后向投影成像算法的GPU优化方法研究

合成孔径雷达(SAR)成像算法能够通过图形处理器(GPU)加速来实现处理速度的显著提升。针对后向投影(BP)成像算法的GPU加速,分析了BP算法的并行化和并行处理方法,提出了一种适合GPU加速的BP成像方案;通过研究GPU设计中的多流异步执行技术、数据传输模式和计算速度与精度,进一步提出一种针对BP成像的GPU优化成像方案。通过仿真数据和实测数据在Tesla C2075上的测试结果表明,与GPU非优化方案的实现相比,该方案有了近一倍的速度提升。     

基于图形处理器的合成孔径声呐实时距离多普勒成像算法

该文提出一种基于图形处理器(GPU)的距离多普勒成像算法(RDA),为合成孔径声呐(SAS)的实时成像提供了新的途径。通过GPU平台上的并行方法进行距离向脉冲压缩、固定相位补偿和方位向脉冲压缩,显著提升了距离多普勒成像算法效率。仿真和实验结果表明:在满足成像分辨率的前提下,该文设计的基于GPU的并行RDA和CPU串行算法相比,加速比可达到22,满足实时SAS成像需求。     

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CPU+GPU混合架构的实时成像系统设计与实现

雷达成像处理需要更大宽带以实现更高的距离分辨力,同时还需要更多的脉冲积累获得更高的方位像分辨力,因此雷达成像处理过程计算量巨大。如何实现未来超带宽雷达的实时成像处理是一项艰巨挑战。图形处理器(GPU)以卓越的浮点性能和访存带宽,成为并行加速应用平台的有力候选者。设计了一种基于CPU+GPU平台并面向合成孔径雷达/逆合成孔径雷达(SAR/ISAR)的实时成像系统方案,并将该方案实体化。实验表明,该成像系统能够实现实时SAR/ISAR成像,同时该实时成像系统也可用于电子对抗领域,在干扰方法和效果研究中起到重要作用。     

W波段机载视频合成孔径雷达系统

合成孔径雷达(SAR)能够全天时全天候工作,在对地遥感领域具有广泛和深入的应用。视频SAR将SAR成像获得的空间维度信息拓展到时-空维度,可以获取更加丰富的遥感信息。传统SAR频段较低,导致合成孔径时间长,数据计算量大,高帧频输出难度很大;而低频段太赫兹波对目标细节感知能力强,合成孔径短,特别适合于微弱目标的视频感知。本文设计了一种工作在W波段的视频SAR系统,采用收发分置连续波固态前端体制,输出峰值功率1 W,最大发射带宽可达1 GHz;采用极坐标格式算法(PFA)结合GPU架构实现高帧率低延时成像。仿真试验表明,系统成像分辨力可达0.15 m,成像帧率约5 Hz。     

基于STOLT插值聚焦的二维近场微波成像

在弱散射近似回波模型的基础上提出了一个二维近场微波成像算法,用理想金属球的散射回波构造成像系统的点扩散函数,在谱域中剔除测量系统的作用,经Stolt插值聚焦实现波前矫正,用FFT实现目标重构.并对成像算法进行了计算仿真和实验验证,获得了Ku波段金属圆柱和导弹模型的二维近场微波像.     

基于冗余计算约简的环扫SAR回波多GPU快速模拟

环扫SAR作为一种特殊工作模式雷达,在对地观测方面有着广泛应用。随着分辨率提高及测绘带宽增大,对环扫SAR成像精度提出了更高的要求。而快速的海量回波模拟方法能够对高精度成像算法设计、研究提供有力的支撑。本文给出一种基于多GPU(Graphics Processing Unit,图形处理器)的环扫SAR回波模拟方法,并在此基础上进行冗余计算优化,通过MPI(Message Passing Interface,消息传递接口)在多GPU上进行了实现,实验结果表明在使用4块GPU的条件下,经过冗余计算约简,并行效率提高2倍以上,硬件成本降低50%,相对传统CPU串行仿真提高350倍左右。      

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影( BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达( SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器( GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8192×8192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。     

基于稀疏贝叶斯学习的超材料孔径计算微波成像系统离网格成像方法

基于超材料孔径的计算微波成像可以看作微波压缩感知成像。这种成像方式的成像效果受网格失配误差的严重影响。该文针对超材料孔径计算微波成像系统对2维场景的重构过程进行分析,构建了一种基于Sinc插值函数的2维离网格(Off-grid)观测模型,并在此基础上提出一种基于稀疏贝叶斯学习的Sinc插值离网格成像方法(OGSISBL)。在期望最大化算法的框架下,恢复散射体回波的幅值和位置,同时校准网格失配误差。通过对超材料孔径计算微波成像系统的仿真数据进行成像处理验证所提算法的性能,结果表明所提算法具有很强的鲁棒性。     

一种红外探测器效应的实时模拟方法

文中剖析了Ogre渲染引擎的工作原理,描述了基于GPU的后处理技术,利用Ogre渲染引擎通过GPU实现了二维快速傅里叶变换,添加了探测器成像系统调制传递函数(MTF),实现了系统线性噪声和随机噪声的添加,模拟了实时三维红外场景中的探测器效应.     

