基于GPU的SAR回波仿真高效實(shí)現(xiàn)方法

景國(guó)彬,張?jiān)企K,李震宇,孫光才,邢孟道,保　錚

(1.西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室,陜西 西安 7100712.西安電子科技大學(xué)信息感知技術(shù)協(xié)同創(chuàng)新中心,陜西 西安 710071)

?

基于GPU的SAR回波仿真高效實(shí)現(xiàn)方法

景國(guó)彬1,2,張?jiān)企K1,李震宇1,2,孫光才1,2,邢孟道1,2,保錚1,2

(1.西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室,陜西 西安 7100712.西安電子科技大學(xué)信息感知技術(shù)協(xié)同創(chuàng)新中心,陜西 西安 710071)

針對(duì)合成孔徑雷達(dá)(synthetic aperture radar,SAR)分布式場(chǎng)景回波仿真計(jì)算量巨大的問(wèn)題,提出了一種結(jié)合改進(jìn)的同心圓算法與圖形處理器(graphics processing unit,GPU)技術(shù)的高效SAR回波仿真方法。首先,針對(duì)常規(guī)同心圓算法精度較低造成的圖像信噪比低的問(wèn)題,提出了一種改進(jìn)的同心圓算法。其次,為了充分發(fā)揮GPU處理核之間的并行優(yōu)勢(shì),對(duì)該算法的GPU并行處理進(jìn)行了深度優(yōu)化,進(jìn)一步提升了仿真速度。具體方法是,根據(jù)并行度的高低設(shè)計(jì)核函數(shù),確定了先采用“線程外推”實(shí)現(xiàn)部分目標(biāo)回波的同心圓累加,再用“歸約相加”實(shí)現(xiàn)所有目標(biāo)回波的累加。最后，與常規(guī)GPU方法進(jìn)行了實(shí)驗(yàn)對(duì)比,驗(yàn)證了所提方法的精確性和高效性。

合成孔徑雷達(dá); 分布式場(chǎng)景; 改進(jìn)同心圓; 圖形處理器; 并行處理

0　引　言

合成孔徑雷達(dá)(synthetic aperture radar,SAR)能夠全天時(shí)、全天候地對(duì)目標(biāo)或場(chǎng)景進(jìn)行觀測(cè),在災(zāi)害監(jiān)測(cè)、資源勘查,尤其是軍事和民用領(lǐng)域有著巨大的應(yīng)用空間[1-2]。在新型SAR系統(tǒng)付諸實(shí)踐之前,為對(duì)該系統(tǒng)進(jìn)行評(píng)估和驗(yàn)證,一般需要對(duì)回波信號(hào)進(jìn)行精確仿真,其中,回波仿真包括點(diǎn)目標(biāo)和分布式場(chǎng)景目標(biāo)。對(duì)于點(diǎn)目標(biāo),傳統(tǒng)的SAR回波仿真方法(時(shí)域逐點(diǎn)掃描法)即可產(chǎn)生回波數(shù)據(jù)[3],但該方法效率較低。面對(duì)日益增長(zhǎng)的高分辨寬測(cè)繪帶要求,需要對(duì)分布式場(chǎng)景目標(biāo)進(jìn)行回波仿真。在這種情況下,仿真點(diǎn)數(shù)可能驟增,甚至達(dá)到幾百萬(wàn)點(diǎn),導(dǎo)致計(jì)算量巨大。此時(shí),傳統(tǒng)仿真方法的計(jì)算效率是難以容忍的。

針對(duì)SAR回波仿真,國(guó)內(nèi)外學(xué)者做出了許多研究。文獻(xiàn)[3]針對(duì)點(diǎn)目標(biāo)回波仿真進(jìn)行說(shuō)明,但是并沒(méi)有對(duì)場(chǎng)景目標(biāo)仿真進(jìn)行延伸。文獻(xiàn)[4]對(duì)分布式場(chǎng)景目標(biāo)信號(hào)進(jìn)行了時(shí)域和頻域?qū)Ρ?但是沒(méi)有對(duì)場(chǎng)景目標(biāo)仿真的運(yùn)算效率進(jìn)行優(yōu)化。文獻(xiàn)[5]對(duì)地面起伏的三維場(chǎng)景SAR回波仿真進(jìn)行了大量工作,不過(guò)其并沒(méi)有對(duì)計(jì)算量巨大問(wèn)題進(jìn)行優(yōu)化。文獻(xiàn)[6]提出了一種基于距離時(shí)域脈沖相干的優(yōu)化算法,但其沒(méi)有從根本對(duì)回波產(chǎn)生這個(gè)重復(fù)運(yùn)算進(jìn)行優(yōu)化;為了大幅度提高計(jì)算效率,文獻(xiàn)[7]將具有并行處理功能的圖形處理器(graphics processing unit,GPU)應(yīng)用到SAR回波仿真中。雖然該方法利用GPU提高了計(jì)算效率,但采用的回波仿真方法仍然是傳統(tǒng)的時(shí)域回波仿真算法。對(duì)此,文獻(xiàn)[8]結(jié)合了同心圓算法和GPU進(jìn)行SAR回波仿真，一方面,該方法采用的同心圓算法精度不高,會(huì)導(dǎo)致圖像質(zhì)量惡化;另一方面,該方法沒(méi)有對(duì)GPU設(shè)計(jì)進(jìn)行深入優(yōu)化,效率依然較低,其相對(duì)常規(guī)的時(shí)域回波仿真CPU實(shí)現(xiàn)方法,場(chǎng)景目標(biāo)仿真的加速比僅提高了9.27倍。

