论文部分内容阅读
波达方向估计是阵列信号处理领域的重要研究方向,在雷达、声纳、通信、导航等领域有着广阔的应用前景。然而,现有的高分辨波达方向估计算法,包括基于子空间分解的波达方向估计算法、最大似然波达方向估计算法以及MVDR波达方向估计算法等存在计算复杂度高,实时性差等问题,限制了其在实际工程环境中的广泛应用。随着并行处理器(GPU,Graphic Process Unit)的快速发展,GPU逐渐发展成为具备超高浮点运算能力的计算工具,为解决大数据处理问题提供了有力保障。GPU的并行处理能力是由其片内大量的流处理器决定的,这种架构使得GPU在处理数据量大,数据之间依赖性较小的数据时相对于传统的CPU(Central Processing Unit)串行运算具备更大的运算优势。本文的主要工作如下:1.首先介绍了基于GPU的并行计算技术,包括线程层次,硬件映射,通信机制以及存储器模型。然后针对基于子空间分解的波达方向估计算法和最大似然波达方向估计算法进行研究,通过仿真分析不同算法的波达方向估计性能及其计算复杂度。2.最大似然波达方向估计算法的似然函数是一个多维非线性函数,直接求解需要多维搜索,计算量巨大。而智能搜索算法是一种随机搜索算法,能够快速有效发现最优解。本文针对智能搜索算法展开研究,将Cuckoo搜索算法和粒子群优化算法应用到最大似然波达方向估计问题中,仿真实验表明,相比于交替投影算法,该方法在保证测向精度的前提下,能够将波达方向估计算法计算复杂度降低一半以上。针对粒子群算法不同粒子之间可以并行寻优的特点,本文利用GPU来加速粒子寻优过程,能够将多维极值搜索效率提高上百倍。3.研究基于子空间分解的波达方向估计算法理论,针对现有子空间计算算法存在计算复杂度高、迭代时间长等问题,本文在幂法的基础上,提出使用Householder变换对阵列信号协方差矩阵进行降阶,得到一种快速子空间求解算法,利用GPU多核并行处理能力进一步降低了子空间求解时间,相比于单核CPU,加速比达到二三十倍。4.研究MVDR(Minimum Variance Distortionless Response)波达方向估计算法理论,针对空间相关矩阵的共轭对称性,将空间相关矩阵分解成两个三角矩阵相乘,利用三角矩阵的逆矩阵计算空间相关矩阵的逆矩阵,实验表明,相比于传统的利用增广矩阵计算逆矩阵的方法,该方法能够将矩阵求逆算法的计算复杂度降低一半。针对特定维度的三角矩阵,采用二分法计算三角矩阵逆矩阵,通过负载均衡,在有效降低计算复杂度的同时最大化算法并行度,利用GPU的多核并行处理能力,进一步降低了空间相关矩阵求逆时间,相比于单核CPU,加速比达到八十倍。