论文部分内容阅读
随着合成孔径雷达技术日趋成熟并广泛用于军事和其他领域,合成孔径雷达(SAR)回波数据的模拟显得越发必需和重要。在以往的研究中发现,回波模拟的庞大的数据量和运算是研究的巨大挑战和瓶颈。随着更多样化的模拟平台的出现,回波数据模拟在提高运算速度和效率上有了新的突破点。近年来,GPU(Graphic Processing Unit)技术的应用和CUDA编程平台的出现,研究人员将CPU(host)和GPU(device)进行混合异构的编程,使基于GPU的并行编程开始应用于各个领域。研究发现在SAR回波数据模拟中有大量适合做并行运算的部分,可以利用GPU的强大浮点运算能力和并行运算的架构来加速。本文的主要研究内容如下:1.介绍了合成孔径雷达回波数据模拟的相关理论和回波数据模拟的算法,并介绍了回波模型和采用的RD成像算法,分析了本文研究要采用的模型和方法。提出了CUDA程序的基本优化策略。2.采用基于正向法的时域回波数据模拟算法,首先在MATLAB上验证了正确性之后,分别在CPU上和GPU上实现点目标和点阵目标的回波数据模拟。得到GPU上点阵回波数据模拟的速度相比CPU上加速了约420倍。3.基于正向法GPU上实现提出加速策略:首先优化流程,减少CPU端和GPU端之间的数据传输;针对在GPU上运算的并行块划分,提出了块尺寸自适应划分法,根据该方法得到适合本文仿真环境和算法的最佳块尺寸划分;针对运算中的多重循环,分析粗粒度划分和粒度划分的不同效率,选择粗粒度划分;针对二维回波数据访问效率低的问题,将二维数据做线性化处理。经过这些优化策略加速后,GPU上加速比提高到了489倍。4.采用基于CS成像算法逆过程的逆CS回波数据模拟算法,分别在CPU上和GPU上做回波仿真并成像验证。重点分析回波数据模拟的具体实现步骤,提取出算法中并行度高的部分并分块在到GPU上做运算。针对多次的FFT运算,利用GPU上的函数库计算FFT;针对矩阵转置,利用共享内存并解决分区冲突问题,得到了最优的矩阵转置方法;针对运算效率低的方位向FFT,采用转换为二维FFT的方法。根据这些优化的策略使优化后的速度达到CPU上的4.7倍。