針對(duì)以上問(wèn)題,本文提出了一種適用于大場(chǎng)景目標(biāo)的SAR回波的快速仿真方法。首先,針對(duì)常規(guī)的同心圓仿回波算法精度不高的問(wèn)題,提出了一種基于多倍插值的同心圓算法。同時(shí)結(jié)合GPU對(duì)改進(jìn)的同心圓算法的兩個(gè)層次的并行性進(jìn)行詳細(xì)分析,確定了先采用“線程外推”的方法實(shí)現(xiàn)部分點(diǎn)目標(biāo)回波的同心圓累加,再用“歸約相加”思想實(shí)現(xiàn)所有的點(diǎn)目標(biāo)回波的同心圓累加,最后再利用流技術(shù)進(jìn)行加速處理,從而快速得到場(chǎng)景目標(biāo)的回波。最后對(duì)于像素點(diǎn)數(shù)為2 048×2 048的實(shí)測(cè)SAR圖像進(jìn)行回波仿真,本文方法僅需166.6 s,因此本文方法可用于回波仿真實(shí)時(shí)處理。

1　改進(jìn)同心圓算法

1.1常規(guī)同心圓算法

SAR錄取回波的同心圓分布示意圖如圖1所示,雷達(dá)工作在條帶模式,載機(jī)平臺(tái)高度為H,以速度V沿X軸飛行,場(chǎng)景目標(biāo)與雷達(dá)最近距離是R0,雷達(dá)的采樣頻率為Fs,對(duì)應(yīng)的距離向采樣間隔為

(1)

式中,c表示光速。

圖1　同心圓分布示意圖Fig.1　Sketch map of concentric circles distribution

不同點(diǎn)目標(biāo)到雷達(dá)相位中心的距離是不一樣的,它們將分布在不同的距離單元內(nèi)。當(dāng)雷達(dá)接收機(jī)以采樣率Fs對(duì)回波進(jìn)行離散采樣時(shí),距離間隔小于δr的相鄰點(diǎn)目標(biāo)將落到同一個(gè)距離門內(nèi),其能量也累加在同一距離單元上,形成了許多以雷達(dá)相位中心為原點(diǎn)的同心圓,位于相同圓上的所有點(diǎn)目標(biāo)的回波最終會(huì)累加在同一個(gè)距離單元上。于是,當(dāng)按每個(gè)同心圓累加點(diǎn)目標(biāo)時(shí),得到的正好是一維距離像,再利用傅里葉變換到頻域乘上調(diào)頻因子,反變換回時(shí)域便得到場(chǎng)景的回波數(shù)據(jù)。處理過(guò)程中避免了對(duì)每個(gè)點(diǎn)目標(biāo)分別乘以調(diào)頻項(xiàng)的操作,大大減少了運(yùn)算量,以上是常規(guī)同心圓法提高運(yùn)算效率的原因所在。

1.2改進(jìn)的同心圓算法

分布式場(chǎng)景目標(biāo)仿真過(guò)程中,要得到精確的SAR回波,關(guān)鍵在于確定目標(biāo)的后向散射系數(shù)σ,此時(shí)的SAR基準(zhǔn)圖像的灰度值可以表征點(diǎn)目標(biāo)的后向散射系數(shù)的幅度值(基準(zhǔn)圖像已丟失相位信息)。因此,一般采用基準(zhǔn)SAR圖像像素點(diǎn)(m,n)處的灰度值作為對(duì)應(yīng)該位置點(diǎn)目標(biāo)的后向散射系數(shù)σ(m,n),即

(2)

