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。      

基于GPU的圆迹视频SAR实时成像算法

视频SAR要求高分辨率实时成像,很多成像算法在高分辨率成像时,算法复杂度较高,使用中央处理器（CPU）处理无法实时成像。为解决这一问题,该文提出了一种基于图形处理器（GPU）的圆迹视频SAR实时成像算法。该算法首先根据帧率与重叠率的关系截取回波数据,然后将极坐标格式算法（PFA）中传统的两维插值用效率更高的Chirp Scaling操作代替,并且利用3种优化技术对PFA的GPU实现进行加速。实验结果表明,该文所用成像算法帧率能达到5Hz,满足视频SAR实时成像的速度要求。     

利用GPU实现SAR图像的并行处理

利用GPU计算处理能力,实现并行RD成像算法。提出了一种具有高并行度机载SAR实时并行成像算法实现方案。对实测数据进行成像处理结果表明,文中所提方案能够满足实时成像处理要求,同时与传统实时成像处理系统相比较,能够大幅降低硬件、软件开发成本和周期。     

利用GPU实现SAR图像的并行处理

利用GPU的计算处理能力来实现并行的RD成像算法,提出了一种具有高并行度的机载SAR实时并行成像算法实现方案。对实测数据进行成像处理的结果表明,本文提出的方案能够满足实时成像处理的要求,同时与传统实时成像处理系统相比较,能够大幅度的降低硬件成本和软件开发成本和周期。     

一种子孔径ωK聚束SAR成像算法的GPU实现

合成孔径雷达(SAR)的数据运算量不断增加,图形处理器(GPU)为其处理提供了新的运算平台.但是GPU显存小,不足以容纳大场景SAR数据.通过研究聚束SAR成像模式特点,提出了一种适合GPU加速的子孔径成像方案,降低了该算法对GPU显存的要求.在Tesla C2075上的实验结果表明,该方案能够取得良好的成像效果,与C...     

基于GPU的多模式SAR成像加速研究

针对多模式合成孔径雷达(SAR)成像处理中存在的计算效率不足问题,提出了一种基于GPU的多模式SAR统一成像并行加速方法。为充分利用GPU的显存资源,提高算法的运算效率,利用共享内存对矩阵转置、矩阵相乘等部分进行大规模数据并行计算。实验结果表明,该算法大幅度提升了多模式SAR成像的计算效率,最高加速比达到55.62,解决了GPU显存空间利用率较低的问题。     

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。      

基于GPU的分类并行算法的研究与实现

分析了KNN算法在GPU上实现并行计算的可能性,提出了通过使用CUDA实现KNN算法的方案,在研究了GPU对存储访问的机制后,通过设计合理的数据以及对算法的改进,避免存储体冲突的产生,提高了算法的健壮性。研究结果证明该方法在GPU上的并行运算速度明显要快于CPU,有着很好的加速比。     

基于ChirpScaling算法的星载SAR成像处理实现方法

本文提出一种基于ＣｈｉｒｐＳｃａｌｉｎｇ（ＣＳ）算法的星载合成孔径雷达成像处理实现方法，该算法与目前国际上通用的距离－多普勒算法相比，由于避免了插值运算，且能够精确地进行距离徒动校正，使得成像质量优于精的ＲＤ算法。     

基于ChirpScaling算法的星载SAR成像处理实现方法

本文提出一种基于ＣｈｉｒｐＳｃａｌｉｎｇ（ＣＳ）算法的星载合成孔径雷达成像处理实现方法，该算法与目前国际上通用的距离－多普勒算法相比，由于避免了插值运算，且能够精确地进行距离徒动校正，使得成像质量优于精的ＲＤ算法。     

Hungarian algorithm for subcarrier assignment problem using GPU and CUDA

General purpose graphics processing units (GPGPUs) have gained much popularity in scientific computing to speedup computational intensive workloads. Resource allocation in terms of power and subcarriers assignment, in current wireless standards, is one of the challenging problems due to its high computational complexity requirement. The Hungarian algorithm (HA), which has been extensively applied to linear assignment problems (LAPs), has been seen to provide encouraging result in resource allocation for wireless communication systems. This paper presents a compute unified device architecture (CUDA) implementation of the HA on graphics processing unit (GPU) for this problem. HA has been implemented on a parallel architecture to solve the subcarrier assignment problem and maximize spectral efficiency. The proposed implementation is achieved by using the “Kuhn‐Munkres” algorithm with effective modifications, in order to fully exploit the capabilities of modern GPU devices. A cost matrix for maximum assignment has been defined leading to a low complexity matrix compression along with highly optimized CUDA reduction and parallel alternating path search process. All these optimizations lead to an efficient implementation with superior performance when compared with existing parallel implementations.     

