论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种发送微波波段电磁波的有源传感器,它在军事、灾害、地质和测绘等众多领域都有特别的优势。星载SAR是一种常用的对地观测方式。星载SAR星上存储数据量随着其分辨率要求的提高而激增。与此同时,应急减灾和环境监测等高时效性需求对星载SAR数据处理的实时性提出更高要求。传统的星上存储和地面处理的手段已经无法满足上述需求,因此合理解决资源存储和成像质量的矛盾成为SAR成像的关键研究方向。本文的主要研究内容包括:(1)研究滑动聚束模式SAR算法的定点化方法。通过计算算法中各个步骤的运算量,确定快速傅里叶变换(Fast Fourier Transform,FFT)运算为主要运算量,并考虑到它对数据精度相对不敏感的特性,选择FFT为定点化对象。理论分析定点FFT模型的误差,设计定点整数位宽配置方案,并利用SystemC语言仿真评估定点FFT模型的性能,为研究SAR定点成像算法奠定基础。(2)探索实现滑动聚束模式SAR系统的最优字长配置方案。首先针对SAR成像算法建立误差传递模型,理论分析系统量化误差功率与字长的关系,确定最优统一字长出现范围。然后利用SystemC建立SAR算法仿真验证平台,在该字长范围中对定点成像算法进行仿真验证,利用SAR图像评价指标确定最优统一字长大小。最后搜索与最优统一字长大小等效的动态字长配置方案,在仿真验证平台进行验证,从而得到最优方案。该方案对SAR系统实现具有指导意义,在成像精度和资源存储两方面做到了很好的折衷。(3)基于图形处理器(Graphics Processing Unit,GPU)对滑动聚束工程优化算法进行加速验证。分析两步去斜算法和定点FFT模型的可并行性,确定它们具有高并行度,适合用GPU并行加速验证。针对算法中各模块和定点FFT模型的特点,设计浮点成像算法和定点成像算法的加速验证方案,并根据选用的NVIDIA GPU K20c产品特点,对加速方案进行优化。浮点加速方案为将来在轨GPU实现奠定基础,并对其它SAR算法的实现起到一定的借鉴作用。定点加速方案可以大幅缩短最优字长配置方案的研究周期。