式中,P(m,n)表示場(chǎng)景中(m,n)點(diǎn)的圖像的灰度值；ξ(m,n)表示為了模擬(m,n)點(diǎn)處目標(biāo)因電磁特性、地表粗糙度等原因而附加的隨機(jī)相位。倘若不考慮這個(gè)附加相位,基準(zhǔn)SAR圖像實(shí)質(zhì)上等價(jià)為理想導(dǎo)體平面,雷達(dá)回波相干分量作用明顯,成像處理時(shí)會(huì)出現(xiàn)明顯的“黑帶”現(xiàn)象,影響成像效果。

對(duì)于常規(guī)同心圓算法,場(chǎng)景中所有點(diǎn)目標(biāo)是按距離采樣間隔的整數(shù)倍關(guān)系分布的,距離相近的點(diǎn)目標(biāo)可能因采樣間隔倍數(shù)相同而最終會(huì)落在同一個(gè)距離單元,這樣使得采樣點(diǎn)幅度值可能不是點(diǎn)目標(biāo)的真實(shí)主瓣峰值,得到的并不是精確的SAR回波,因此經(jīng)過(guò)成像處理得到的圖像失真,圖像信噪比較低。

針對(duì)常規(guī)同心圓算法得到回波不精確這個(gè)問(wèn)題,本文提出了一種改進(jìn)的同心圓算法,即在同心圓的處理基礎(chǔ)上對(duì)采樣點(diǎn)的幅度值進(jìn)行了多倍插值處理,從而得到點(diǎn)目標(biāo)的真實(shí)主瓣峰值,并將主瓣峰值點(diǎn)對(duì)應(yīng)新的斜距作為計(jì)算點(diǎn)目標(biāo)相位的距離。通常情況下,SAR圖像中點(diǎn)目標(biāo)都滿足sinc分布的,因此本文為了模擬圖像幅度起伏真實(shí)的散射特性,使得每個(gè)點(diǎn)目標(biāo)的幅度滿足sinc分布特性,本文在劃分同心圓后,對(duì)每個(gè)同心圓上點(diǎn)目標(biāo)的灰度值(后向散射系數(shù)的幅度值)進(jìn)行了多倍的sinc插值,找到點(diǎn)目標(biāo)像素的主峰值點(diǎn),使得點(diǎn)目標(biāo)的后向散射系數(shù)精度得到提升,同時(shí)計(jì)算得到點(diǎn)目標(biāo)的新斜距歷程。當(dāng)然插值操作會(huì)帶來(lái)額外的計(jì)算量,因此本文設(shè)計(jì)一個(gè)插值的核函數(shù)在GPU并行計(jì)算平臺(tái)下調(diào)用,整體運(yùn)算效率還是非常高的。

以下具體討論用改進(jìn)同心圓仿場(chǎng)景面目標(biāo)的SAR回波的處理步驟。

如圖1所示,設(shè)某一方位時(shí)刻tm,場(chǎng)景中任意一點(diǎn)到雷達(dá)的距離為R,則它所對(duì)應(yīng)的同心圓圈數(shù)為

k=round(R/δr)

(3)

式中,round(·)為四舍五入運(yùn)算。

對(duì)場(chǎng)景圖像中所有點(diǎn)進(jìn)行以上運(yùn)算,即得到同心圓的分布情況,假設(shè)此方位時(shí)刻第k個(gè)同心圓上共有波束照射范圍內(nèi)的Mk個(gè)點(diǎn)目標(biāo),這Mk個(gè)點(diǎn)目標(biāo)會(huì)落在同一個(gè)距離單元內(nèi),它們的包絡(luò)距離是相同的。然而為了模擬圖像真實(shí)的散射幅度,使得每個(gè)點(diǎn)目標(biāo)滿足sinc分布特性,本文對(duì)第i個(gè)點(diǎn)目標(biāo)進(jìn)行了多倍的sinc插值,將插值后得到的主峰值σi作為其后向散射系數(shù),并將得到主峰值的斜距作為計(jì)算相位的距離Ri。同時(shí)，點(diǎn)目標(biāo)回波信號(hào)的方位信息要比包絡(luò)信息更加敏感,要保證方位相位信息的完整性,所以各點(diǎn)的方位相位信息不能近似。于是第k個(gè)同心圓中的第i個(gè)點(diǎn)目標(biāo)的信號(hào)為

(4)

于是,第k個(gè)同心圓內(nèi)所有點(diǎn)目標(biāo)的回波Sk可以表示為

(5)

式中,Mk表示第k個(gè)同心圓內(nèi)的點(diǎn)目標(biāo)個(gè)數(shù)。

遍歷掃描完場(chǎng)景中的所有同心圓后,得到所有點(diǎn)目標(biāo)的雷達(dá)回波為

(6)

式中,N表示場(chǎng)景里所有的同心圓個(gè)數(shù)。

(7)

