基于GPU的ISAR成像算法实现

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)是一种具有很高的成像分辨率的雷达,其成像过程是一项大数据量的高密度计算的处理任务。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 技术的发展使得多线程、单指令的GPU 架构能够方便快速地进行并行计算。提出了一种在cuda平台上用GPU进行非相参成像处理的高效方法,利用GPU 的并行特性,实现了成像处理过程的并行化,与一般GPU 处理方法相比,其处理速度可以达到实时成像的效果,运算速率明显提高。     

一种空间目标ISAR成像显控终端的设计与实现

显控终端是雷达系统的重要组成部分,为雷达操作用户提供雷达系统控制操作与目标信息的显示。本文介绍了一种基于 VS2010编译环境的空间目标 ISAR 成像显控终端。该显控终端使用专用硬件实现雷达目标回波信号的实时采集与接收,采用 CPU 与 GPU 异构并行处理机制完成回波数据的实时 ISAR 成像处理及结果显示。最终在通用 PC 上实现了包括系统参数设置、高速回波数据的实时接收与存储、实时 ISAR 成像处理及空间目标一维距离像、二维 ISAR 像的输出与显示。     

GPU协同处理在全景视频生成系统中的应用

为了解决全景视频生成系统中的速度瓶颈,讨论了一种基于显卡硬件加速的全景视频生成方法,该方法将显卡中的图形处理器（graphic processing unit,GPU）作为CPU的协处理器,充分发挥GPU强大的图形处理能力,协助CPU处理那些运算量巨大的图像处理任务,如白平衡和透视变换处理等,从而将CPU从繁重的图像处理工作中解放出来,并在很大程度上提高全景视频的生成效率,使之达到实时的生成效果。这一GPU协同处理的全景视频生成架构已在一台全景摄像机系统样机上实现,并能够实时地生成360°的全景视频,表明该全景视频生成架构在工程上具有可行性。     

基于CPU+GPU混合架构的改进型距离徙动算法设计与实现

改进型距离徙动算法是距离徙动算法的一种改进算法,相比于距离徙动算法,该算法可对任意距离切面成像,且无需插值,成像精度更高。改进型距离徙动算法的计算量大,单CPU难以满足实时成像需求,而CPU+GPU混合架构可解决此问题。两种算法的成像结果表明,改进型距离徙动算法的聚焦效果和图像对比度均优于距离徙动算法;NVIDIA GTX 1080Ti和Intel(R)Xeon(R)E5-2650 v4的实测结果表明,CPU+GPU混合架构与单CPU的加速比高达69.88。因此,基于CPU+GPU混合架构的改进型距离徙动算法实现是可行的。     

基于GPU的机载高分SAR运动补偿和自聚焦

对于高分辨率宽测绘带机载SAR,载机平台运动误差导致的相位误差具有严重的距离向空变性,因此在距离向采用了分段相位梯度自聚焦(PGA)算法来提高聚焦性能。然而传统的基于CPU的处理平台已经不能完全满足大量回波数据和复杂算法的快速处理。论文中针对机载高分SAR,提出适用于机载高分SAR的改进的距离向空变PGA算法。基于CPU+GPU的协同架构,改进的自聚焦算法和惯导运动补偿都得到了最大的并行优化。实验结果显示,该改进方法在并行平台上能够达到48倍的加速比的提升。     

基于压缩感知的SAR宽带干扰抑制方法

压缩感知合成孔径雷达成像能够利用较少的观测数据清晰的恢复目标图像,但当回波中存在宽带压制干扰时,会严重破坏场景稀疏性,造成成像质量恶化。研究了一种基于选择性测量的自适应压缩感知宽带压制干扰抑制方法,通过构造一种压缩域投影滤波器并结合噪声联合检测算法,自适应感知干扰的位置信息,对合成孔径雷达（SAR）回波信号进行选择性测量,从“源头”上避免了干扰对SAR目标回波信号稀疏性的影响。仿真结果表明,该方法在减少SAR系统处理数据量的同时,使SAR成像质量明显提高,证明了该方法的有效性。     

基于道路树分层的大电网潮流并行算法及其GPU优化实现

针对大规模电网分析及能量管理系统对快速潮流计算的需求,提出了一种适于图形处理器(GPU)的基于道路树分层的稀疏矩阵直接分解算法,并结合该算法在GPU上实现了基于牛顿-拉夫逊法的潮流计算.为提高基于GPU的计算效率,首先在GPU上实现了潮流方程式右端项生成、雅可比矩阵生成、LU分解以及前推回代求解,减少了CPU和GPU之间的数据传输时间.其次,针对GPU中寄存器-缓存-显存多级存储架构,改进数据存储方式,减少了读取延迟.进一步,考虑GPU线程组织特点,优化任务分配,增加了计算并行度.最后,对比基于CPU的电力系统分析综合程序(PSASP)潮流计算模块,进行了数值仿真测试.结果表明,随着节点数的增加,所提出的程序计算优势越来越显著,算例规模达到43 602个节点时可获得5.172倍的加速比,验证了算法的有效性和实用性.     

