自适应旁瓣对消在雷达中的应用

自适应旁瓣对消(ASLC)是雷达抗有源干扰的有效方法.它采用空间滤波技术,通过辅助接收通道在干扰方向形成波束图的零点,实现对干扰信号的抑制.本文介绍了自适应旁瓣对消的原理,然后给出了基于DSP的ASLC实现方案,分析了自适应旁瓣对消的性能.同传统的对消系统相比,该系统具有更好的抗干扰性能.     

一种基于频率的多核共享Cache替换算法

LRU替换算法在单核处理器中得到了广泛应用,而多核环境大都采用多核共享最后一级Cache(LLC)的策略,随着LLC容量和相联度的增加以及多核应用的工作集增大,LRU替换算法和理论最优替换算法之间的差距越来越大。该文提出了一种平均划分下基于频率的多核共享Cache替换算法(ALRU-F)。该算法将当前所需要的部分工作集保留在Cache内,逐出无用块,同时还提出了块粒度动态划分下基于频率的替换算法(BLRU-F)。该文提出的ALRU-F算法相比传统的LRU算法缺失率降低了26.59%, CPU每一时钟周期内所执行的指令数IPC(Instruction Per Clock)则提升了13.59%。在此基础上提出的块粒度动态划分下,基于频率的BLUR-F算法相比较传统的LRU算法性能提高更大,缺失率降低了33.72%,而IPC 则提升了16.59%。提出的两种算法在性能提升的同时,并没有明显地增加能耗。     

资源限制型可重构并行信息处理方法

针对立方体钠卫星GNC信息处理系统高计算性能与低功率消耗相矛盾的问题,提出了一种资源限制型可重构并行信息处理方法。该方法采用紧耦合可重构并行信息处理架构,将GNC信息处理中需要多次迭代计算且不适合CPU处理的复杂软件算法,以动态部分重构硬件电路单元（DPR）的方式实现,采用基于互斥量的多核并行可重构资源调度算法,通过多核CPU并行管理与调度共享的DPR单元,完成软件算法的硬件加速与优化。实验结果表明,该方法实现了立方星GNC信息处理系统的高效实时快速处理,与传统信息处理方法相比,可节约50%左右的功耗,可应用于计算资源极为有限的星上信息处理领域,具有很好的工程应用前景。     

基于FPGA的自适应旁瓣对消原理及其实现

自适应旁瓣对消(ASLC)是雷达抗有源干扰的有效方法。它采用空间滤波技术，通过辅助接收通道在干扰方向形成波束图的零点，实现对干扰信号的抑制。本文介绍了自适应旁瓣对消的原理，然后给出了基于FPGA的ASLC实现方案，最后通过仿真和试验结果，分析了自适应旁瓣对消的性能。     

雷达信号数据处理平台发展趋势探讨

针对不断提高的雷达系统功能需求,提出了雷达信号数据处理的技术需求和特征,即雷达系统的功能拓展到电子对抗和通信等领域,算法和软件是研发雷达信号数据处理的关键.结合嵌入式数据互连技术、FPGA技术、DSP/CPU技术和处理平台系统架构技术发展,如高速串行数据传输技术、高性能FPGA芯片、并行多核CPU及DSP、基于交换网络的可重构平台及技术,分析和探讨了雷达信号处理平台的发展趋势.     

一种基于CK嵌入式CPU的G.729A语音编解码器

参考传统的语音压缩编码器的实现方法,提出一种基于CK嵌入式CPU的G.729A语音编解码器.介绍了G.729A语音算法的基本原理,并详细讨论了G.729A算法在国产嵌入式CPU CK510E上实时实现的算法和代码优化方法,实验结果证明优化后算法性能得到了很大地提高,平均编解码一帧语音数据时间小于10 ms,满足实际应用的要求.这些优化的思想也适用于G.729A算法在其他类似CPU平台上的实现.     

一种自适应旁瓣对消相关矩阵快速构建算法

为了解决传统自适应旁瓣对消（ASLC,adaptive sidelobe cancellation）算法中构建相关矩阵所需大量复数运算问题,根据开环自适应旁瓣对消的基本原理和ASLC系统中相关矩阵和互相关向量的特点以及工程实现的要求,找到了一种快速构建相关矩阵的新算法,并详细说明和分析了该算法的运算流程和计算复杂度。经过理论仿真和DSP开发软件环境验证,该算法的计算复杂度明显小于传统算法。     

基于GPU的MTD性能优化

为了解决传统雷达信号处理机在研发阶段面临的调试困难,计算能力受硬件限制及程序复用性差等问题,本文提出了使用GPU作为雷达计算核心的方案。在使用GPU实现雷达信号处理算法的过程中,动目标检测(MTD)部分的优化效果远低于脉冲压缩和恒虚警检测。经过分析,MTD过程中的矩阵转置与向量点乘占据了算法的大量时间。本文从GPU的数据读取方式和CUDA函数特性入手,优化快速傅里叶变换实现MTD的过程,并在GPU上使用CUBLAS矩阵运算实现有限脉冲响应滤波器组对脉冲压缩之后数据的滤波,实现了更具灵活性的MTD。最终得到的GPU计算结果与CPU平台实现的结果相比,误差不超过0.05%,同时实现了相比CPU平台优化实现最多200余倍的性能提升。     

基于CUDA架构的混合测向算法研究

采用数字波束形成算法与合成导向矢量算法相结合的测高算法,提高了测角精度和测角速率。另外,为了进一步满足系统实时性要求,提出采用基于计算统一设备架构为平台完成雷达测角的方案,该方案利用并行计算平台和异构编程模型,首先在通用处理计算机上用CPU完成预处理,并控制信号处理的任务调度和负载分配,图形处理器实现数字波束形成算法和合成导向矢量算法,并与CPU进行比较。实验结果表明,利用计算统一设备架构技术实现的测高算法取得了比CPU算法更高的运算效率。     

一种雷达信号识别算法的探讨

对雷达信号模式识别技术进行了讨论,在传统模式识别算法的基础上提出了基于图形的雷达信号模式识别算法,对其中的BARC图形匹配算法进行了介绍。并在Matlab软件平台上实现了该算法。并针对实际雷达信号对该算法的性能进行了分析。