论文部分内容阅读
相对于相控阵雷达,集中式MIMO雷达具有发射端自由度高,工作模式灵活多变的特点,适用于多目标、复杂环境情况下的目标探测任务,是雷达技术发展的重要方向。与此同时,MIMO雷达接收处理中采用的算法复杂度和计算量较大,对于信号处理系统的计算能力提出了更高的挑战。近年来,图形处理器(GPU)芯片在计算性能方面突飞猛进,在能耗比、核心数、核心频率、显存带宽和显存容量等重要指标方面不断取得突破,其CUDA开发平台效率高,软件的维护也更加便捷,因此,研究基于GPU的MIMO雷达接收处理实现方案具有重要的意义。本文对基于GPU的MIMO雷达接收处理和并行实现进行了深入研究,并结合实测数据进行了验证,归纳为如下内容:1、研究了MIMO雷达回波信号的处理流程,简述了两种MIMO雷达的信号处理结构,并对两种信号处理的计算量进行了分析,对两种信号处理结构中所涉及算法的并行计算进行了分析,包括匹配滤波、数字波束形成、杂波抑制和恒虚警检测等算法的并行计算,同时使用实测数据,使用两种处理结构分别进行了实验。2、简要介绍了基于GPU的并行计算,分析了基于GPU的并行计算的发展对雷达信号处理的意义。首先从GPU底层的硬件构造,讲述了其并行计算的原理,进一步讲述CUDA编程模型,再从相互依赖的应用程序编程接口(API)库讲述硬件接口,最后讲述了和雷达信号处理最紧密相关的几个函数库,如CUFFT库、CUBLAS库和CURAND库。3、深入研究了基于GPU的MIMO雷达的回波信号并行处理实现,使用模块化设计思想,将MIMO雷达信号处理流程分成脉冲压缩模块、全波位数字波束形成模块、杂波抑制模块和恒虚警检测模块。对每一个模块的并行化实现,分别介绍了其实现流程图和相关核函数,并在GPU和MATLAB平台进行计算性能的对比。4、研究了多种雷达目标跟踪算法,包括概率数据互联滤波算法、基于动态规划的TBD算法和基于霍夫变换的TBD算法,在算法仿真的基础上,研究了其并行加速的必要性,给出了基于GPU的并行实现方法,并对算法并行实现的效果加以实验验证。