基于多核PC軟件雷達(dá)信號(hào)處理實(shí)時(shí)性仿真

徐文利，察豪，周沫，張光宇

（海軍工程大學(xué)電子工程學(xué)院，湖北武漢 430033）

0 引言

由于不同用途的雷達(dá)其信號(hào)參數(shù)完全不一樣，所以造成目前設(shè)計(jì)研制的雷達(dá)往往功能單一、體制單一、無(wú)法適應(yīng)在不同的環(huán)境下對(duì)不同屬性的目標(biāo)進(jìn)行智能化跟蹤探測(cè)的需要。如果能把軟件雷達(dá)的概念應(yīng)用于雷達(dá)的設(shè)計(jì)研制，那么就能比較圓滿地解決目前雷達(dá)設(shè)計(jì)所存在的上述問題。軟件雷達(dá)的概念借鑒于軟件無(wú)線電，其主要思想是在盡可能少更換或不更換硬件的前提下，利用軟件在同一個(gè)雷達(dá)硬件平臺(tái)上重新定義其功能并實(shí)現(xiàn)多功能，具有很強(qiáng)的靈活性［1－3］。這個(gè)靈活性的實(shí)現(xiàn)依賴于ADC的位置，離天線越近，靈活性越好。在ADC之后，就進(jìn)入了數(shù)字信號(hào)處理部分。由于雷達(dá)是一個(gè)實(shí)時(shí)性很強(qiáng)的系統(tǒng)，因此，對(duì)ADC后的數(shù)字信號(hào)實(shí)時(shí)性研究，是雷達(dá)信號(hào)處理能否進(jìn)行軟件化的前提。本文通過常用警戒雷達(dá)的信號(hào)處理流程，針對(duì)信號(hào)處理每個(gè)模塊的運(yùn)算量和運(yùn)算時(shí)間進(jìn)行了詳細(xì)的研究，對(duì)雷達(dá)視頻信號(hào)進(jìn)行軟件化且滿足實(shí)時(shí)性，提供了很好的參考價(jià)值。

1 雷達(dá)信號(hào)處理仿真模型

一般雷達(dá)是通過發(fā)射電磁波，再?gòu)幕夭ㄖ袡z測(cè)目標(biāo)的。在回波當(dāng)中，不但有目標(biāo)回波，也會(huì)混雜著噪聲、雜波和干擾。所以雷達(dá)探測(cè)目標(biāo)是在十分復(fù)雜的信號(hào)背景下進(jìn)行的，雷達(dá)需要通過信號(hào)處理來檢測(cè)目標(biāo)，并提取目標(biāo)的各種有用信息。雷達(dá)的信號(hào)處理功能有很多，不同的雷達(dá)采用的功能也有所不同。本文以常用的警戒雷達(dá)信號(hào)處理流程進(jìn)行分析，其仿真模型見圖1［4－5］:

圖1 警戒雷達(dá)信號(hào)處理仿真模型Fig.1The simulation model of guard radar's signal processing

2 信號(hào)處理系統(tǒng)中各功能模塊運(yùn)算復(fù)雜度分析

2.1 脈壓模塊

1）運(yùn)算模型

脈壓是大時(shí)寬帶寬積信號(hào)通過1個(gè)脈沖壓縮濾波器實(shí)現(xiàn)的，可以解決距離和距離分辨力之間的矛盾。實(shí)現(xiàn)脈沖壓縮可以在時(shí)域進(jìn)行，也可以在頻域進(jìn)行。實(shí)際工程實(shí)現(xiàn)時(shí)，往往是在頻域?qū)崿F(xiàn)的，因?yàn)閷?duì)于采樣點(diǎn)數(shù)較多時(shí)，可以利用FFT算法提高計(jì)算速度，其流程為首先計(jì)算出雷達(dá)回波和匹配濾波器的FFT，然后將雷達(dá)回波與匹配濾波器的FFT結(jié)果在頻域相乘，再對(duì)相乘結(jié)果經(jīng)IFFT變換，從而得脈壓處理的結(jié)果，比卷積大大降低了運(yùn)算量，其運(yùn)算模型如圖2所示［6－7］:

圖2 脈沖壓縮處理的頻域?qū)崿F(xiàn)模型Fig.2The realization model of pulse compressing processing in frequency domain

