论文部分内容阅读
自微多普勒效应被引入雷达领域以来,基于微动特征的雷达目标分类识别技术便引起了诸多关注。微动是指雷达目标发生除质心平动以外的振动或转动、或目标某部件相对于本体发生的微运动。由微动产生的多普勒频率被称为微多普勒频率,不同的几何结构和运动状态会产生不同的微多普勒特征,反映了目标自身的一种本质特征,这些特征对雷达自动目标分类识别具有非常重要的作用。调频连续波雷达通过发射调频连续波信号来获取目标速度和距离信息,它具有结构简单、发射功率较低的优点,并且容易实现距离维上的高分辨。当调频连续波雷达工作在低重频模式下时,目标回波经过混频处理后发生明显的频谱混叠现象,使用适用于脉冲-多普勒雷达体制的窄带目标分类方法会造成很大的性能损失,基于调频连续波雷达体制的目标分类识别技术具有重大的研究意义。雷达信号处理具有计算复杂度高、运算量大、实时性强的特点,随着雷达技术的不断发展,现代雷达体制对雷达信号处理的实时性提出了很高的要求。近年来,图形处理器(GPU)被成功应用在诸多领域,GPU具有浮点计算能力强、存储器带宽高的优点,非常适用于处理海量数据的并行加速计算问题。如何结合GPU平台实现信号的实时处理已成为雷达领域一个重要的研究方向。本文对窄带低重频线性调频连续波雷达体制下的空中目标分类问题和基于GPU的雷达目标分类系统进行了深入研究,主要工作包括如下内容:1.简单介绍了锯齿波线性调频连续波和对称三角波线性调频连续波信号的处理方法,并在锯齿波线性调频连续波信号为发射信号的基础上推导出了飞机目标桨叶的散射点回波模型。2.在窄带线性调频连续波雷达体制下,针对喷气式飞机、螺旋桨飞机和直升机三类目标的分类问题,提出了一种低重频信号分割混频处理方法。当雷达在低重频工作模式下,传统雷达目标分类方法会因调频周期太长,无法准确提取目标所在距离单元信号而导致分类性能下降。本文中将下变频之后的回波信号先分段再进行去斜(dechirp)处理,等效于提高了雷达的重频。仿真实验表明,低重频信号分割混频处理方法可以有效改善飞机目标的桨叶回波,提高三类飞机目标的识别率。3.介绍了GPU和CUDA框架,从硬件角度分析了CPU和GPU的区别,从编程模型、线程和存储结构三个角度对CUDA进行了详细介绍。研究了基于GPU的雷达目标分类系统设计问题,通过SIMT的GPU线程调用模式,实现了基于CLEAN的数据预处理方法和SVM分类算法的并行化。通过仿真实验验证,在处理方式相同的条件下,基于GPU的雷达目标分类系统输出结果准确有效,相较于CPU平台计算,GPU极大的提升了雷达信号处理速度,节省运算时间。