基于GPU并行计算的雷达信号分选算法研究

发布时间：2020-02-09 16:23

【摘要】：雷达信号分选技术能力的高低是判断电子对抗系统先进程度的主要标志。随着雷达电子技术的进步,由于现代雷达体制多变以及数量倍增,形成了很复杂的电磁环境,使得雷达信号分选技术成为电子对抗技术发展的瓶颈。本文实现一种并行的雷达信号分选算法并将其在GPU上实现,可快速、准确并实时的分选出各部雷达信号。在未知的复杂电磁环境中,快速实时的分选出未知雷达信号成为了雷达信号分选技术的一个瓶颈。本文针对未知的雷达辐射源信号设计并实现了一种基于GPU的并行化雷达信号分选算法,该算法是基于Fast-ICA的K-Means聚类的雷达信号分选算法。由于多参数均值聚类分选算法严重依赖于初始聚类中心和类别数目,本文通过引入Fast-ICA分选算法来解决聚类分选算法需要知道先验知识的不足。本文首先利用Fast-ICA雷达信号分选算法对部分雷达信号进行分选,可以将噪声与雷达信号分离开并为接下来的聚类雷达信号分选算法提供聚类数目,再由K-Means聚类雷达信号分选算法依据雷达脉冲描述字对雷达信号进行快速聚类分选。本文基于CUDA编程架构并将上述算法并行化,使该算法可以在GTX-1080显卡上运行并快速分选雷达脉冲信号。最后,通过模拟复杂的电磁环境,仿真不同类别雷达信号和同类别雷达信号,使用上述算法进行分选,结果表明分选效果良好。在分选2.68MB的雷达脉冲信号时,本文的设计的基于GPU的并行信号分选算法与串行算法相比,并行Fast-ICA分选算法加速比高达40倍,并行的K-Means聚类信号分选算法加速比高达260倍,而并行的基于Fast-ICA的K-Means聚类信号分选算法加速比相比于并行Fast-ICA算法高达1.5倍,因此本文实现的并行雷达信号分许算法可满足雷达信号分选的实时性指标。
【图文】：

序列,四阶,雷达信号,分选

道太多的先验知识并可以实时快速准确的分选雷达信号的算法。本课题未知雷达辐射源信号分选，致力于研究高性能的雷达信号分选算法并以的运行时间为目标。在雷达源的已知信息很少的情况下，本文通过对雷达行独立分量分析后可以将各个雷达信号和噪声分离开来，然后在对雷达进行聚类分选，在这个过程中由于该算法需要处理大量的雷达信号数据，法开销较大的部分并行化并将其在GPU上运行，缩短雷达信号分选的时当今雷达信号分选的实时性要求。雷达信号分选算法及国内外研究现状近 30 多年以来，关于复杂信号环境下的雷达辐射源信号分选算法研究不步，信号分选技术也随着硬件设备的升级而不断发展。到目前为止，常用号分选算法有 Davies、Campbell 等人提出的序列搜索法[19-20]、基于到达OA）的 PRI 分选算法以及基于多参数的聚类算法[21]和基于神经网络学习法[16]，下面本章将重点介绍几种国内外的雷达信号分选算法：（1）基于直方图的序列搜索算法

变换算法,分选

直方图值进行统计并累加，然后按照可能的间隔值进行序列搜索，直到分的雷达脉冲信号。图 1-1 给出 CDIF 算法分选三部雷达脉冲序列的结果图如图 1-1 所示，CDIF 算法分选三部雷达脉冲信号，由纵坐标得出该算法分选出了各部雷达的脉冲列，但其面对高密度复杂的电磁环境时分选效基于 CDIF 雷达信号分选算法，Milojevic 和 Popovic 提出了时序差直equence Difference Histogram，SDIF）算法，该算法 20 世纪初，，在国内外察系统中应用广泛。后来空军工程大学的吴宏超等人提出一种改进的 SD,19]，该算法可以很好的分选抖动的 PRI 脉冲序列。（2）基于 PRI 的雷达信号分选算法基于脉冲重复间隔（PRI）的方法在雷达信号分选中应用广泛，因此本文列出来，主要介绍一下 PRI 变换分选算法和改进的 PRI 变换分选算法[22 变换算法最初由 Nelson（1993）提出，该算法将脉冲到达时间序列通过复积分变换到一个谱中，使得其谐波处的积分值几乎为零，从而可以真实的冲序列的相关性[23]。下图 1-2 是基于 PRI 变换的雷达信号分选四部雷达：
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN957.51

【参考文献】