2）運(yùn)算量

設(shè)I和Q兩路A/D采樣點(diǎn)都為Ns點(diǎn)，兩路合成Ns個(gè)復(fù)數(shù)點(diǎn)。由圖1可知，脈壓使用2個(gè)復(fù)數(shù)FFT，1個(gè)復(fù)數(shù)IFFT和Ns個(gè)復(fù)數(shù)乘法生成Ns個(gè)脈壓輸出。其中，匹配濾波器的FFT可以事先算好，放入緩存當(dāng)中，計(jì)算脈壓時(shí)，可直接拿來使用。習(xí)慣上，Ns常取2的n次方，以利于FFT的計(jì)算。

2.2 MTI對(duì)消模塊

1）運(yùn)算模型

MTI的用途是抑制來自建筑物、山、樹、海和雨之類固定的或慢動(dòng)的無(wú)用目標(biāo)信號(hào)，提高雷達(dá)信號(hào)的信雜比，以利于運(yùn)動(dòng)目標(biāo)檢測(cè)。MTI利用動(dòng)目標(biāo)回波的多普勒頻移來區(qū)分動(dòng)目標(biāo)和固定目標(biāo)。它利用固定地物的多普勒頻率為0的特點(diǎn)，采用跨周期相消方式抑制掉回波中的固定地物雜波。實(shí)際工程應(yīng)用得比較多的是多次對(duì)消器，其輸出為:

其中，K為對(duì)消的次數(shù);ωi為對(duì)消器的系數(shù)。K次對(duì)消器的仿真模型如圖3所示。

圖3 K次對(duì)消實(shí)現(xiàn)模型Fig.3The realization model of K times cancel

圖3中xn（m）表示第n個(gè)發(fā)射周期，第m個(gè)距離門的回波信號(hào)。

2）運(yùn)算量

設(shè)I和Q兩路A/D采樣點(diǎn)都為Ns點(diǎn)，兩路合成Ns個(gè)復(fù)數(shù)點(diǎn)，由圖3可知，每個(gè)復(fù)數(shù)點(diǎn)需要K+1次復(fù)數(shù)乘法和K次復(fù)數(shù)加法。因此，K次對(duì)消器所需要的運(yùn)算量為:Ns×（K+1）次復(fù)數(shù)乘法，Ns×K次復(fù)數(shù)加法。

2.3 動(dòng)目標(biāo)檢測(cè)（MTD）模塊

1）運(yùn)算模型

動(dòng)目標(biāo)檢測(cè)（MTD）是由于MTI對(duì)地物雜波抑制能力有限，根據(jù)最佳匹配濾波，在MTI之后級(jí)聯(lián)匹配濾波器構(gòu)成，實(shí)現(xiàn)輸出信噪比最大，提高目標(biāo)的檢測(cè)性能。匹配濾波器組的實(shí)現(xiàn)方式有2種:一種是在時(shí)域采用FIR實(shí)現(xiàn)，另外一種是FFT在頻域?qū)崿F(xiàn)。

2）運(yùn)算量

設(shè)I和Q兩路A/D采樣點(diǎn)都為Ns點(diǎn)，兩路合成Ns個(gè)復(fù)數(shù)點(diǎn)，回波采用16個(gè)通道進(jìn)行濾波，當(dāng)采用FIR方式時(shí)，每個(gè)復(fù)數(shù)點(diǎn)需要16次復(fù)數(shù)乘法和15次復(fù)數(shù)加法，因此，Ns個(gè)復(fù)數(shù)點(diǎn)所需要的運(yùn)算量為: Ns×16次復(fù)數(shù)乘法，Ns×15次復(fù)數(shù)加法。當(dāng)采用FFT方式時(shí)，需要進(jìn)行Ns個(gè)16點(diǎn)復(fù)數(shù)FFT。

2.4 求模模塊

1）運(yùn)算模型

求模模塊的功能是對(duì)I和Q兩通道進(jìn)行檢波，用于后面的CFAR處理。其運(yùn)算模型是:

m為第m個(gè)距離單元。

2）運(yùn)算量

設(shè)I和Q兩路A/D采樣點(diǎn)都為Ns點(diǎn)，兩路合成Ns個(gè)復(fù)數(shù)點(diǎn)，因此，求模的運(yùn)算量為Ns×2次實(shí)數(shù)乘法，Ns次實(shí)數(shù)加法，Ns次實(shí)數(shù)開方。

