基于GPU的前视成像半实物仿真系统设计与实现

摘要

传统的合成孔径雷达（Synthetic Aperture Radar, SAR）和逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）都是一种具有高分辨率的相干成像雷达，其成像过程需要利用目标和雷达间的相对运动所产生的多普勒信息。它们能适应不同气候环境和昼夜时间段，因此已被应用于各个领域。但在需要探测雷达载体前方的情况时，其固有的成像机制会导致前视盲区问题。
　　为了解决前视成像问题，人们提出了众多的解决方案。近年来，随着量子光学的发展，尤其是计算鬼成像技术的出现，学者们提出了一种全新的前视成像算法：基于量子理论的前视微波关联成像算法。该成像算法具有分辨率高的优点，但其计算量巨大，硬件资源要求高，传统的信号处理平台难以在短时间内完成算法的实现和验证工作。伴随着电子技术的迅猛发展，图形处理单元（Graphics Processing Units, GPU）的性能不断得到提升，使得GPU的应用范围从图像显示领域扩展到了通用信号处理领域。鉴于此，本文利用GPU的并行处理能力来优化微波关联成像算法，以此来缩短算法运行时间。
　　本文重点研究了基于GPU的前视微波关联成像的实现以及半实物仿真系统的验证。论文首先论述了量子关联成像原理和压缩感知理论，重点对稀疏信号重建算法进行了说明。然后给出了前视微波关联成像的信号模型和算法流程，针对性能要求，构建了最小l1范数优化模型，选用了梯度投影算法进行求解。为了验证前视成像算法的性能，本文描述了基于GPU的半实物仿真系统的搭建及测试过程，该半实物仿真系统主要包括三部分：仿真控制平台、回波数据产生平台和基于GPU的信号处理平台。为了实现前视成像算法在信号处理平台上的运行，本文通过对算法的并行性分析，实现了功能模块的划分，接着运用统一计算设备架构（Compute Unified Device Architecture, CUDA）库函数和优化策略，在GPU上实现了前视成像算法的并行处理。最后通过上位机界面实现了系统参数传输和算法控制，完成了半实物仿真系统的整体联调工作。经过测试结果证明，在运算量相当的情况下，基于GPU的算法实现相比CPU具有更高的性能。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究背景与意义

1.2论文的主要内容和结构安排

第二章 基于关联成像原理的前视雷达成像技术

2.1量子关联成像原理

2.2压缩感知理论

2.3前视微波关联成像

2.4本章小结

第三章 基于GPU的半实物仿真系统设计

3.1半实物仿真系统总体设计

3.2基于GPU的信号处理平台

3.3回波数据产生平台

3.4本章小结

第四章 基于GPU的前视微波关联成像算法实现

4.1算法可行性分析

4.2算法实现流程

4.3 GPU程序优化

4.4本章小结

第五章 半实物仿真系统测试结果及分析

5.1前视微波关联成像测试平台

5.2成像结果及分析

5.3本章小结

第六章 总结和展望

6.1全文总结

6.2不足与展望

参考文献

致谢

作者简介