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。     

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。     

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。     

基于GPU的高分辨率星载SAR成像处理研究

由于在传统的CPU 平台上进行计算耗时量大,一方面由于SAR回波数据量大,另一方面成像算法复杂。而处理核心众多则是GPU一大优势,适合独立并行结构算法的加速。文中借助GPU 强大的浮点运算和高度的并行处理能力,将SAR成像中ECSA算法在GPU上进行了验证,并得出较好的效果,综合(计算时间+IO时间)加速比有了一定提高。在高分辨率星载SAR成像领域中,CUDA-GPU的运用将是未来发展方向,文中给出了利用GPU处理星载SAR数据可行的初步结论,为进一步优化程序奠定了基础。     

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。      

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。     

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。     

SAR图像压缩采样恢复的GPU并行实现

压缩采样(CS)技术被尝试应用于合成孔径雷达(SAR)图像的压缩。然而,高分辨SAR图像数据量大,导致压缩采样后的恢复过程计算量大,传统的中央处理器(CPU)无法实时成像。为解决这一问题,该文在图形处理器(GPU)平台上设计了CS的并行方法,并实现了SAR图像压缩。实验结果表明,在保证SAR图像压缩性能的前提下,该文设计的GPU并行处理速度能够提高到CPU串行处理的8.8倍。     

基于GPU的后向投影SAR成像算法

后向投影(BP)是一种精确的时域合成孔径雷达(SAR)成像算法,但是其巨大的运算量很难满足实时成像的要求,图形处理器(GPU)具有强大的浮点运算和高度的并行处理能力,为BP算法的实时成像提供了一个很好的平台。提出基于GPU的并行化BP算法,利用了四种优化方法对并行化BP算法进行加速,并且针对共享存储器的bank冲突问题提出了相应的解决方法,减少了共享存储器访问时间。最后给出仿真数据的成像结果,结果表明,与传统的基于CPU单线程的BP算法相比,成像速度可达到70倍以上的提升。     

利用CUDA实现的基于GPU的SAR成像算法

高速发展的图形处理器（Graphics Processing Unit,GPU）为高效合成孔径雷达（Synthetic Aperture Radar,SAR）成像算法提供了具有发展前景的新型运算平台。与CPU相比,利用GPU进行通用计算具有成本低、性能高的特点。提出利用CUDA实现的基于GPU的SAR成像算法,与传统的基于CPU的成像算法相比,有两位数以上的效率提升,为应对SAR信号处理领域新的挑战提供具有前景的研究方向。     

基于数字波束锐化的高速前视合成孔径雷达成像算法

针对目前前视合成孔径雷达(Synthetic Aperture Radar,SAR)成像算法都基于平台前向运动速度较低,无法应用于高速运动平台的问题,以单发多收的机载前视SAR系统为研究对象,分析了高速前视SAR的空间几何模型和回波信号模型,提出了一种适合于高速前视SAR的多普勒波束锐化(Digital Beam Sharpening,DBS)成像算法.同时,为了解决高速运动带来的成像模糊问题,提出了相应的距离徙动校正方案,显著提高了DBS算法的成像质量.最后,模拟了点目标阵列的前视SAR回波数据,并利用所提出的算法进行了成像.成像结果验证了算法的有效性.     

类似虹膜轮廓曲线分割的SAR雷达成像技术

合成孔径雷达(SAR)成像是跟踪探测机动目标的基础,传统的SAR雷达成像基础采用数据融合和图像配准的雷达成像方案,在获得具有相似测度的边缘轮廓特征时成像效果较好,当运动目标边缘为断裂的非相似度特征时,无法准确对快速运动目标成像.引入虹膜边缘轮廓曲线分割技术,提出一种基于虹膜边缘函数计算和区域灰度轮廓曲线分割的SAR雷达成像技术.构建合成孔径雷达回波模型,得到虹膜轮廓曲线分割的边缘函数的演化方程,实现SAR雷达准确成像.对4类高速飞行目标进行SAR成像仿真,结果表明采用该算法能避免因距离色散和多普勒时变出现的成像散焦,边缘轮廓特征能全面提取,成像分辨高.在雷达目标识别等领域具有较好的应用性.     

基于GPU的虚拟内窥镜场景实时绘制算法

为满足影像引导手术(IGS)中高分辨率、海量数据的实时渲染,提出一种基于GPU的虚拟内窥镜场景实时绘制算法。该算法针对虚拟内窥镜渲染数据的特点(管腔数据占总数据比例小,5%左右),首先对图像进行自动分割,得到管腔组织的分割数据;仅将分割后的数据一次载入图像显存,利用光线投射算法进行渲染,并在多GPU负载方面做了优化。充分利用GPU渲染和并行计算的能力,实现了海量数据(1 024×1 024×1 024)的实时渲染。     

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。     

弹载SAR宽域成像的扫描参数设计

针对弹载条带合成孔径雷达(SAR)在末制导阶段由于波束覆盖范围窄和成像时间短,不易获得所要求的大面积图像的问题,提出了一种新的波束扫描方案,并根据导弹在末制导阶段的飞行特点,结合子孔径处理方法,对波束扫描参数进行了理论分析和设计.仿真结果表明,与条带SAR相比,该扫描SAR能有效地在较短的数据录取时间内获得大面积的SAR图像.     

基于嵌入式GPU的SAR实时舰船检测算法CUDA设计

为了实现对合成孔径雷达(SAR)图像中舰船目标的实时检测,本文以双参数恒虚警(CFAR)算法为例,提出一种基于ARM+GPU架构的SAR图像舰船目标检测算法的实现方案.该方案在NVIDIA Jetson TK1开发板上的测试结果表明,与传统基于CPU的SAR图像舰船检测算法相比,该方案能够达到数百倍的速度提升,有效解决了利用CPU平台进行舰船目标检测耗时长、效率低的问题.Jetson TK1作为嵌入式处理平台,相对于工作站或服务器,在功耗和便携性方面都具有明显的优势.