基于GPU的机载SAR成像算法的设计与实现

发布时间：2017-08-17 02:04

  本文关键词：基于GPU的机载SAR成像算法的设计与实现

  更多相关文章： 合成孔径雷达(SAR) 实时 通用计算图形处理器(GPGPU) 统一计算架构(CUDA)

【摘要】：随着合成孔径雷达的不断发展,其在国防工业和民用领域的应用越来越广泛。为了更加充分地发挥SAR全天时、全天候、远距离、高分辨率、广域观测的特点,实际应用中,对SAR的分辨率和测绘带的要求不断提高。机载宽波束高分辨率SAR是实现SAR高分辨率和宽测绘带的一种方式。但是,机载宽波束高分辨率SAR的合成孔径时间长,数据量和计算量较大,在传统的基于CPU的工作站或者服务器上进行数据处理会耗费比较长的时间,无法满足实时性要求。通用计算图形处理器(GPGPU)的出现,GPGPU为宽波束高分辨率SAR数据的实时处理提供了一种可行的途径,通用计算GPU专为加速计算密集型的应用而设计,如今已经发展成具有高度并行、多线程、多核心、超大带宽、具有数百个计算单元的高性能处理平台。本文首先介绍SAR成像的基本原理和通用计算GPU的硬件架构,然后借助NVIDIA的统一计算架构(CUDA),采用通用计算GPU的对机载宽波束高分辨率SAR成像算法进行实现,并针对GPU的特点对算法的实现进行优化加速,本文主要研究内容总结如下:1、针对传统RMA算法在处理机载宽波束SAR回波数据时频谱利用率不高的问题,对传统的RMA算法进行了改进,并采用一种对数据分段的方案使用GPU对算法进行了实现和优化。该方案解决了在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。并针对算法和GPU硬件的特点,使用共享内存优化技术和开启多个CUDA流等方法对算法进行了优化,充分利用了GPU设备的计算资源。使用NVIDIA K40c显卡对算法进行了测试,测试结果表明相对于传统的CPU,GPU能实现14倍左右的加速比。2、由于机载宽波束高分辨率SAR的合成孔径时间长,载机飞行轨迹不稳定,会导致SAR图像散焦和几何失真,需要对回波数据进行运动补偿,传统的基于全孔径的成像处理算法难以满足实时成像的要求,本文采用一种基于子孔径的机载宽波束高分辨率SAR成像处理方法,并用GPU并行处理技术对该成像处理方法的耗时部分进行优化加速,采用并行归约算法和合并内存访问的方法提高了算法执行效率,然后使用MATLAB和CUDA C混合编程技术对算法的各个耗时模块进行实现并封装成MEX文件,使得MATLAB可以直接调用,从而实现快速成像的要求。最后使用NVIDIA K40c显卡对程序的性能进行了测试,实验结果表明该算法的实现方案能对实测数据进行良好的成像并实现9倍左右的加速比,提高了算法的执行效率。
【关键词】：合成孔径雷达(SAR) 实时 通用计算图形处理器(GPGPU) 统一计算架构(CUDA)
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V243.2
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-12
• 缩略语对照表12-15
• 第一章 绪论15-21
• 1.1 SAR成像算法研究现状15-16
• 1.2 GPU通用计算的发展及现状16-17
• 1.3 课题研究背景17-18
• 1.4 论文主要内容及安排18-21
• 第二章 SAR成像基础理论21-27
• 2.1 脉冲压缩技术21-23
• 2.2 合成孔径雷达两维高分辨率原理23-26
• 2.2.1 合成孔径雷达距离向高分辨率原理24-25
• 2.2.2 合成孔径雷达方位向高分辨率原理25-26
• 2.3 本章小结26-27
• 第三章 GPU硬件架构和编程模型27-41
• 3.1 并行处理技术27-29
• 3.2 GPU硬件架构29-36
• 3.2.1 GPU硬件架构发展历程29-32
• 3.2.2 Nvidia Tesla K40显卡硬件架构32-36
• 3.3 CUDA编程模型36-40
• 3.4 本章小结40-41
• 第四章 一种改进的RMA算法的GPU实现和优化41-55
• 4.1 传统的RMA算法41-44
• 4.2 一种改进的适用于宽波束大场景的RMA算法44-45
• 4.3 算法的GPU实现和优化方案45-53
• 4.3.1 总体方案设计45-46
• 4.3.2 数据并行划分46-48
• 4.3.3 GPU存储优化48-52
• 4.3.4 程序实现步骤52-53
• 4.4 实验结果及分析53-54
• 4.5 本章小结54-55
• 第五章 基于GPU和MATLAB的SAR成像算法实现及优化55-71
• 5.1 一种机载宽波束子孔径SAR成像算法55-61
• 5.1.1 存在线性误差时时聚焦结果的推导55-59
• 5.1.2 线性误差项的估计59-61
• 5.2 MATLAB CUDA C混合编程技术61-64
• 5.2.1 MATLAB CUDA C混合编程技术简介61-62
• 5.2.2 MATLAB调用CUDA C程序的实现方法62-64
• 5.3 基于GPU和MATLAB的成像算法实现和优化64-69
• 5.3.1 总体方案设计及数据划分64-66
• 5.3.2 GPU的存储优化66-67
• 5.3.3 实验结果及分析-67-69
• 5.4 本章总结69-71
• 第六章 总结与展望71-73
• 6.1 论文总结71
• 6.2 工作展望71-73
• 参考文献73-75
• 致谢75-77
• 作者简介77-78

【参考文献】

中国期刊全文数据库 前2条

1 侯毅;沈彦男;王睿索;余宗超;;基于GPU的数字影像的正射纠正技术的研究[J];现代测绘;2009年03期

2 张彬;李凉海;;机载SAR运动补偿技术研究[J];遥测遥控;2007年S1期

，

本文编号：686577