在下一個(gè)方位采樣時(shí)刻,重復(fù)以上過(guò)程。最終得到整個(gè)合成孔徑時(shí)間T的SAR原始回波數(shù)據(jù)S_echo為

(8)

式中,tr表示距離快時(shí)間的時(shí)域表達(dá);tm表示方位慢時(shí)間的時(shí)域表達(dá);Tr表示場(chǎng)景距離向的采樣時(shí)間;Tm表示雷達(dá)合成孔徑時(shí)間。

2　基于GPU的同心圓算法并行設(shè)計(jì)

本節(jié)主要討論如何基于GPU的編程架構(gòu)對(duì)改進(jìn)的同心圓算法進(jìn)行并行設(shè)計(jì)優(yōu)化,以進(jìn)一步提高運(yùn)算效率,滿足實(shí)際工程應(yīng)用中的實(shí)時(shí)信號(hào)處理需求。

2.1改進(jìn)同心圓算法的并行性分析

本文對(duì)算法進(jìn)行并行設(shè)計(jì),首先要對(duì)算法的并行性進(jìn)行分析,并以并行度的高低來(lái)設(shè)計(jì)核函數(shù)。本文對(duì)改進(jìn)的同心圓算法進(jìn)行如下兩個(gè)層次的并行分析:

(1)某方位時(shí)刻不同點(diǎn)目標(biāo)生成回波的并行性

場(chǎng)景目標(biāo)是由幾十萬(wàn)或上百萬(wàn)個(gè)點(diǎn)目標(biāo)構(gòu)成的,每個(gè)點(diǎn)目標(biāo)產(chǎn)生回波的過(guò)程是相互獨(dú)立的,存在高度的并行性。在所有目標(biāo)的回波累加為雷達(dá)回波的過(guò)程中,可以采用“歸約相加”的思想[8],大大節(jié)省數(shù)據(jù)累加時(shí)間。

(2)不同方位時(shí)刻SAR生成回波的并行性

合成孔徑雷達(dá)在飛行錄取回波過(guò)程中,按脈沖重復(fù)頻率(pulse recurrence frequency,PRF)發(fā)射脈沖并接收回波,每個(gè)回波生成過(guò)程要掃描雷達(dá)波束范圍內(nèi)所有的點(diǎn)目標(biāo),累加為一個(gè)回波。不同方位采樣時(shí)刻,生成雷達(dá)回波是完全相互獨(dú)立的,可以實(shí)現(xiàn)完全的并行。

2.2并行優(yōu)化設(shè)計(jì)

GPU的編程架構(gòu)是以大量線程來(lái)實(shí)現(xiàn)高吞吐量的數(shù)據(jù)的并行運(yùn)算的,線程間的獨(dú)立性越強(qiáng),可并行效果越明顯[10]?；诟倪M(jìn)的同心圓算法的SAR回波仿真方法,其處理不同方位采樣時(shí)刻的雷達(dá)回波是相互獨(dú)立的,處理每個(gè)點(diǎn)目標(biāo)的回波也是相互獨(dú)立的,因此非常適合用GPU進(jìn)行并行計(jì)算,可以極大提高運(yùn)算效率,滿足實(shí)時(shí)處理的需求。

2.2.1第1個(gè)層次并行優(yōu)化

根據(jù)以上并行性分析可知,第1個(gè)層次的并行度要遠(yuǎn)遠(yuǎn)高于第2個(gè)層次的并行度。因此,第1個(gè)層次在核函數(shù)設(shè)計(jì)中,只要開(kāi)辟足夠多的線程,每個(gè)線程計(jì)算一個(gè)點(diǎn)目標(biāo)的回波。然而實(shí)際處理過(guò)程中,GPU的線程數(shù)目是有限的,因此本文又結(jié)合了“線程外推”的方法[7,11],可以使千量級(jí)的線程遍歷數(shù)十萬(wàn)量級(jí)的點(diǎn)目標(biāo)。同時(shí),為了進(jìn)一步提高運(yùn)算效率,可以采用了多個(gè)GPU并行處理不同方位時(shí)刻的脈沖。因此本文中以簡(jiǎn)化的兩個(gè)GPU為例進(jìn)行算法設(shè)計(jì)的映射關(guān)系如圖2所示。