基于CUDA架构与B样条的实时锥束CT重建算法

随着X线探测板数据采集速度的快速发展,研究者开始利用C臂机采集投影数据并重建断层图像,用于手术导航或者放射治疗.但是普通PC的重建速度慢,很难匹配硬件数据采集速度,限制了其在实时临床环境中的应用.本文提出一种基于CUDA(Compute Unified Device Architecture)架构的改进FDK算法,利用GPU(Graphic Porcessing Unit)显卡的并行计算能力实现了实时CT重建,并通过B样条插值提高重建图像的质量,在实时临床环境中具有很好的应用价值.     

基于GPU+CPU的CANNY算子快速实现

本文提出一种基于GPU+CPU的快速实现Canny算子的方法。首先将算子分为串行和并行两部分,高斯滤波、梯度幅值和方向计算、非极大值抑制和双阈值处理在GPU中完成,将二维高斯滤波分解为水平方向上和垂直方向上的两次一维滤波从而降低计算的复杂度;然后使用CUDA编程完成多线程并行计算以加快计算速度;最后使用共享存储器隐藏线程访问全局存储的延迟;在CPU中则使用队列FIFO完成边缘连接。仿真测试结果表明：对分辨率为1024×1024的8位图像的处理时间为122 ms,相对应单独使用CPU而言,加速比最高可达5.39倍,因此本文方法充分利用了GPU的并行性的特征和CPU的串行处理能力。     

基于GPU通用计算CUDA架构的人体检测技术

随着计算机硬件技术的高速发展,图形处理器（Graphic processing unit,GPU）通用计算已经发展到颇为成熟阶段,其并行运算速度已远远超过多核CPU。文章简介CUDA架构并验证其在图形处理中的加速能力,对比线性代数运算在CPU与GPU架构下的效率,将CUDA技术应用于智能视频监控人体检测系统中,实验验证其高效性及可行性。最后对CUDA的发展方向进行了展望。     

基于坐标变换的合成孔径雷达高精度成像算法

针对当前合成孔径雷达成像算法处理低频大斜视角数据存在的散焦和运算量大问题, 提出了一种新的高精度大斜视合成孔径雷达成像算法.算法首先把数据录取坐标系数据变换到零多普勒坐标系数据, 然后在零多普勒坐标系中采用距离时域非均匀傅里叶变换去除距离、方位的耦合, 进而得到聚焦良好的合成孔径雷达图像.算法运算量与距离多普勒算法在一个量级, 具有较高的成像效率.仿真结果表明算法在低频大斜视角下能很好地聚焦, 从而验证了算法的正确性.     

A back-projection autofocus algorithm based on flight trajectory optimization for synthetic aperture radar imaging

In this paper, a new autofocus algorithm is presented for back-projection (BP) image formation of synthetic aperture radar (SAR) imaging. The approach is based on maximizing a cost function obtained by prominent points in different sub-apertures of constructed SAR image by varying the flight trajectory parameters. While image-quality-based autofocus approach together with BP algorithm can be computationally intensive, we use approximations that allow optimal corrections to be derived. The approach is applicable for focusing different signal processing algorithms by obtaining modified flight trajectory parameters. Different examples demonstrate the effectiveness of the new autofocus approach applied to the frequency modulated continuous wave mode SAR dataset.     

基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

Fast algorithm for a near-field synthetic aperture radar processor

A radar image can be formed by coherently integrating the backscattered fields over the measured frequency band and cross-range scan. This coherent integration can be seen as a convolution of the measured data and a focusing function, which only depends on the geometry of the measurement. Thus, by applying fast Fourier transform (FFT) techniques and computing a product in the Fourier domain one can efficiently reconstruct the target image. On the other hand, in the particular case of indoor synthetic aperture radar (SAR) measurements with the same geometry, the focusing operator must be computed just once and may be reused when processing the different datasets, reducing drastically the computing time     

逆合成孔径成像激光雷达成像算法

逆合成孔径成像激光雷达是一种能实现运动目标超高分辨实时成像的雷达,它在发射激光信号的基础上,运用逆合成孔径原理对目标进行成像。但激光信号具有极高载频、超大带宽和极短波长的特性,传统的距离-多普勒算法不再适用。在对回波信号特征进行分析的基础上,利用重排维格纳分布和Hough变换对光外差探测后的信号进行时频分析以估计目标的运动速度,构造有效的补偿因子,完成了对回波信号的精确运动补偿,并进一步采用Keystone变换完成对目标散射点的越距离单元徙动校正,实现了对目标的高分辨二维成像。仿真实验验证了成像算法的有效性,并通过与微波波段逆合成孔径雷达的比较,证明了逆合成孔径成像激光雷达可实现对运动目标更快速、更高分辨的成像。