论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)是一种有源微波遥感成像系统,可以在能见度极差的气象条件下得到类似光学照相的高分辨率雷达图像。理想情况下,雷达的天线相位中心以匀速沿着理想轨迹前行。然而,由于载机飞行平台往往会偏移理想运动轨迹,额外的从雷达到距离向的误差可能因此产生。如何精确地实现运动误差的补偿是获得高质量成像结果的重要前提。 随着SAR技术的飞跃式的发展,SAR图像的分辨率从开始的几十米提高到现在的米级别、亚米级,分辨率的提高使我们可获得更多更真实的关于场景的详细信息,使得合成孔径雷达发挥更强大侦察和测绘能力。但是分辨率的提高和测绘带宽的增加使得SAR系统的回波数据量和计算量也成几何级增长,对SAR回波的存储和计算都提出了更高的要求。本文在GPU和CPU混合平台的基础上,提出了一种综合的有效的机载SAR并行成像系统。主要解决超大规模数据成像处理系统中的实时性问题,以在尽量短的时间内获得高质量的成像结果。 本文的具体内容安排如下: 首先基于课题的研究背景,合成孔径雷达的基本概念和原理被首先介绍,主要阐述了该机载SAR成像系统的各个主要组成部分。该系统主要包括基于IMU的运动补偿和相位梯度自聚焦算法,子孔径成像算法,最后利用OpenCV进行实时成像显示。 其次,介绍了常见的并行计算机体系结构,重点对基于CPU的OpenMP和基于GPU的CUDA编程模型进行探讨说明。 紧接着,我们对点阵目标进行基于GPU平台的仿真实现,实验结果表明了CPU和GPU之间的传输速度对最后的并行成像系统效率有很大的影响。 最后,通过对合成孔径雷达成像系统分析描述,分析系统并行的重大意义和系统并行实现的可能性。作为第一次机载高分SAR并行成像系统的实现,与未并行优化的CPU系统相比较,该系统达到了37倍的加速比效果,这是一个以前从未得到的高效率结果。不仅如此,本文为了解决有限的显存和不断增长的回波数据之间的冲突,本文提出的基于GPU的子孔径成像算法使得算法得以在GPU平台实现。此外,本文第一次基于CPU+GPU协同平台来实现运动补偿和相位梯度自聚焦算法。