2.5 恒虛警處理（CFAR）模塊

1）運(yùn)算模型

恒虛警處理（CFAR）是保持信號(hào)檢測(cè)時(shí)的虛警概率恒定，使處理器不致于因虛警太多而過載。其實(shí)現(xiàn)方法是采用自適應(yīng)門限代替固定門限，此自適應(yīng)門限能隨著被檢測(cè)點(diǎn)的背景噪聲、雜波和干擾的大小自適應(yīng)的調(diào)整。恒虛警處理分為慢門限CFAR和快門限CFAR。慢門限CFAR主要針對(duì)接收機(jī)內(nèi)部噪聲，快門限CFAR則主要針對(duì)雜波環(huán)境下的雷達(dá)自動(dòng)檢測(cè)。本文主要討論平均單元選大快門限CFAR，其仿真模型如圖4所示［8－9］。

圖4 CFAR單元平均取大實(shí)現(xiàn)模型Fig.4The realization model of GO-CFAR

2）運(yùn)算量

設(shè)I和Q兩路A/D采樣點(diǎn)都為Ns點(diǎn)，兩路經(jīng)檢波合成Ns點(diǎn)實(shí)數(shù)，以被檢測(cè)單元左右2個(gè)保護(hù)單元，左右16個(gè)單元平均取大為例:假如第0個(gè)距離單元到第18個(gè)距離單元和第Ns－18個(gè)距離單元到Ns個(gè)距離單元不參與平均單元計(jì)算，那么每個(gè)單元需要進(jìn)行30次實(shí)數(shù)加法和2次除法。因此，總共所需要的運(yùn)算量為:（Ns－36）×30次實(shí)數(shù)加法、（Ns－36）×2次除法和（Ns－36）次比較。除法在編程實(shí)現(xiàn)時(shí)，可以采用向右移四位算出，比采用除法函數(shù)要快得多。

3 信號(hào)處理系統(tǒng)中各功能模塊仿真時(shí)間

根據(jù)對(duì)各個(gè)信號(hào)處理模塊的運(yùn)算量分析，分別采用常規(guī)方法和IPP（集成性能原件）［10］算法庫(kù)的方法對(duì)各處理模塊的實(shí)現(xiàn)進(jìn)行耗時(shí)仿真，計(jì)算步驟和結(jié)果如下:

3.1 脈壓模塊

1）常規(guī)、IPP脈壓計(jì)算步驟和區(qū)別

脈沖壓縮在頻域?qū)崿F(xiàn)，其主要的計(jì)算歸結(jié)于FFT和IFFT的實(shí)現(xiàn)。

Ns點(diǎn)FFT和IFFT常規(guī)實(shí)現(xiàn)步驟:首先計(jì)算出Ns點(diǎn)旋轉(zhuǎn)因子的值，存儲(chǔ)成表，放在內(nèi)存中，供后面Ns點(diǎn)FFT和IFFT計(jì)算時(shí)用;接著將x（m）碼位倒置，使得輸出的Ns點(diǎn)FFT和IFFT結(jié)果是順序的;最后進(jìn)行蝶形單元計(jì)算，得出Ns點(diǎn)FFT和IFFT的計(jì)算結(jié)果。

Ns點(diǎn)FFT和IFFT的IPP實(shí)現(xiàn)步驟:首先，利用函數(shù)ippsFFTInitAlloc_C_32fc（IppsFFTSpec_C_32fc＊＊ppFFTSpec，int order，int flag，IppHintAlgorithm hint）［10］進(jìn)行內(nèi)存分配和初始化FFT和IFFT計(jì)算復(fù)數(shù)信號(hào)的上下文環(huán)境。初始化主要包括計(jì)算的點(diǎn)數(shù)，F(xiàn)FT和IFFT結(jié)果是否歸一化，F(xiàn)FT和IFFT計(jì)算以計(jì)算精度還是計(jì)算速度為主;接著利用函數(shù)ippsFFTFwd_CToC _32fc_I（Ipp32fc*pSrcDst，const IppsFFTSpec_C_32fc *pFFTSpec，Ipp8u*pBuffer）［10］和ippsFFTInv_ CToC_32fc_I（Ipp32fc*pSrcDst，const IppsFFTSpec_C _32fc*pFFTSpec，Ipp8u*pBuffer）［10］進(jìn)行FFT和IFFT復(fù)數(shù)計(jì)算，最后利用函數(shù)ippsFFTFree_C_32fc （IppsFFTSpec_C_32fc*pFFTSpec）［10］關(guān)閉FFT和IFFT計(jì)算復(fù)數(shù)信號(hào)的上下文環(huán)境，釋放分配的內(nèi)存。