圖2　GPU并行優(yōu)化設(shè)計(jì)Fig.2　GPU parallel optimized design

首先通過(guò)CPU分配好物理內(nèi)存和設(shè)備顯存,初始化輸入,并讀入掃描場(chǎng)景中所有的點(diǎn)目標(biāo)的坐標(biāo)信息、散射系數(shù)等,通過(guò)總線發(fā)射到顯存空間,再在GPU中用多線程并行掃描所有的點(diǎn)目標(biāo),生成所有的點(diǎn)目標(biāo)的回波。其中,編號(hào)是0和1的GPU設(shè)備端分別生成偶數(shù)和奇數(shù)序號(hào)方位時(shí)刻的點(diǎn)目標(biāo)回波。為了節(jié)省內(nèi)存開(kāi)銷,先采用“線程外推”的方法實(shí)現(xiàn)部分點(diǎn)目標(biāo)回波的同心圓累加,再用“歸約相加”思想實(shí)現(xiàn)所有的點(diǎn)目標(biāo)回波的同心圓累加。所有方位時(shí)刻累加完成后,再乘上調(diào)頻項(xiàng)得到回波仿真數(shù)據(jù),最后傳回CPU進(jìn)行保存和輸出。

在GPU優(yōu)化處理過(guò)程中,涉及到第1個(gè)層次并行優(yōu)化的幾個(gè)關(guān)鍵步驟,現(xiàn)詳細(xì)討論如下:在用一個(gè)線程計(jì)算一個(gè)點(diǎn)目標(biāo)的回波時(shí),假設(shè)在某方位時(shí)刻,掃描場(chǎng)景中共有M×N個(gè)點(diǎn)目標(biāo),生成目標(biāo)回波的示意圖如圖3左側(cè)虛線框內(nèi)所示,框內(nèi)一個(gè)小方格代表一個(gè)點(diǎn)目標(biāo)生成的回波,每個(gè)單指令多數(shù)據(jù)流(single instruction multiple data,SIMD)處理單元負(fù)責(zé)生成其所對(duì)應(yīng)的塊內(nèi)的點(diǎn)目標(biāo)回波,并根據(jù)同心圓法累加為一個(gè)回波。塊與塊之間的回波累加完成時(shí),生成的回波才是該方位時(shí)刻對(duì)應(yīng)的雷達(dá)回波。

圖3　流技術(shù)加速模式示意圖Fig.3　Sketch map of stream acceleration mode

圖4　回波歸約相加的示意圖Fig.4　Sketch map of echo reduction adding

2.2.2第2個(gè)層次并行優(yōu)化

對(duì)于第2個(gè)層次的并行,本文采用了流的思想來(lái)加速SAR回波生成的過(guò)程。統(tǒng)一計(jì)算設(shè)備架構(gòu)(compute unified device architecture,CUDA)流在加速算法執(zhí)行效率方面起著重要作用。假設(shè)在每個(gè)GPU上采用了S個(gè)流,每個(gè)流所對(duì)應(yīng)的方位采樣時(shí)刻的雷達(dá)回波如圖3所示的分配模式。為了均衡計(jì)算量,每個(gè)流所對(duì)應(yīng)的方位時(shí)刻的雷達(dá)回波的如下分配模式,即讓第1個(gè)流對(duì)應(yīng)第(0,S,2S…)個(gè)方位時(shí)刻,第2個(gè)流對(duì)應(yīng)第(1,S+1,2S+1…)個(gè)方位時(shí)刻,以此類推,最后以寬度優(yōu)先的方式將有關(guān)操作放入流隊(duì)列中。本文中的GPU實(shí)驗(yàn)是在NVIDIA公司的Tesla K20C運(yùn)算顯卡上進(jìn)行的,在SAR回波仿真中,每個(gè)顯卡上選用了4個(gè)流來(lái)并行加速計(jì)算過(guò)程。采用流可以極大地消減CPU與GPU內(nèi)存互訪時(shí)的時(shí)間開(kāi)銷,極大提高回波仿真的運(yùn)算效率。

2.3內(nèi)存分配設(shè)計(jì)

在GPU內(nèi)存中,全局內(nèi)存沒(méi)有緩存,訪問(wèn)時(shí)延非常長(zhǎng);共享內(nèi)存是GPU片內(nèi)的高速存儲(chǔ)器,同一塊內(nèi)的所有線程訪問(wèn)速度快于全局內(nèi)存。本文通過(guò)多次測(cè)試實(shí)驗(yàn)可知,當(dāng)距離單元數(shù)較小,一般小于4 096個(gè)距離采樣單元,可以使用共享內(nèi)存來(lái)實(shí)現(xiàn)線程塊內(nèi)各個(gè)點(diǎn)目標(biāo)回波的歸約相加,當(dāng)距離單元數(shù)較大時(shí)共享內(nèi)存就會(huì)不夠用,此時(shí)選用全局內(nèi)存。本文為了提高并行程序的適用性,將程序分成在線程塊內(nèi)生成所有目標(biāo)的回波并累加、塊與塊間的回波累加這兩個(gè)核函數(shù)。線程塊內(nèi)回波的累加可用共享內(nèi)存,塊間回波累加則用全局內(nèi)存。此外，GPU直接通過(guò)總線訪問(wèn),既減少了全局內(nèi)存的使用,又提高了訪問(wèn)速率;同樣,本文還結(jié)合CUDA流計(jì)算所有方位時(shí)刻的雷達(dá)回波,并將結(jié)果傳給CPU時(shí),將回波分配成頁(yè)鎖定內(nèi)存,并以寬度優(yōu)先的方式將這些操作過(guò)程放入流隊(duì)列中。本文通過(guò)對(duì)內(nèi)存進(jìn)行合理地分配,極大提高了GPU運(yùn)算速率。

