论文部分内容阅读
随着合成孔径雷达的不断发展,其在国防工业和民用领域的应用越来越广泛。为了更加充分地发挥SAR全天时、全天候、远距离、高分辨率、广域观测的特点,实际应用中,对SAR的分辨率和测绘带的要求不断提高。机载宽波束高分辨率SAR是实现SAR高分辨率和宽测绘带的一种方式。但是,机载宽波束高分辨率SAR的合成孔径时间长,数据量和计算量较大,在传统的基于CPU的工作站或者服务器上进行数据处理会耗费比较长的时间,无法满足实时性要求。通用计算图形处理器(GPGPU)的出现,GPGPU为宽波束高分辨率SAR数据的实时处理提供了一种可行的途径,通用计算GPU专为加速计算密集型的应用而设计,如今已经发展成具有高度并行、多线程、多核心、超大带宽、具有数百个计算单元的高性能处理平台。本文首先介绍SAR成像的基本原理和通用计算GPU的硬件架构,然后借助NVIDIA的统一计算架构(CUDA),采用通用计算GPU的对机载宽波束高分辨率SAR成像算法进行实现,并针对GPU的特点对算法的实现进行优化加速,本文主要研究内容总结如下:1、针对传统RMA算法在处理机载宽波束SAR回波数据时频谱利用率不高的问题,对传统的RMA算法进行了改进,并采用一种对数据分段的方案使用GPU对算法进行了实现和优化。该方案解决了在GPU显存不足以容纳一景SAR数据时,数据处理环节与内存/显存间数据传输环节的并行化问题。并针对算法和GPU硬件的特点,使用共享内存优化技术和开启多个CUDA流等方法对算法进行了优化,充分利用了GPU设备的计算资源。使用NVIDIA K40c显卡对算法进行了测试,测试结果表明相对于传统的CPU,GPU能实现14倍左右的加速比。2、由于机载宽波束高分辨率SAR的合成孔径时间长,载机飞行轨迹不稳定,会导致SAR图像散焦和几何失真,需要对回波数据进行运动补偿,传统的基于全孔径的成像处理算法难以满足实时成像的要求,本文采用一种基于子孔径的机载宽波束高分辨率SAR成像处理方法,并用GPU并行处理技术对该成像处理方法的耗时部分进行优化加速,采用并行归约算法和合并内存访问的方法提高了算法执行效率,然后使用MATLAB和CUDA C混合编程技术对算法的各个耗时模块进行实现并封装成MEX文件,使得MATLAB可以直接调用,从而实现快速成像的要求。最后使用NVIDIA K40c显卡对程序的性能进行了测试,实验结果表明该算法的实现方案能对实测数据进行良好的成像并实现9倍左右的加速比,提高了算法的执行效率。