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的高分辨率星载SAR系统几何校正

系统几何校正是星载SAR地面数据处理的基本环节,但高分辨率星载SAR数据量巨大,导致其计算时间很长,成为处理的瓶颈.为解决这一问题,文中提出了统一设备架构(CUDA)模型下的GPU+CPU系统几何校正方法,并根据算法特点对重采样步骤的并行计算结构进行优化改进.最后,利用真实卫星影像进行了验证实验,结果表明该步骤获得了10倍的加速比,且图像的定位精度没有发生明显改变,可以更好地满足高时效应用需求.     

基于等效斜视距离模型的高分辨率星载SAR波数域成像算法

为了解决CS算法在距离压缩时无法使用带有误差的原始信号的问题,作者提出一种等效斜视的波数域算法.本文基于星载SAR等效斜视距离模型,利用Bamler提出的波数域算法推导方法^[1],从原始回波信号模型入手,详细推导出基于等效斜视距离模型的高分辨率星载SAR波数域成像算法,并给出了该算法的实现步骤.该算法适用于大距离徙动高分辨率星载SAR的精确成像.文中利用点目标回波仿真数据验证了算法的有效性并给出了该算法成像的质量评估指标.     

基于GPU的SAR实时并行成像处理

结合RD成像算法的特点和GPU的计算处理能力,提出了一种具有高并行度的机载SAR实时并行成像处理方案。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在不损失分辨率及成像精度的基础上,满足实时处理的要求,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。     

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。      

高分辨率星载SAR系统关键参数的设计

讨论了高分辨率星载SAR系统关键参数的设计,针对条带宽度与方位分辨率之比对系统设计的限制进行了具体分析.     

平飞模式双站SAR成像算法研究

双站SAR的成像技术是机载双站SAR的一个关键问题,该文首先建立了平飞模式的双站模型,然后在双站模型等效到单站的基础上,对双站SAR成像方法进行了研究,分别给出了平飞正侧视的CS双站成像算法和平飞斜侧视模式时的ECS双站成像算法,该等效方法能够解决平飞模式的双站SAR成像问题,最后通过计算机仿真,验证了该算法的有效性。     

高分辨率星载P波段SAR系统参数设计

高分辨率星载P波段SAR系统由于工作频率低,相对带宽大,合成孔径时间长,电离层效应影响显著,对系统参数设计和选择提出了与常规星载SAR相比较高而独特的要求。为了获得高质量的P波段SAR图像,必须结合其特点对系统各项关键参数进行论证比较。提出了星载P波段SAR的系统分析流程,结合其特点分析了系统体制选择、工作频率和极化方式选择,给出了系统等效噪声系数、PRF、距离方位模糊、天线口径等关键参数的设计,仿真结果表明该文的结果在分辨率和观测带等关键指标上优于欧空局BIOMASS系统。论文的工作可为星载生物量观测P波段SAR系统的工程实现提供参考。     

基于等效斜视距离模型的高分辨率星载SAR波数域成像算法

为了解决CS算法在距离压缩时无法使用带有误差的原始信号的问题，作者提出一种等效斜视的波数域算法．本文基于星载SAR等效斜视距离模型，利用Bamler提出的波数域算法推导方法，从原始回波信号模型入手，详细推导出基于等效斜视距离模型的高分辨率星载SAR波数域成像算法，并给出了该算法的实现步骤．该算法适用于大距离徙动高分辨率星载SAR的精确成像．文中利用点目标回波仿真数据验证了算法的有效性并给出了该算法成像的质量评估指标．     

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。     

基于FPGA的星载SAR成像信号处理技术

通过现场可编程门阵列(FPGA)设计并实现星载合成孔径雷达(SAR)成像处理,能够完成对多种模式星载SAR回波数据的高速处理。该文搭建的成像处理系统以子孔径极坐标格式算法(PFA)为核心,首先,在精确的多普勒中心频率估计基础上,采用基于尺度变换原理的距离向处理(PCS)与方位向高精度sinc插值级联的算法处理流程实现子孔径数据域重采样,极大地提升了处理精度与运算效率;然后,对各子孔径图像进行辐射校正消除扇贝效应,并采用加权平均算法获得了全孔径拼接图像;最后,基于Sentinel-1卫星实测数据对本系统进行了验证和分析,在系统工作频率200 MHz情况下,能够在5.92 s内实现8 192×8 192像素点的32位单精度浮点成像处理,实测数据成像结果验证了该系统的有效性,从而为实时处理奠定了技术基础。     

基于GPU的AES算法实现

近几年图形处理器GPU的通用计算能力发展迅速,现在已经发展成为具有巨大并行运算能力的多核处理器,而CUDA架构的推出突破了传统GPU开发方式的束缚,把GPU巨大的通用计算能力解放了出来.本文利用GPU来加速AES算法,即利用GPU作为CPU的协处理器,将AES算法在GPU上实现,以提高计算的吞吐量.最后在GPU和CPU...     

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。     

基于距离走动校正的星载SAR成像算法

该文提出一种适合大距离徙动星载SAR的成像算法,该算法首先要对回波信号的距离走动进行校正,因而距离向和方位向的耦合度大大减小,成像质量得到提高。文中详细地推导出了该算法。然后对距离多普勒域的调频斜率的近似误差进行了分析,并与普通的斜视算法进行了比较。最后通过点目标成像仿真和实际数据成像仿真,验证了该算法的有效性。     

基于GPU的人脸检测和特征点定位研究

人脸分析相关应用越来越广泛,但随着高清视频影像的广泛使用,传统的基于CPU设计实现的程序已难以满足时效性要求。本文基于GPU平台实现了人脸检测和特征点定位的并行化。首先为了加速人脸检测过程,使用Nvidia的CUDA计算范式,通过"窗口级并行"和"分类器级并行"两步实现基于Haar特征的Adaboost算法;然后在人脸检测的基础上,提出一种在常量时间内获得初始模型的方法,并行实现ASM算法。与OpenCV中基于CPU的方法相比,基于GPU的本方法有一定速率提升。     

一种差分SAR层析高分辨成像方法

城区建筑的4维成像是差分SAR层析的重要应用领域之一。此种应用背景下,如何利用空间-时间2维平面内稀疏分布的观测数据,在保持方位向-距离向分辨率的同时实现高程向-形变速率向的高分辨成像是差分SAR层析面临的难点问题。在确定性点目标模型下,基于松弛(RELAX)算法,该文提出了一种适用于城区建筑目标的差分SAR层析高分辨成像方法。与统计模型下的空间谱估计方法相比,该方法无需多视处理,能够保持方位向-距离向分辨率。与奇异值分解方法相比,该方法具有更优的高程向-形变速率向分辨能力。在仿真实验和Envisat-ASAR实测数据处理中,该方法的有效性得到了验证。     

基于压缩感知的多发多收高分辨SAR成像算法研究

压缩感知理论指出,稀疏信号可以通过以低于奈奎斯特采样的测量数据重建出原始信号。针对高分辨率SAR成像在奈奎斯特理论下所面临的高速A／D采样、大数据量存储、传输等问题挑战。本文提出了一种基于压缩感知理论的多发多收高分辨率SAR二维成像算法。该算法减轻了高分辨率SAR成像的压力,采用压缩感知处理降低了A／D采样速率、数据量...