基于GPU计算平台的大规模电力系统暂态稳定计算

为满足对大规模互联电网进行快速暂态稳定仿真的需求,提出了一种基于图形处理器（Graphics Processing Unit, GPU）计算平台的暂态稳定并行算法。算法依据暂态稳定联立矩阵的双层对角加边结构,将整体计算分解为三部分：1）动态元件相关计算;2）分区系统计算;3）边界系统计算。第1）、2）部分被分配到计算平台中的多核CPU上进行处理。第3）部分则采用可完全并行化的稳定双共轭梯度法在GPU上计算,并且为了减少迭代次数使用了稀疏近似逆预处理技术。针对一个含12823节点、1431台发电机组的算例进行了仿真测试,验证了所提算法的有效性和实用性。结果显示,算法并行加速比可达到7.01倍,仿真速度快于实际暂态过程,为暂态稳定并行计算提供了新的解决思路。     

基于图形处理器的多波前潮流计算方法

为提高潮流计算中线性方程组的求解速度,提出了基于图形处理器(GPU)的多波前潮流计算方法。采用多波前方法将稀疏的Jacobia矩阵分解成一系列小的稠密矩阵;再采用中央处理器-图形处理器(CPU–GPU)异构模式对得到的稠密矩阵进行处理,将计算耗时的矩阵分配给GPU,不耗时的分配给CPU;并设计了下三角矩阵按列存储、上三角矩阵按行存储的LU矩阵乘算法。对3个实际算例和5个人工算例进行了测试。实验结果表明,所提方案的性能与佛罗里达州立大学UMFPACK软件包实现的性能相比有显著提高;且随着测试数据规模的增大,GPU对更新矩阵的处理速度越快,最高可达到3.95倍的加速比。     

一种新的SAR窄带干扰抑制方法

合成孔径雷达易受电视网、通信网等无线设备的电磁干扰,严重影响成像质量。本文在分析SAR受到的干扰特点和信号模型的基础上,提出了一种基于压缩感知的SAR窄带干扰抑制方法。该方法根据SAR回波信号和窄带干扰信号在Chirplet字典上的调频斜率参数不同,在SAR回波信号重构过程中对干扰信号进行筛选并抑制,再把去除干扰后的压缩数据利用常规SAR成像算法进行成像。仿真结果表明,该方法不仅能有效抑制窄带干扰,而且大大减少了SAR系统成像处理的数据量,验证了本文所提方法的有效性。     

室内实测数据太赫兹合成孔径雷达成像研究

合成孔径雷达实现高分辨率成像要求平台作理想匀速直线运动,相对传统微波SAR而言,太赫兹波的波长更短,SAR平台高频微小振动对常规微波频段 SAR影响几乎可以忽略,对太赫兹合成孔径雷达（Terahertz synthetic aperture radar ,T Hz‐SAR）的影响必须精细处理,研究适用于 T Hz‐SAR的成像补偿算法是必要的。本文建立 T Hz‐SAR非理想情况下的回波模型,分别从时域和频域详细分析运动误差对回波的影响。提出了一种基于回波数据的T Hz‐SAR成像运动补偿算法,采用中心频率0．3 T Hz的SAR系统进行实验,使用RD算法对目标进行二维高分辨成像,得到3个角反射器的二维SAR图像。实验结果验证了系统的可行性和所给处理算法的有效性,为外场车载或机载的T Hz‐SAR成像奠定了基础。     

应用图形处理器实现无功优化并行计算

以求解无功优化问题的内嵌离散惩罚非线性原对偶内点法为基础,利用高性能图形处理器实现了线性修正方程的并行求解。将计算密集部分在图形处理器上实现,其余部分在CPU上执行,并且采用单精度和双精度两种模式进行对照。该算法充分利用了图形处理器强大的并行处理能力和极高的存储器带宽,可获得显著的加速效果。在IEEE 118节点系统和实际538、1133和2212节点系统的计算表明,采用单精度浮点运算的无功优化计算速度最快,加速效果最好,在2212节点系统上的加速比达到近30倍。     