2.4基于雙GPU的改進(jìn)同心圓算法設(shè)計(jì)

結(jié)合SAR仿回波的同心圓算法與GPU的并行設(shè)計(jì)方案,得到基于雙GPU的改進(jìn)同心圓并行算法流程如圖5所示。GPU是CPU的協(xié)處理器,兩個(gè)GPU中的流程是完全一樣的。

圖5　基于雙GPU的改進(jìn)同心圓仿SAR回波流程圖Fig.5　Flow diagram of modified concentric circles algorithm based on double GPU

3　回波仿真和成像分析

在回波仿真實(shí)驗(yàn)中,選用表1所示的仿真平臺(tái)和具體仿真環(huán)境參數(shù),并選用如圖6所示的某機(jī)場(chǎng)SAR圖像作為基準(zhǔn)圖像,共有2 048×2 048個(gè)像素點(diǎn)。并分別利用常規(guī)同心圓算法和本文基于GPU的改進(jìn)同心圓算法對(duì)基準(zhǔn)圖進(jìn)行回波仿真,仿真過(guò)程中都掃描1 728×1 784=3 082 752個(gè)點(diǎn)目標(biāo)。然后利用常規(guī)的線頻調(diào)變標(biāo)算法對(duì)產(chǎn)生的回波數(shù)據(jù)分別進(jìn)行成像處理,得到如圖7和圖8所示的成像結(jié)果。

表1　仿真平臺(tái)和環(huán)境參數(shù)

圖6　SAR回波仿真的基準(zhǔn)圖像Fig.6　Original image of SAR

圖7　常規(guī)同心圓算法仿回波的成像結(jié)果Fig.7　Imaging result of traditional concentric circles

圖8　本文方法仿回波的成像結(jié)果Fig.8　Imaging result of modified concentric circles

為了比較常規(guī)同心圓算法和本文方法成像結(jié)果的細(xì)節(jié)信息,將圖7和圖8中的同一區(qū)域用紅色方框標(biāo)注,并將方框里的局部圖像取出來(lái),如圖9和圖10所示。通過(guò)對(duì)比分析圖9和圖10,可以直觀看出,本文方法仿回波的成像結(jié)果與常規(guī)同心圓方法質(zhì)量相當(dāng)。

為了測(cè)試本文GPU并行優(yōu)化設(shè)計(jì)的計(jì)算效率,將本文方法和文獻(xiàn)[8]中的GPU仿回波算法兩者進(jìn)行了耗時(shí)對(duì)比。為了保證測(cè)量數(shù)據(jù)的有效性和對(duì)比性,本文方法采用單個(gè)GPU進(jìn)行處理,設(shè)定相同的雷達(dá)載機(jī)的飛行軌跡,并把所有的點(diǎn)目標(biāo)均設(shè)置在掃描范圍內(nèi)。測(cè)量時(shí)間統(tǒng)計(jì)結(jié)果如下表1所示,其時(shí)間對(duì)比圖如圖9所示。其中,加速比定義為波束掃描相同散射點(diǎn)數(shù)時(shí)文獻(xiàn)[8]GPU方法耗時(shí)和本文方法GPU方法耗時(shí)比例。

圖9　常規(guī)同心圓算法仿回波的局部成像結(jié)果Fig.9　Partial imaging result of traditional concentric circles

圖10　本文方法仿回波的局部成像結(jié)果Fig.10　Partial imaging result of modified concentric circles

實(shí)驗(yàn)序號(hào)掃描點(diǎn)數(shù)文獻(xiàn)[8]GPU耗時(shí)/s本文GPU耗時(shí)/s加速比11024181.216.51124096195.916.511.9316384239.616.914.2465536296.418.316.25262144461.224.119.1610485761038.447.521.8741943043819.2166.622.9

