基于GPU粗细粒度和混合精度的SAR后向投影算法的并行加速研究

SAR(Synthelic Aperture Radar,合成孔径雷达)后向投影成像算法计算量大,严重影响SAR信息获取的时效性。GPU(Graphics Processing Unit,图像处理单元)具有强大的浮点计算能力及高度并行的架构,在处理可并行任务中具有显著优势。该文基于GPU的粗细粒度和混合精度,针对SAR后向投影成像算法提出了一种并行加速技术方案。该方案基于异步流技术压缩了回波传输与脉冲压缩的耗时,解决了脉冲压缩效率受限于回波大小的问题;基于GPU共享内存,解决了矩阵转置过程中GPU内存不足的问题,并提高了矩阵转置效率;基于GPU粗细粒度,实现了后向投影算法在线程和线程块两层粒度上的加速并行,并基于混合精度的数据处理方法进一步提高了后向投影成像算法效率,提高了GPU计算资源利用率。通过对实测数据处理分析,验证了所提的GPU并行加速处理方案的正确性和加速性能。在相同实验条件下,较于CPU平台,双精度和混合精度的处理方法均获得了较大加速比,显著提升了成像效率。

基于GPU的多模式SAR成像加速研究

针对多模式合成孔径雷达(SAR)成像处理中存在的计算效率不足问题,提出了一种基于GPU的多模式SAR统一成像并行加速方法。为充分利用GPU的显存资源,提高算法的运算效率,利用共享内存对矩阵转置、矩阵相乘等部分进行大规模数据并行计算。实验结果表明,该算法大幅度提升了多模式SAR成像的计算效率,最高加速比达到55.62,解决了GPU显存空间利用率较低的问题。

大幅宽SAR图像嵌入式舰船实时检测系统设计

针对星载或机载高分辨率合成孔径雷达(synthetic aperture radar,SAR)实时成像后的大幅宽SAR图像舰船实时检测的应用需求,传统的基于FPGA+DSP的嵌入式系统很难同时实现SAR成像处理和基于人工智能技术的大幅宽SAR图像舰船实时检测,为此设计了一种基于3U VPX FPGA+GPU架构的大幅宽SAR图像嵌入式舰船实时检测系统;提出了一种基于YOLOv5s的舰船检测模型,采用基于L2-范数稀疏性惩罚的缩放因子控制法进行轻量化,轻量化舰船检测模型的参数量减小了47.39%,计算量减少了18.67%,平均检测精度为0.968;将轻量化舰船检测模型应用于大幅宽SAR图像嵌入式舰船实时检测系统,并针对典型的10 km×10 km的大幅宽图像应用场景,设计开发基于多线程技术和基于GPU的众核并行计算技术的大幅宽SAR图像嵌入式实时检测系统软件;通过公开的SAR数据集进行功能验证和性能评估,该系统能够满足不同分辨率的大幅宽SAR图像舰船实时检测需求。

基于GPU的长轨SAR实时成像算法

为了满足长轨道超高分辨W波段合成孔径雷达(Synthetic aperture radar,SAR)的快速成像需求,本文提出了一种基于图形处理器(Graphics processing unit,GPU)的ω-K实时成像算法,该算法采用并行架构和双流多线程的处理方式。默认流沿着物理原理的方向进行数据处理,首先对距离补偿、误差校正和补零等操作进行并行化处理,然后采用一层嵌套的插值方式,通过维持上下层的依赖关系和同步管理就能达到约30的加速比。阻塞流与默认流同时启动,生成默认流所需的参数和函数,并在执行前将其存入显存,极大地缩小了算法的运行时间,同时通过在默认流上设置事件以保持双流的同步并行执行。实验结果表明,算法总的加速比可达13左右,幅值和相位相对误差趋近0,不仅具有良好的实时性、聚焦性,还保持了良好的成像效果。

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。

无人机载MiniSAR实时成像处理GPU异步优化

合成孔径雷达(SAR)以其全天候、全天时的工作特性及其分辨率不随平台高度变化的成像特性,已成为航天遥感、目标检测领域重要的传感器之一。SAR算法复杂度往往与成像分辨率呈正相关,其中计算量问题成为雷达成像实时性的一大挑战。无人机载MiniSAR具有小型化、低功耗、灵活性强和隐蔽性强等优点,其小型化使设备计算能力受限,加剧了复杂度与分辨率之间的矛盾。图形处理单元(GPU)和多线程技术发展迅速,为无人机载MiniSAR实时成像提供了平台。本文根据实时处理机数据流和GPU异构系统的特点,提出了一种GPU异步优化方案,该方案可明显提高中央处理单元(CPU)与GPU之间的并行工作效率,节约大部分的数据存取开销。实验结果证明:GPU的成像效率是单CPU系统的12倍左右,在此基础上,使用GPU异步优化方案后效率可继续提升15%左右。本文提出的设计思路可显著缓解无人机载MiniSAR的实时成像计算压力。