A novel GPU-accelerated strategy for contingency screening of static security analysis

Graphics processing unit (GPU) has been applied successfully in many computation and memory intensive realms due to its superior performances in float-pointing calculation, memory bandwidth and power consumption, and has great potential in power system applications. Contingency screening is a major time consuming part of contingency analysis. In the absence of relevant existing research, this paper is the first of its kind to propose a novel GPU-accelerated algorithm for direct current (DC) contingency screening. Adapting actively unique characteristics of GPU software and hardware, the proposed GPU algorithm is optimized from four aspects: data transmission, parallel task allocation, memory access, and CUDA (Compute Unified Device Architecture) stream. Case studies on a 3012-bus system and 8503-bus system have shown that the GPU-accelerated algorithm, in compared with its counterpart CPU implementation, can achieve about 20 and 50 times speedup respectively. This highly promising performance has demonstrated that carefully designed performance tuning in conjunction with GPU programing architecture is imperative for a GPU-accelerated algorithm. The presented performance tuning strategies can be applicable to other GPU applications in power systems.     

基于GPU的机电暂态仿真细粒度并行算法

提出一种基于图形处理器(GPU)并采用隐形梯度法的机电暂态仿真细粒度并行算法。该算法将整个系统分为发电机节点系统和非发电机节点系统,对发电机节点系统求解时,先将在网络中直接相连的发电机节点合并成一个子系统,然后在GPU中给每个子系统分配相应线程块进行并行求解,其中采用了LU并行分解来求解线性方程组。求解完成后,利用从发电机节点系统传递来的LU分解信息,再对非发电机节点系统使用GPU进行求解。通过对不同规模的算例进行分析表明:所提出的GPU并行算法的计算结果与CPU串行算法和BPA软件的计算结果大致相同,且随着系统规模的增加,GPU并行算法的加速效果更为明显。     

基于GRU-TGTransformer的综合能源系统多元负荷短期预测

综合能源系统的多元负荷短期预测,对系统的优化调度和经济运行至关重要。多元负荷之间耦合关系紧密,Transformer作为一种完全建立在自注意力机制上的模型,能很好地分析多元负荷之间的内在联系。传统Transformer模型针对自然语言类问题而设计,难以直接应用于多元负荷预测。为此,提出一种GRU-TGTransformer(GRU-Talkinghead-Gated residuals-Transformer)模型。该模型采用门控循环单元代替原有的词嵌入及位置编码环节,对输入数据进行特征融合,取得具备相对位置信息的高维特征数据。通过在多头自注意力环节引入交流机制,提高多头自注意力的表达效果。为进一步强化网络结构,在残差连接中引入门控单元,提高模型在时序预测问题上的稳定性。以美国亚利桑那州立大学坦佩校区的综合能源系统为算例,通过对所提出模型与传统模型之间进行对比分析,证明所提出的模型具有更高的预测精度。     

MEMS IMU随机误差建模在SAR运动补偿中的应用

随着SAR小型化发展趋势,低精度小型化微机电系统惯性测量系统（MEMS IMU）在SAR运动补偿中越来越受到重视。鉴于MEMS IMU 中随机误差较大,为提高其短时间内相对运动测量精度,从IMU测量误差对SAR成像的影响分析出发,采用基于时间序列分析方法对MEMS IMU中随机误差进行建模,并构建Kalman方程对IMU原始数据进行了滤波处理,减小了随机误差,从而降低随机误差在合成孔径时间内对SAR运动补偿的影响。机载SAR飞行试验数据处理结果表明,此方法能够有效的减小随机误差,提高SAR图像聚焦质量。     

一种改进的组合实时自聚焦算法

在高分辨率SAR中,方位向运动误差给成像带来的影响越来越大,传统的相位梯度自聚焦(PGA)方法能够估计出运动误差,但其需要多次迭代计算,计算量大,不适合用于实时成像。为了满足高分辨率SAR实时成像的需求,提出了一种改进的组合实时PGA方法。这种方法将改进的频移相关算法(ISAC)算法、 PGA算法与RD成像算法结合运用,不仅使计算量大大减少,而且通过在频移相关算法中加入适量的迭代运算,降低了对运动初始参数的精度要求,取得了较好的成像效果。理论分析和实际数据处理证明了这种方法的有效性。