從表2可以看出,在前3組實(shí)驗(yàn)中,隨著掃描點(diǎn)數(shù)增加,文獻(xiàn)[8]方法和本文方法的耗時(shí)都是緩慢增長(zhǎng)的;從第4組實(shí)驗(yàn)開(kāi)始,隨著仿真掃描點(diǎn)數(shù)超過(guò)6萬(wàn)點(diǎn),文獻(xiàn)[7]耗時(shí)和本文方法的耗時(shí)都開(kāi)始線性增長(zhǎng)了,不過(guò)不同的是,在掃描相同點(diǎn)數(shù)情況下,本文采用的改進(jìn)同心圓GPU實(shí)現(xiàn)方法耗時(shí)相對(duì)還是非常短的,其中,在同等掃描2 048×2 048=4 194 304個(gè)散射點(diǎn)時(shí),本文方法相對(duì)文獻(xiàn)[8]所提方法的加速比達(dá)到了22.9倍。其原因是該本文對(duì)GPU進(jìn)行了兩個(gè)層次的優(yōu)化處理,所以隨著仿真點(diǎn)數(shù)的增多,本文方法并行優(yōu)勢(shì)的發(fā)揮越來(lái)越明顯,為了更直觀地反映并行處理優(yōu)勢(shì),將表2繪制成圖11,其中橫坐標(biāo)表示每個(gè)脈沖掃描的點(diǎn)目標(biāo)個(gè)數(shù);縱坐標(biāo)表示仿真實(shí)驗(yàn)的測(cè)量時(shí)間。

圖11　兩種GPU設(shè)計(jì)的損耗時(shí)間對(duì)比曲線圖Fig.11　Consuming-time curves of two methods of GPU designing

4　結(jié)束語(yǔ)

SAR回波仿真技術(shù)一直以來(lái)都是SAR系統(tǒng)仿真中的重要組成部分,當(dāng)仿真掃描大范圍場(chǎng)景時(shí)的計(jì)算量是相當(dāng)巨大的,關(guān)于該技術(shù)的高效設(shè)計(jì)一直是SAR領(lǐng)域中的研究熱點(diǎn)。本文提出的改進(jìn)同心圓算法保證了仿真精度,提高了圖像的信噪比;同時(shí)本文引入了GPU,進(jìn)行了深度優(yōu)化,并在對(duì)GPU并行設(shè)計(jì)進(jìn)行了優(yōu)化處理,極大地提高了仿真效率,可以滿足實(shí)時(shí)需求。對(duì)于大范圍的掃描場(chǎng)景,本文中的并行設(shè)計(jì)方案優(yōu)勢(shì)明顯,可以很好地解決運(yùn)算效率的難題。此外,本文還可以應(yīng)用于多模式SAR回波仿真中。

[1] Xing M D,Bao Z,Li Z F,et al.Advancement of radar imaging algorithm[M].Beijing:Publishing House of Electronics Industry,2014:11-45.(邢孟道,保錚,李真芳,等.雷達(dá)成像算法進(jìn)展[M].北京:電子工業(yè)出版社,2014:11-45.)

[2] Zhang S X,Xing M D,Xia X G.Robust clutter suppression and moving target imaging approach for multichannel in azimuth high-resolution and wide-swath synthetic aperture radar[J].IEEE Trans.on Geoscience and Remote Sensing,2015,53(2):687-709.

[3] Lü H,Chen T Q.One method of point target’s raw data based on law of spaceborne SAR’s motion[J].Experiment Science & Technology,2006,2(1):27-30.(呂輝,陳天麒.一種SAR的點(diǎn)目標(biāo)回波生成方法[J].實(shí)驗(yàn)科學(xué)與技術(shù),2006,2(1):27-30.)

[4] Wang B L,Sun J P,Wu S L,et al.A quick simulation algorithm for SAR raw data with extended scenes[J].Journal of Telemetry,Tracking and Command,2006,26(6):33-36.(王伯嶺,孫進(jìn)平,吳雙力,等.擴(kuò)展場(chǎng)景的SAR回波信號(hào)快速仿真算法[J].遙測(cè)遙控,2006,26(6):33-36.)

[5] Ren S H.Research on the SAR raw signal simulation technology of three-dimensional scene[D].Changsha:National University of Defense Technology,2007.(任三孩.三維場(chǎng)景SAR回波模擬技術(shù)研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2007.)

[6] Wang L B,He Z H,Zhao H J.A simulation of distributed target’s raw-data in synthetic aperture radar[J].Journal of Air Force Radar Academy,2006,20(2):94-97.(王力寶,賀照輝,趙紅軍.SAR分布目標(biāo)原始回波數(shù)據(jù)模擬[J].空軍雷達(dá)學(xué)院學(xué)報(bào),2006,20(2):94-97.)

