论文部分内容阅读
机载预警雷达空时自适应处理(STAP)需要一定数量的独立同分布训练样本来估计杂波协方差矩阵,这在城市、山区等非均匀杂波场景下难以满足。独立同分布样本数目的不足会导致杂波抑制性能剧烈下降,进而影响到机载预警雷达系统的目标检测性能、航迹跟踪质量,因此亟需能够在非均匀杂波场景下有效抑制杂波的算法,在上述背景下知识辅助空时自适应处理(KA-STAP)算法受到了广泛的关注。知识辅助空时自适应处理算法通过感知杂波环境获取场景的先验信息,从而利用先验知识减少样本数不足对杂波协方差矩阵估计的影响。知识辅助空时自适应处理能够在杂波场景非均匀情况下保证杂波抑制的效果。机载预警雷达探测范围广、场景复杂、目标数量多,因此其信号与数据处理过程计算量大,实时性要求高。上述因素综合决定了机载预警雷达需要计算能力非常强的信号处理系统。GPU具有超强的浮点运算能力和强大的并行能力,能够保证机载预警雷达信号处理系统具有较高的运算速度。近年来,以GPU为基础实现高速雷达信号处理已成为重要的研究方向。本文针对知识辅助空时自适应处理问题以及基于GPU平台的机载预警雷达信号处理方法进行深入研究,主要工作内容如下所示:1.针对非均匀环境下空时自适应处理的问题,研究基于动态感知的知识辅助空时自适应处理方法,该方法通过实时感知环境信息,缓解环境知识与实际环境失配问题。上述算法的核心思想是:首先通过发射正交波形感知杂波场景,重构场景的杂波散射系数,然后通过获得的杂波散射系数重构未来一段时间内的杂波协方差矩阵,最后利用重构的杂波协方差矩阵生成空时自适应滤波器。仿真实验证明,在非均匀环境下上述知识辅助空时自适应算法比3DT算法杂波抑制性能好。本文使用交替方向乘子算法(ADMM)求解KA-STAP算法的稀疏重构问题,相对使用CVX工具包缩短了计算时间。2.简单阐述了GPU特点以及相对于CPU的优势,然后从执行模型、编程模型、硬件模型三个方面详细描述了用于GPU编程的CUDA架构,最后简要介绍了GPU以及MATLAB混编的实现方法。3.简要介绍以GPU为基础的机载预警雷达信号处理算法的并行化实现方法,主要包含回波仿真、匹配滤波、杂波抑制、恒虚警率检测等模块。为了适应更多的杂波场景,杂波抑制模块对经典的3DT算法以及基于动态感知的KA-STAP算法实现了并行化。进行仿真实验保证结果相同的前提下,相对于CPU串行方法,GPU加速算法能够提高机载预警雷达信号处理的效率,并且数据规模愈大GPU优势愈显著。