2）仿真結(jié)果

根據(jù)上述計(jì)算步驟，分別對(duì)FFT、IFFT采用常規(guī)方法和IPP計(jì)算方法，在四核2.34G CPU的工控機(jī)上進(jìn)行了10 000次蒙特卡羅仿真，得出仿真時(shí)間結(jié)果見圖5和圖6。

3.2 MTI K次對(duì)消模塊

1）常規(guī)、IPP MTI K次對(duì)消計(jì)算步驟和區(qū)別

首先計(jì)算出每個(gè)對(duì)消系數(shù)和每個(gè)回波Ns點(diǎn)采樣進(jìn)行相乘，然后把這K+1個(gè)脈沖的每個(gè)回波單元進(jìn)行相加，最后把進(jìn)行過相加的Ns個(gè)回波單元存放在

2）仿真結(jié)果

根據(jù)上述計(jì)算步驟，以MTI 6次對(duì)消為例，分別采用常規(guī)方法和IPP計(jì)算方法，在四核2.34G CPU的工控機(jī)上進(jìn)行了10 000次蒙特卡羅仿真，得出仿真時(shí)間結(jié)果見圖7和圖8。預(yù)先設(shè)置的緩存里，供下一步處理用。2種方法的區(qū)別是在進(jìn)行for（）{}循環(huán)時(shí)，一個(gè)調(diào)用的是常規(guī)復(fù)數(shù)乘、加法函數(shù)，另一個(gè)用的是IPP復(fù)數(shù)乘、加法函數(shù): ippsMul_32fc（const Ipp32fc*pSrc1，const Ipp32fc* pSrc2，Ipp32fc*pDst，int len）［10］，ippsAdd_32fc（const Ipp32fc*pSrc1，const Ipp32fc*pSrc2，Ipp32fc* pDst，int len）［10］。

3.3 動(dòng)目標(biāo)檢測(cè)（MTD）模塊

1）常規(guī)、IPP動(dòng)目標(biāo)檢測(cè)計(jì)算步驟和區(qū)別

本文中MTD主要進(jìn)行了窄帶多普勒濾波器組濾波的研究，采用FFT進(jìn)行實(shí)現(xiàn)。常規(guī)和IPP實(shí)現(xiàn)步驟同脈壓FFT。

2）仿真結(jié)果

根據(jù)上述計(jì)算步驟，以16點(diǎn)FFT進(jìn)行Ns次循環(huán)為例，分別采用常規(guī)方法和IPP計(jì)算方法，在四核2.34G CPU的工控機(jī)上進(jìn)行了10 000次蒙特卡羅仿真，得出仿真時(shí)間結(jié)果見圖9和圖10。

3.4 求模模塊

1）常規(guī)、IPP求模計(jì)算步驟和區(qū)別

根據(jù)I、Q兩路信號(hào)進(jìn)行Ns點(diǎn)求模。2種方法的區(qū)別是:一個(gè)是求出1點(diǎn)的幅度，然后進(jìn)行Ns點(diǎn)for （）{}循環(huán)，另一個(gè)用的是IPP復(fù)數(shù)求模函數(shù): ippsMagnitude_32fc（const Ipp32fc*pSrc，Ipp32f* pDst，int len）［10］。

2）仿真結(jié)果

根據(jù)上述計(jì)算步驟，分別對(duì)求模采用常規(guī)方法和IPP計(jì)算方法，在四核2.34G CPU的工控機(jī)上進(jìn)行了10 000次蒙特卡羅仿真，得出仿真時(shí)間結(jié)果見圖11和圖12。

