论文部分内容阅读
视频合成孔径雷达(Video Synthetic Aperture Radar,ViSAR)是一种主动式微波遥感系统,与光学和红外等传感器相比,其具有较强的云雾、烟尘和浅层地表穿透能力,可实现全天时、全天候和高分辨对地观测成像。与传统SAR相比,视频SAR可以对地面场景目标进行连续多帧的不间断观测成像,并实现可靠的运动目标检测,属于雷达研究前沿技术。视频SAR在研制过程中需要使用回波数据进行成像算法、运动补偿算法验证,参数设置优化以及系统性能评估。由于实测回波数据的获取成本高、技术要求大等原因,通过仿真模拟得到回波数据受到科研人员青睐。然而,面对视频SAR高帧率、高分辨和宽测绘带视频成像需求,针对分布式场景目标进行回波信号仿真的数据量和仿真时间急剧增大。近年来,基于图形处理器(Graphics Processing Unit,GPU)的并行仿真研究逐渐深入。基于以上背景,本文主要研究基于GPU的视频SAR回波信号仿真。首先,通过介绍合成孔径原理推导回波信号模型。通过将时域回波信号模型中发射信号与系统脉冲响应函数在频域分离并,得到基于一维频域傅里叶变换的回波信号模型,并将其与视频SAR应用结合。分析一维频域傅里叶变换方法在脉冲相干累加时对回波主瓣的偏移降低了回波精度,进而引入辛克函数窗来改善回波幅度特性。通过分析回波按所在距离采样单元做脉冲相干累加,得出地面散射点的最大布点间隔应为距离采样间隔的地面投影。分析传统方法通过计算场景所有散射点的斜距和斜视角进行波束覆盖判断存在很大计算冗余,提出根据雷达成像几何关系筛选局部场景进行波束覆盖判断方法。此外,根据视频SAR的实际工作场景,构建条带式和聚束式回波信号型,并提出包含运动目标的复杂场景的回波仿真方法。其次,通过介绍统一计算设备架构(7)Compute Unified Device Architecture,CUDA(8)基于“CPU+GPU”的异构编程模式,分析CPU端CUDA主程序进行逻辑处理和控制GPU运行的方式,分析CUDA内核程序以线程块形式加载到GPU流多处理器上并行执行的方式。通过分析GPU上不同类型存储器的存储容量、访问速度和使用方法以及CUFFT并行实现傅里叶变换的方式,为基于GPU的视频SAR回波仿真提供并行技术基础。完成视频SAR回波仿真的并行化分析和并行处理框架设计,并对并行处理进行了四个方面的改进,分别是任务分块处理、脉冲相干累加优化、合并访存优化以及通道传输优化。通过并行优化提高大场景高分辨视频SAR回波仿真的实现效率。最后,通过仿真实验,验证了改进后回波信号模型可以改善回波信号幅度。进行分组实验,验证多种成像模式和包含运动目标的复杂场景下视频SAR回波仿真的准确性。对不同大小的场景目标进行回波仿真时间统计,实验结果表明本文所述基于GPU的视频SAR回波仿真方法有较大的效率提升。