化和修改软件定义芯片功能。
3.根据权利要求1所述的一种基于软件定义芯片的星上多载荷数据处理系统评价方法,其特征在于,所述软件定义芯片硬件的评价指标包括:重量、体积、功耗、算力以及接口能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311295619.5A CN117034836B (zh) | 2023-10-09 | 2023-10-09 | 基于软件定义芯片的星上多载荷数据处理系统评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311295619.5A CN117034836B (zh) | 2023-10-09 | 2023-10-09 | 基于软件定义芯片的星上多载荷数据处理系统评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117034836A CN117034836A (zh) | 2023-11-10 |
CN117034836B true CN117034836B (zh) | 2024-04-19 |
Family
ID=88641606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311295619.5A Active CN117034836B (zh) | 2023-10-09 | 2023-10-09 | 基于软件定义芯片的星上多载荷数据处理系统评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117034836B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907867A (zh) * | 2017-09-29 | 2018-04-13 | 北京空间飞行器总体设计部 | 一种多工作模式的实时sar快视系统 |
CN110162833A (zh) * | 2019-04-11 | 2019-08-23 | 上海卫星工程研究所 | 星载sar距离向脉压性能评估功能模块设计方法 |
CN111931371A (zh) * | 2020-08-07 | 2020-11-13 | 上海卫星工程研究所 | 多星协同地面验证系统应用模式设计方法 |
WO2022056638A1 (en) * | 2020-09-16 | 2022-03-24 | Mda Systems Ltd. | System, method, and satellites for surveillance imaging and earth observation using synthetic aperture radar imaging |
KR102420978B1 (ko) * | 2021-12-24 | 2022-07-15 | 한화시스템 주식회사 | 초소형 위성 sar 탑재체 시뮬레이션 및 영상품질 분석을 위한 시스템 및 방법 |
CN115240053A (zh) * | 2022-07-19 | 2022-10-25 | 山东航天电子技术研究所 | 一种小型通用载荷数据星上实时智能处理装置 |
CN116804743A (zh) * | 2023-06-30 | 2023-09-26 | 清华大学 | 支持合成孔径雷达卫星成像与目标检测的星载实时处理器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11127102B2 (en) * | 2019-08-01 | 2021-09-21 | Loft Orbital Technologies S.A.S | Systems and methods for describing, simulating and optimizing spaceborne systems and missions |
EP3822655B1 (en) * | 2019-11-13 | 2024-03-13 | Airbus Defence and Space Limited | Maritime surveillance radar |
-
2023
- 2023-10-09 CN CN202311295619.5A patent/CN117034836B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907867A (zh) * | 2017-09-29 | 2018-04-13 | 北京空间飞行器总体设计部 | 一种多工作模式的实时sar快视系统 |
CN110162833A (zh) * | 2019-04-11 | 2019-08-23 | 上海卫星工程研究所 | 星载sar距离向脉压性能评估功能模块设计方法 |
CN111931371A (zh) * | 2020-08-07 | 2020-11-13 | 上海卫星工程研究所 | 多星协同地面验证系统应用模式设计方法 |
WO2022056638A1 (en) * | 2020-09-16 | 2022-03-24 | Mda Systems Ltd. | System, method, and satellites for surveillance imaging and earth observation using synthetic aperture radar imaging |
KR102420978B1 (ko) * | 2021-12-24 | 2022-07-15 | 한화시스템 주식회사 | 초소형 위성 sar 탑재체 시뮬레이션 및 영상품질 분석을 위한 시스템 및 방법 |
CN115240053A (zh) * | 2022-07-19 | 2022-10-25 | 山东航天电子技术研究所 | 一种小型通用载荷数据星上实时智能处理装置 |
CN116804743A (zh) * | 2023-06-30 | 2023-09-26 | 清华大学 | 支持合成孔径雷达卫星成像与目标检测的星载实时处理器 |
Also Published As
Publication number | Publication date |
---|---|
CN117034836A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505643A (zh) | 一种雷达与红外复合导引头开环半实物仿真方法及系统 | |
CN103616671A (zh) | 一种相控阵雷达数字仿真系统及其仿真方法 | |
CN109164428A (zh) | 雷达数字仿真系统及方法 | |
CN111683388B (zh) | 一种近场辐射衰减测试方法及三维显示系统 | |
CN109471080A (zh) | 基于simulink的高速平台雷达回波信号模拟系统 | |
CN112415482B (zh) | 一种射频注入式数字信号合成仿真测试系统 | |
CN110045341A (zh) | 雷达高度表低截获性能测试方法 | |
CN112558495B (zh) | 一种雷达高度表抗干扰半实物仿真系统及方法 | |
CN107728120A (zh) | 一种船用雷达目标回波的模拟方法 | |
CN113777603A (zh) | 海洋和电离层一体化探测接收系统控制及信号处理系统 | |
CN109814079B (zh) | 一种三维雷达模拟系统 | |
Huang et al. | Passive multistatic radar imaging of vessel target using GNSS satellites of opportunity | |
CN115586499A (zh) | 一种雷达信号环境模拟方法及系统 | |
CN117034836B (zh) | 基于软件定义芯片的星上多载荷数据处理系统评价方法 | |
Sergeev et al. | Triple-Station System of Detecting Small Airborne Objects in Dense Urban Environment | |
CN116310689B (zh) | 一种无人智能多模态信息融合与目标感知系统及作业方法 | |
Reising et al. | GESTRA-upgrading to future distributed phased array radar networks for space surveillance | |
CN114252855B (zh) | 一种同时sar/gmt回波模拟方法及其系统 | |
CN115358074A (zh) | 一种机载脉冲多普勒雷达系统信号级仿真方法 | |
CN209167529U (zh) | 一种三维雷达模拟系统 | |
CN116383717B (zh) | 一种智能化综合无人机识别系统及方法 | |
Haifawi et al. | Drone Detection & Classification with Surveillance ‘Radar On-The-Move’and YOLO | |
Oltrogge et al. | Multi-phenomenology observation Network evaluation Tool (MONET) | |
Ahmad et al. | Low-latency convolution neural network for estimating drone physical parameters with radar | |
CN115856881B (zh) | 一种基于动态轻量级网络的毫米波雷达行为感知方法 |
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 |