3.5 快門限單元取大CFAR模塊

1）常規(guī)、IPP快門限單元取大CFAR計(jì)算步驟和區(qū)別

圖11 IPP求模仿真時(shí)間Fig.11The simulation time of magnitude in using IPP way

圖12 常規(guī)求模仿真時(shí)間Fig.12The simulation time of magnitude in using conventional way

根據(jù)求模后的結(jié)果，對(duì)從第18個(gè)單元到Ns-18個(gè)單元的每個(gè)點(diǎn)進(jìn)行左右16個(gè)點(diǎn)的求和，然后得出其平均值，進(jìn)行比較，把得出的結(jié)果存儲(chǔ)到相應(yīng)距離單元，作為自適應(yīng)門限值和本單元的回波強(qiáng)度值進(jìn)行比較。2種方法的區(qū)別是:在進(jìn)行for（）{}循環(huán)時(shí)，一個(gè)用的是常規(guī)求和和除法計(jì)算，另一個(gè)用的是IPP求和和除法函數(shù):ippsSum_32f（const Ipp32f*pSrc，int len，Ipp32f*pSum，IppHintAlgorithm hint）［10］和ippsDiv_32f_I（const Ipp32f*pSrc，Ipp32f*pSrcDst，int len）［10］。

2）仿真結(jié)果

根據(jù)上述計(jì)算步驟，以被檢測(cè)單元左右2個(gè)保護(hù)單元，左右16個(gè)單元平均取大為例，分別采用常規(guī)方法和IPP計(jì)算方法，在四核2.34G CPU的工控機(jī)上進(jìn)行了10 000次蒙特卡羅仿真，得出仿真時(shí)間結(jié)果見圖13和圖14。

4 結(jié)語(yǔ)

雷達(dá)視頻信號(hào)處理軟件化過程中，不管雷達(dá)型號(hào)、采樣頻率、雷達(dá)重復(fù)周期、量程如何，本質(zhì)都是采樣點(diǎn)數(shù)的問題，實(shí)時(shí)性就是這些采樣點(diǎn)在規(guī)定的時(shí)間內(nèi)完成相應(yīng)的計(jì)算。根據(jù)圖5～圖14可知，采用IPP算法比采用常規(guī)算法計(jì)算速度要高1～2個(gè)數(shù)量級(jí)，在1 500 μs內(nèi)，回波采樣點(diǎn)數(shù)在32 768個(gè)以內(nèi)，脈壓、MTI、求模和CFAR都可以滿足實(shí)時(shí)性要求，16通道動(dòng)目標(biāo)檢測(cè)（MTD）在2 000 μs內(nèi)，回波采樣點(diǎn)數(shù)在8 192個(gè)以內(nèi)，可以滿足實(shí)時(shí)性要求。

［1］Muursepp．Software Radar［Z］．IEEE，2008，4（84）．

［2］ZHANG Hui，LI Lin，WU Ke．Software-defined six-port radar technique for precision range measurements［J］．IEEE Sensors Journal，2008，8（10）:1252－1255．

［3］BARTENE V G．Software radar new reality［Z］．IEEE，2006:445－448．

［4］GRYDELAND T，LING F D，ERICKSON P J，HOLT J M．Software radar signal processing［J］．Annales Geophysical，2005，23:109－121．

［5］YANG Wan-hai．Model and simulation of radar system［M］．Xi'an:Xi'an Electronical Science and Technology University Press，2007．187－188．

［6］SCHULTE M．A low-power multithreaded processor for software definedradio［Z］．JournalofVLSISignal Processing，2006:143－159．

［7］SHI Yan-bin，TAN Zhong-ji，WANG Yan．Research of radar signal processor based on the software defined radio［Z］．IEEE，2007:1252－1255．

［8］DU Peng-fei，ZHANG Xiang-jun．A new conclusion in CACFAR detection［J］．Modern Radar，2007，29（2）:60－62．

［9］ANTONIO G，MARIO M，PEDRO S．Electronic protection and routing optimization of MANETs operation in an electronic warfare environment［J］．2007，5（8）:1031－1045．

［10］Intel Integrated Performance Primitives Reference Manual［M］．Intel Corporation，2008．