论文部分内容阅读
雷达信号分选技术能力的高低是判断电子对抗系统先进程度的主要标志。随着雷达电子技术的进步,由于现代雷达体制多变以及数量倍增,形成了很复杂的电磁环境,使得雷达信号分选技术成为电子对抗技术发展的瓶颈。本文实现一种并行的雷达信号分选算法并将其在GPU上实现,可快速、准确并实时的分选出各部雷达信号。在未知的复杂电磁环境中,快速实时的分选出未知雷达信号成为了雷达信号分选技术的一个瓶颈。本文针对未知的雷达辐射源信号设计并实现了一种基于GPU的并行化雷达信号分选算法,该算法是基于Fast-ICA的K-Means聚类的雷达信号分选算法。由于多参数均值聚类分选算法严重依赖于初始聚类中心和类别数目,本文通过引入Fast-ICA分选算法来解决聚类分选算法需要知道先验知识的不足。本文首先利用Fast-ICA雷达信号分选算法对部分雷达信号进行分选,可以将噪声与雷达信号分离开并为接下来的聚类雷达信号分选算法提供聚类数目,再由K-Means聚类雷达信号分选算法依据雷达脉冲描述字对雷达信号进行快速聚类分选。本文基于CUDA编程架构并将上述算法并行化,使该算法可以在GTX-1080显卡上运行并快速分选雷达脉冲信号。最后,通过模拟复杂的电磁环境,仿真不同类别雷达信号和同类别雷达信号,使用上述算法进行分选,结果表明分选效果良好。在分选2.68MB的雷达脉冲信号时,本文的设计的基于GPU的并行信号分选算法与串行算法相比,并行Fast-ICA分选算法加速比高达40倍,并行的K-Means聚类信号分选算法加速比高达260倍,而并行的基于Fast-ICA的K-Means聚类信号分选算法加速比相比于并行Fast-ICA算法高达1.5倍,因此本文实现的并行雷达信号分许算法可满足雷达信号分选的实时性指标。