基于NVIDIA GPU 的机载SAR 实时成像处理算法CUDA 设计与实现

合成孔径雷达(SAR)成像处理的运算量较大,在基于中央处理器(Central Processing Unit, CPU)的工作站或服务器上一般需要耗费较长的时间,无法满足实时性要求。借助于通用并行计算架构(CUDA)编程架构,该文提出一种基于图形处理器(GPU)的SAR 成像处理算法实现方案。该方案解决了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,并能够支持多GPU 设备的并行处理,充分利用了GPU设备的计算资源。在NVIDIA K20C 和INTEL E5645 上的测试表明,与传统基于GPU 的SAR 成像处理算法相比,该方案能够达到数十倍的速度提升,显著降低了处理设备的功耗,提高了处理设备的便携性,能够达到每秒约36兆采样点的实时处理速度。      

一种新的高分辨率宽波束机载SAR成像算法

目前的频域成像算法在应用于高分辨率宽波束机载合成孔径雷达(SAR)时不能精确补偿运动误差,而可以精确成像的时域算法存在计算效率低下的问题。针对上述问题,该文提出一种新的成像算法。该算法通过对信号2维频谱进行扰动操作,将频域与时域算法结合互补,在提高运补精度的同时,也提高了后向投影的计算效率,从而在应用于高分辨率宽波束机载SAR时得到成像精度与效率的平衡。通过仿真和实际数据分析,验证了该算法应用于高分辨率宽波束系统的有效性。     

一种用于条带式SAR的自聚焦算法

本文将相位梯度法（Phase Gradient Algorithm,PGA）用于条带式合成孔径雷达（SAR）的自聚焦。根据条带SAR与聚束SAR回波信号差异并参考经典相位梯度法提出了一种适用于条带SAR的自聚焦算法SPGA。用这种新的条带SAR自聚焦算法聚焦所得SAR图像不会发生传统条带SAR下PGA常有的拼接问题:同时由于相位误差曲面的引入,对于任何场景SPGA均能达到良好的聚焦效果。     

机载双天线InSAR运动补偿误差的影响分析

 干涉SAR运动补偿是实现高精度机载干涉SAR测量的关键。该文针对运动补偿误差对机载双天线干涉SAR测量的影响进行了详细的分析。首先在参考高程无误差和有误差两种情况下对运动补偿残余误差进行建模;随后分析了无测量误差条件下运动补偿残余误差对干涉相位和平面定位精度的影响;接着分析了存在航迹测量误差和基线测量误差条件下运动补偿残余误差的影响;最后,通过仿真和实测数据实验验证了理论推导的正确性。该文的分析结果为机载双天线干涉SAR系统设计和数据处理提供了理论基础。     

考虑运动补偿的机载SAR定位误差传递模型及航迹标定方法

机载合成孔径雷达(SAR)定位误差不仅受载机位置/速度测量误差、系统时间误差等的影响,还与运动补偿残余误差有关。然而现有机载SAR定位模型很少考虑运动补偿误差的影响。该文针对实际中普遍存在的含运动误差和载机航迹测量误差的情况,结合运动补偿和频域成像算法,推导了机载SAR图像定位误差传递模型,阐明了运动补偿残余误差影响下航迹测量误差对定位偏差的影响方式,并基于该模型给出了载机航迹测量误差的标定方法。仿真实验验证了该定位误差传递模型的正确性,相比于不考虑运动补偿残余误差的定位模型,得到了更高精度的航迹测量误差标定结果,证明了该方法的优越性。      

一种基于GPU 的SAR 高效成像处理算法

合成孔径雷达(SAR)成像处理是一项需要进行大量计算的处理任务。图形处理器(GPU)具有数十倍于CPU的浮点计算能力以及传输带宽,而CUDA 技术的发展使得GPU 能够方便地进行通用计算。该文提出了一种在GPU上进行SAR 成像的高效方法。与一般GPU 处理方法相比,该方法使得处理过程中的CPU-GPU 往返数据传输由4 次减少到1 次,而且同时利用了工作站上的CPU 与GPU 计算资源。实验结果表明,该方法能够带来相对一般GPU 处理方法2.3 倍的处理效率提升,从而验证了该方法的有效性。      

一种用于宽带机载SAR的空变相位误差补偿算法

该文提出了一种用于机载合成孔径雷达(SAR)的方位向空变相位误差补偿算法。传统的机载SAR运动补偿技术只补偿方位向相位误差的空不变分量,而常常忽略空变分量。对于高分辨率宽带SAR,传统的运动补偿算法由于没有补偿空变相位误差,不能满足分辨率要求。该文提出的子孔径算法通过在距离-多普勒域将SAR数据分为若干子孔径,每个子孔径数据进行单独的相位误差补偿,从而实现了空变相位误差的补偿。在传统的运动补偿处理中嵌入该算法可以大大提高SAR图像方位向分辨率。