基于HiFi-GAN的改进型高效声码器

HiFi-GAN声码器通过采用缩减网络层的通道数或层数的方式来有效减少模型参数、提高推理速度,但此种方式也严重损害了生成语音的质量。针对此问题,提出了两点改进措施:1.?采用多尺度卷积策略对输入Mel谱进行处理来有效表征特征信息;2.采用一维深度可分离卷积替换生成器网络中的标准一维卷积。实验结果表明,多尺度卷积策略有效提升了模型性能,提高了生成语音的质量,而一维深度可分离卷积显著减少了模型参数量并加快了模型推理速度。通过将这两者结合,有效提升了HiFi-GAN模型的性能,具体来说,模型参数量约减少了67.72%,在GPU、CPU上的推理速度分别提升了11.72%、28.98%。此外,语音质量也得到略微提升,平均主观意见分（Mean Opinion Score,MOS）提升了0.07,客观语音质量评估（Perceptual Evaluation of Speech Quality,PESQ）得分提升了0.05。      

无人机数据链中卷积码研究与FPGA实现

信道编码是数字通信系统中的重要组成部分,它是保证信号可靠传输的一种重要方式,卷积码以其优越的性能被广泛应用在数字通信系统中。结合无人机信道的特性,研究分析了卷积码的性能特征,选定了适合无人机数据链特性的（2,1,2）卷积码,采用硬件描述语言实现了卷积码编译码器的硬件设计。实验结果表明,在纠错能力范围内,该设计方案能够正确纠错并译码,并且具有较高的译码速率,提高了无人机数据链的通信质量和抗干扰性能。     

Accelerating the nonequispaced fast Fourier transform on commodity graphics hardware

We present a fast parallel algorithm to compute the nonequispaced fast Fourier transform on commodity graphics hardware (the GPU). We focus particularly on a novel implementation of the convolution step in the transform as it was previously its most time consuming part. We describe the performance for two common sample distributions in medical imaging (radial and spiral trajectories), and for different convolution kernels as these parameters all influence the speed of the algorithm. The GPU-accelerated convolution is up to 85 times faster as our reference, the open source NFFT library on a state-of-the-art 64 bit CPU. The accuracy of the proposed GPU implementation was quantitatively evaluated at the various settings. To illustrate the applicability of the transform in medical imaging, in which it is also known as gridding, we look specifically at non-Cartesian magnetic resonance imaging and reconstruct both a numerical phantom and an in vivo cardiac image.     

一种基于GPU的高效合成孔径雷达信号处理器

随着合成孔径雷达（SAR）应用的不断扩展,其所需要处理的数据量也在不断增加,传统的SAR信号处理器的处理速度成为其应用扩展的瓶颈。为了应对这些挑战,需要高效的SAR信号处理器来加快计算速度。文章利用图形处理器（GPU）这一新颖高效的的计算平台进行SAR信号处理,利用GPU通用并行计算,使用CUDA实现SAR成像算法,充分发挥其计算能力。实验结果表明,其处理速度是基于CPU的传统SAR信号处理器的10倍以上。它为解决在未来SAR信号处理中可能出现的问题提供了一种可靠的方法。     

通信系统中卷积码编解码器的VHDL实现

卷积码作为通信系统中重要的编码方式,以其良好的编码性能,合理的译码方法,被广泛应用。在阐述卷积码编解码器基本工作原理的基础上,给出了（3,1,2）卷积编码器和（2,1,1）卷积解码器的VHDL设计,在QuartusII环境下进行了波形仿真,并下载到EPF10K10LC84-3上进行了验证,其结果表明了该编解码器的正确性和合理性。     

利用线性Bregman迭代的ISAR高分辨成像

为获得ISAR方位向高分辨成像性能,基于压缩感知理论,提出了一种具有方位向高分辨能力的算法。该算法基于线性Bregman迭代(LBI)实现ISAR方位向高分辨。首先将重构精度高的LBI推广到复数域;然后进行了算法的理论分析,与正交匹配追踪算法对比分析了LBI算法的有效性以及稀疏度和采样率对重构精度的影响,仿真结果表明推广到复数域后的LBI能够有效实现复数稀疏信号的重构,验证了算法的优越性;最后将算法运用于ISAR方位向成像。仿真结果验证了LBI算法可明显提高ISAR方位向分辨率。     

深度神经网络压缩与加速综述

近年来,随着图形处理器性能的飞速提升,深度神经网络取得了巨大的发展成就,在许多人工智能任务中屡创佳绩.然而,主流的深度学习网络模型由于存在计算复杂度高、内存占用较大、耗时长等缺陷,难以部署在计算资源受限的移动设备或时延要求严格的应用中.因此,在不显著影响模型精度的前提下,通过对深度神经网络进行压缩和加速来轻量化模型逐渐...     

字符串匹配算法的实现:CPU vs.GPU vs.FPGA

针对字符串匹配算法在各平台实现的性能问题,将算法在CPU、GPU及FPGA上做了测试对比。GPU具有计算单元多的特点,使得GPU对计算密集型应用有较大的效率提升;而FPGA具有级强的灵活性、可编程性及大量的逻辑运算单元,在处理字符串匹配时的处理速度快。通过对3种实现方式在Snort规则库下做的分析,其结果表明,FPGA的处理速度最快,相比GPU的处理速度提升了10倍。而CPU的串行处理速度最慢,且FPGA的资源消耗最多,GPU次之,CPU的资源消耗最少,且实现最简单。