[7] Qin J,Zhang Z M.Implementation and optimization of SAR echo simulation based on GPU[J].Science Technology and Engendering,2014,14(13):85-89.(秦潔,張志敏.基于圖形處理單元架構(gòu)的合成孔徑雷達(dá)回波仿真實(shí)現(xiàn)與優(yōu)化[J].科學(xué)技術(shù)與工程2014,14(13):85-89.)

[8] Li B.Research and implementation of SAR echo signal simulation based on GPU[D].Xi’an:Master Degree Thesis of Xidian University ,2014.(李博.基于GPU的SAR回波信號(hào)模擬的研究與實(shí)現(xiàn)[D].西安:西安電子科技大學(xué),2014.)

[9] Jin X,Ko S B.GPU-based parallel implementation of SAR imaging[C]//Proc.of the International Symposium on Electronic System Design,2012:125-129.

[10] Sandem J,Kandrot E.CUDA by example:an introduction to general—purpose GPU programming[M].Nie X J,Trans.Beijng:China Machine Press,2011:134-152.(Sandem J,Kandrot E,GPU高性能編程CUDA實(shí)戰(zhàn)[M].聶雪軍，譯.北京:機(jī)械工業(yè)出版社,2011:134-152.)

[11] Zhu H,Xu H,Feng L.Application of GPU for missile-borne SAR raw signal simulation[C]//Proc.of the 2nd International Conference on Artificial Intelligence,Management Science and Electronic Commerce,2011:2816-2820.

[12] Diego C,Debora P,Pierfrancesco L.Exploiting MIMO SAR potentialities with efficient cross-track constellation configu-rations for improved range resolution[J].IEEE Trans.on Geoscience and Remote Sensing,2011,49(1):38-52.

[13] Xiang D L.Research on the Evaluation Techniques of Similarity Measure in SAR Images[D].Changsha:National University of Defense Technology,2012.(項(xiàng)德良.SAR圖像相似度評(píng)估技術(shù)研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2012.)

Efficient realiazation of SAR echo simulation based on GPU

JING Guo-bin1,2,ZHANG Yun-ji1,LI Zhen-yu1,2,SUN Guang-cai1,2, XING Meng-dao1,2,BAO Zheng1,2

(1.National Lab of Radar Signal Processing,Xidian University,Xi’an 710071,China; 2.Collaborative Innovation Center of Information Sensing and Understanding,Xidian University,Xi’an 710071,China)

Due to the low efficiency of synthetic aperture radar (SAR)raw data generation in distributed scene,a high-efficient SAR echo simulation method based on the modified concentric circles algorithm and the graphics processing unit (GPU)is proposed.Firstly,an improved concentric circles algorithm is proposed to avoid cases of low signal to noise ratio (SNR)when the traditional algorithm whose precision is low is used.Secondly,the parallel processing of GPU is deeply optimized in order to lift the efficiency of the simulation and make full use of the parallel advantages in GPU kernel.Then,the proposed method adopts “thread extrapolation” to accumulate partial data and realize the whole data generation via “reduction adding”.Finally,simulation results validate the high precision and eficiency of the proposed approach.

synthetic aperture radar (SAR); distributed scene; modified concentric circles; graphics processing unit (GPU); parallel processing

2015-12-11；

2016-05-30；網(wǎng)絡(luò)優(yōu)先出版日期：2016-07-14。

國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2013AA122202);國(guó)家自然科學(xué)基金 (61222108，61301292)資助課題

TN 957

ADOI:10.3969/j.issn.1001-506X.2016.11.07

景國(guó)彬(1990-),男,博士研究生,主要研究方向?yàn)槎嗤ǖ繱AR成像、GPU并行計(jì)算。

E-mail:Guobinjing01@163.com

張?jiān)企K(1990-),男,碩士研究生,主要研究方向?yàn)镾AR成像、GPU并行計(jì)算等。

E-mail:jinshi95588@163.com

李震宇(1991-),男,博士研究生,主要研究方向?yàn)镾AR成像。

E-mail:zhenyuli_2012@sina.com

孫光才(1984-),男,副教授,碩士研究生導(dǎo)師,博士,主要研究方向?yàn)镾AR成像、動(dòng)目標(biāo)檢測(cè)。

E-mail:rsandsgc@126.com

邢孟道(1975-),男,教授,博士研究生導(dǎo)師,主要研究方向?yàn)镾AR成像、ISAR成像、動(dòng)目標(biāo)檢測(cè)。

E-mail:xmd@xidian.edu.cn

保錚(1927-),男,中國(guó)科學(xué)院院士,博士研究生導(dǎo)師,主要研究方向?yàn)樽赃m應(yīng)信號(hào)處理、陣列信號(hào)處理、雷達(dá)成像和目標(biāo)識(shí)別。

E-mail:zhbao@xidian.edu.cn

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160714.1455.012.html