基于数据分块并行的FFBP成像算法的FPGA实现

针对快速分解后向投影算法(Fast Factorized Back Projection,FFBP)运算量大,实时处理较难的问题,提出了一种基于FPGA的数据分块并行处理的多阶段流水与同阶段并行的硬件架构设计。该设计将数据分块储存到ULTRARAM(URAM)组,使得在一个时钟周期完成数据地址索引,并对数据进行加权求和,得到插值结果;该设计采用多阶段流水与同阶段并行的硬件架构,充分利用算法并行特性,极大地减少了处理时间;在FPGA处理平台架构下,实现了基于单块板卡的数据分块并行的FFBP算法。经实验验证,当系统处理时钟频率为125 MHz,在147.05 ms时间内实现了1 024×512个采样点的32位单精度浮点复数据成像处理,验证了系统的有效性。

FFBP算法在合成孔径声纳成像中的应用

时域合成孔径成像算法可以更好地适应多子阵造成的方位向采样不均匀问题,并且具有存储空间小、并行处理方便的优点。但精确时域算法运算量非常大,快速分块反向传播投影(Fast Factorized Back Projection,FFBP)成像算法则可以大大降低成像计算量。详细分析了FFBP声程误差的距离效应、孔径合并策略和图像分裂策略、成像的计算量等关键问题,并给出了仿真和实测数据成像结果。通过对仿真和实测成像结果的分析表明:FFBP算法可以提高计算效率,适用于实时合成孔径声纳成像系统。

GPU加速下的三维快速分解后向投影SAS成像算法

后向投影(back projection,BP)算法是一种精确的时域成像算法,但BP算法的计算复杂度高,难以实现实时性成像,特别是在考虑三维成像时,BP算法的计算复杂度会进一步增加。提出一种应用在合成孔径声纳(synthetic aperture sonar,SAS)上的三维快速分解BP(fast factorized BP,FFBP)成像算法,并利用图形处理器(graphics processing unit,GPU)加速三维FFBP算法。经过对点目标的测试,计算时间从原本的263 s降低到了2.3 s,解决了SAS中的三维成像实时性问题。同时,验证了所提算法在非理想航迹下的成像效果。结果表明,在添加幅度不超过0.1 m(一个波长以内)的正弦扰动时,所提算法对点目标仍有良好的聚焦效果。

基于快速分解后向投影算法的小天体快速三维成像

雷达成像技术凭借其快速、无损伤以及高分辨率的特点,在深空探测领域得到了日益广泛的关注。针对合成孔径雷达(Synthetic aperture radar,SAR)三维成像过程中运算效率低的问题,基于小天体弱引力和快速自旋的特点,提出了一种适用于慢飞越观测模式的快速分解后向投影(Fast factorized back-projection,FFBP)三维成像算法。首先,分析了慢飞越模式下的等效运动模型,基于运动模型将二维极坐标系成像域扩展至三维球坐标系成像域,对三维FFBP算法中的孔径划分以及图像融合问题进行了深入分析,推导了子孔径二维划分规则和图像递归融合方法,并给出了具体实现流程。最后通过数值仿真和实测数据验证了算法的有效性。实验结果表明,所提成像算法可大幅提升运算效率,根据不同的孔径划分方式,相较于后向投影(Back-projection,BP)算法,可实现30~50倍的加速比,并获得与经典BP算法近似的成像性能。

快速分解后向投影SAR成像的自聚焦算法研究

SAR图像的自聚焦处理依赖图像域与距离压缩相位历程域之间的傅里叶变换对(Fourier Transform Pairs,FTP)关系。与频域算法不同,时域算法下的这种FTP关系不仅复杂,且难以获取。为了兼顾图像快速重建和自聚焦处理,该文首先对快速分解后向投影(Fast Factorized Back-Projection,FFBP)算法进行必要的改进和适当的优化处理,提出了IFFBP(Improved FFBP,IFFBP)算法,为自聚焦算法的使用奠定了基础。其次,针对数据处理的实际需求,该文提出了一种结合中等精度惯导粗补偿、嵌套相位梯度自聚焦(Phase Gradient Autofocus,PGA)精补偿的IFFBP算法处理流程。最后,通过仿真实验和实测数据处理验证该文方法的有效性。

