论文部分内容阅读
随着警戒雷达信号处理技术的不断发展,为满足信号处理的实时性和功能可扩展性要求,警戒雷达的开发模式将逐步向软件化过程发展,即GPU平台下的以“软件技术为中心,面向实际需求”的开发模式。近些年出现的GPU(Graphic Process Unit)具有强大的浮点运算能力和高存储带宽,开发成本低、周期短、可移植性强等优点。所以本文在软件开发模式下,完成GPU的警戒雷达信号处理算法的并行化研究,实现信号处理算法的平台移植和加速,能够较好解决警戒雷达信号处理的实时性和功能扩展等问题。本文的研究内容对教研室软件化雷达系统的研究和建立具有实际的推动作用。本文首先介绍了研究工作的背景及意义,论述了GPU通用技术及在雷达信号处理中应用的研究现状和发展趋势,研究了GPU通用技术和雷达信号处理算法,然后详细描述了雷达信号处理算法并行分解的过程,并通过CUDA编程实现各个算法的并行单元和整体算法在CUDA模型上的并行优化和加速,实现算法的最大加速比,达到信号处理实时性的要求,最后选择优化后的信号处理算法完成并行处理研究和软件设计。具体的工作安排如下:(1)分析了CUDA编程模型、存储模型、软件体系以及编程语言,然后研究了脉冲压缩技术(PC),动目标显示(MTI)和动目标检测(MTD),恒虚警处理(CFAR)等信号处理算法原理和关键技术点。通过算法的并行分析,找出可用来并行计算的处理单元,为后文信号处理算法并行实现提供理论依据和技术基础。(2)根据CUDA软件模型,确定信号处理CUDA软件设计的并行方案。运用CPU+GPU独立工作模式,通过粗细粒度并行方式完成对PC、MTI、MTD和CFAR算法的并行软件设计。最终通过实验得到算法在GPU和CPU平台的运行时间,验证了并行计算对算法的加速效果。(3)利用CUDA程序的优化策略,深入分析基于CUDA平台下影响警戒信号处理算法加速效率的因素,从数据通信、访存和指令流等方面完成CUDA信号处理算法的软件优化,并通过增大数据量实验,完成CUDA程序的整体性能和实时性分析。最终通过实验结果表明基于GPU的信号处理算法经过优化后得到了10~30倍的性能提升。