基于GPU的分块PGA的加速实现

摘要

载机运动的非稳定性会造成地面不同散射点的接收信号引入空变相位误差,该空变相位误差在大测绘带宽及高分辨率成像情况下会造成图像大范围散焦.分块相位梯度自聚焦(PGA)能够完成各种SAR成像算法处理后的空变相位误差补偿,具有较强的鲁棒性.本文主要研究在CUDA架构下对该算法进行任务拆分,通过异步多数据流、多级Kernel联合处理、外存合并访问、共享存储器等CUDA优化技术,完成了该算法流程的GPU加速实现方案.该方案在Nvidia K20c GPU平台上处理32K*8K的时间为0.92s,相对于4核CPU平台8线程处理的加速比达到39,为SAR成像处理中的空变相位误差补偿在GPU上的快速实现提供了一种可借鉴的思路.