一种基于快速分解后向投影的条带SAR成像新方法

快速分解后向投影(Fast Factorized Back-Projection,FFBP)最初用于超宽带SAR成像,并在聚束SAR信号处理领域取得了巨大的成功。然而,由于积分孔径和角域升采样的限制,FFBP算法难以直接用于条带SAR处理。为了提高FFBP算法在条带SAR处理的实用性,该文从积分孔径和角域波数带宽的角度出发,提出一种适用于条带SAR处理的重叠图像法。该方法极大地保留FFBP算法的运算效率,有效地避免因角域升采样带来数据量大的问题。最后,通过斜视条带SAR仿真实验验证了该方法的有效性。

基于最优区域划分的子块快速因子分解后向投影算法

后向投影(Back Projection,BP)算法具有精确聚焦、完美运动补偿等优点,适合于机载超宽带合成孔径雷达(Ultra Wide Band Synthetic Aperture Radar,UWB SAR)成像,但是巨大的计算量限制了它的实际应用。子块快速因子分解后向投影算法(Sub-Image Fast Factorized Back Projection,SIFFBP)算法大幅度减小了BP算法的计算量,提高了BP算法的实用性。本文通过分析SIFFBP算法区域划分的约束条件,提出了一种基于最优区域划分的改进算法,解决了传统SIFFBP算法在小波束积累角时加速性能下降的问题。当波束积累角小于60度或成像区域长宽相差较大时,改进算法进一步减小了计算量。仿真和实测SAR数据的成像结果验证了改进算法的性能。

双站前视低频超宽带SAR的快速因式分解后向投影算法成像处理

双站前视低频超宽带(UWB)SAR兼具双站前视的复杂成像构型和低频UWB的强距离方位耦合两个特点,因此极大地增加了实现高精度成像处理的难度。针对这个问题,该文提出一种基于快速因式分解后向投影(FFBP)算法的双站前视低频UWB SAR成像处理方法。首先,基于双站前视低频UWB SAR的成像几何构型和信号模型,给出了双站前视低频UWB SAR原始BP算法成像的原理和流程。其次,在上述基础上,推导了双站前视低频UWB SAR FFBP算法成像处理的精确相位误差形式,并分析了相位误差对成像处理的影响,据此建立了双站前视低频UWB SAR FFBP成像处理中的子孔径和子区域划分原则。接下来,给出了双站前视低频UWB SAR FFBP算法成像处理流程,并对比分析了BP算法和FFBP算法的成像效率。最后,利用仿真实验证明了文中所作理论分析的正确性和所提方法的有效性。

基于子孔径相位误差拼接的相位梯度自聚焦算法

随着雷达技术的发展,合成孔径雷达的成像精度也得到了大幅提升,与之相匹配的,也需要能更精确地进行运动补偿的算法。由于惯导精度无法满足需求,如果仅使用惯导数据对运动误差进行补偿,补偿的结果中含有残余的距离单元徙动,这会损失图像的精度。本文首先分析了残余的距离单元徙动对快速分解后向投影成像算法和相位梯度自聚焦算法的影响,再将用于聚束SAR相位误差补偿的相位梯度自聚焦算法进行优化,提出了基于子孔径相位误差拼接的相位梯度自聚焦算法,使其可以对残余的距离单元徙动进行补偿,并可以将其应用到条带SAR的运动补偿中,最后利用Ku波段雷达的实测数据验证算法的有效性。

采用斜距波数子带划分的SAR图像自聚焦方法

小型旋翼无人机载合成孔径雷达在运动中易受大气湍流等因素影响,产生二维空变的运动误差,影响SAR成像质量。本文提出一种基于拟极坐标系的快速因子分解反向投影(QPG-FFBP)成像自聚焦方法。该方法基于斜距波数子带划分,采用基于加权的相位梯度自聚焦模型估计每个子带的方位相位误差,并融合非系统距离单元徙动的相干性估计,完成全图像的运动补偿,解决二维空变误差补偿问题,提升图像的聚焦效果。通过仿真实验以及小型旋翼无人机载实测SAR数据验证了该方法的有效性。