基于GPU的SAR回波仿真高效实现方法

针对合成孔径雷达(synthetic aperture radar,SAR)分布式场景回波仿真计算量巨大的问题,提出了一种结合改进的同心圆算法与图形处理器(graphics processing unit,GPU)技术的高效SAR回波仿真方法。首先,针对常规同心圆算法精度较低造成的图像信噪比低的问题,提出了一种改进的同心圆算法。其次,为了充分发挥GPU处理核之间的并行优势,对该算法的GPU并行处理进行了深度优化,进一步提升了仿真速度。具体方法是,根据并行度的高低设计核函数,确定了先采用"线程外推"实现部分目标回波的同心圆累加,再用"归约相加"实现所有目标回波的累加。最后,与常规GPU方法进行了实验对比,验证了所提方法的精确性和高效性。

一种基于GPU的SAR高效成像处理算法

合成孔径雷达(SAR)成像处理是一项需要进行大量计算的处理任务。图形处理器(GPU)具有数十倍于CPU的浮点计算能力以及传输带宽,而CUDA技术的发展使得GPU能够方便地进行通用计算。该文提出了一种在GPU上进行SAR成像的高效方法。与一般GPU处理方法相比,该方法使得处理过程中的CPU-GPU往返数据传输由4次减少到1次,而且同时利用了工作站上的CPU与GPU计算资源。实验结果表明,该方法能够带来相对一般GPU处理方法2.3倍的处理效率提升,从而验证了该方法的有效性。

利用CUDA实现的基于GPU的SAR成像算法

高速发展的图形处理器(Graphics Processing Unit,GPU)为高效合成孔径雷达(Synthetic Aperture Radar,SAR)成像算法提供了具有发展前景的新型运算平台。与CPU相比,利用GPU进行通用计算具有成本低、性能高的特点。提出利用CUDA实现的基于GPU的SAR成像算法,与传统的基于CPU的成像算法相比,有两位数以上的效率提升,为应对SAR信号处理领域新的挑战提供具有前景的研究方向。

SAR图像压缩采样恢复的GPU并行实现

压缩采样(CS)技术被尝试应用于合成孔径雷达(SAR)图像的压缩。然而,高分辨SAR图像数据量大,导致压缩采样后的恢复过程计算量大,传统的中央处理器(CPU)无法实时成像。为解决这一问题,该文在图形处理器(GPU)平台上设计了CS的并行方法,并实现了SAR图像压缩。实验结果表明,在保证SAR图像压缩性能的前提下,该文设计的GPU并行处理速度能够提高到CPU串行处理的8.8倍。

嵌入式GPU滑动聚束SAR实时成像方法

针对SAR实时成像系统的传统计算平台实时性不足与功耗过高的问题,研究了一种基于嵌入式GPU的实现方法.为了充分利用嵌入式GPU中有限的内存资源,提出一种内存分割与重配置方案,采用页锁定内存和zero-copy技术,实现数传计算并行化处理;为解决实时性问题,在算法并行计算环节,利用共享内存、寄存器等资源实现大规模数据并行.结果表明,在TX2上完成16384×8192点滑聚SAR成像处理时间为12.66 s,功耗为15 W.该优化方法也适用于其他模式的雷达处理算法,并可为未来嵌入式实时成像处理提供参考.

基于GPU的圆迹视频SAR实时成像算法

视频SAR要求高分辨率实时成像,很多成像算法在高分辨率成像时,算法复杂度较高,使用中央处理器(CPU)处理无法实时成像。为解决这一问题,该文提出了一种基于图形处理器(GPU)的圆迹视频SAR实时成像算法。该算法首先根据帧率与重叠率的关系截取回波数据,然后将极坐标格式算法(PFA)中传统的两维插值用效率更高的Chirp Scaling操作代替,并且利用3种优化技术对PFA的GPU实现进行加速。实验结果表明,该文所用成像算法帧率能达到5Hz,满足视频SAR实时成像的速度要求。

基于GPU的ISAR成像算法实现

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)是一种具有很高的成像分辨率的雷达,其成像过程是一项大数据量的高密度计算的处理任务。图形处理器(GPU)具有数十倍于CPU的浮点计算能力以及传输带宽,而CUDA技术的发展使得多线程、单指令的GPU架构能够方便快速地进行并行计算。提出了一种在cuda平台上用GPU进行非相参成像处理的高效方法,利用GPU的并行特性,实现了成像处理过程的并行化,与一般GPU处理方法相比,其处理速度可以达到实时成像的效果,运算速率明显提高。

超高分辨率机载SAR成像算法及其GPU实现

雷达成像分辨率的不断提高,给SAR高精度实时成像处理带来了新的挑战。采用高效精确的成像算法以及对算法进行硬件加速是解决该问题的有效途径。本文提出了一种适用于超高分辨率机载SAR成像的精确高效成像处理方案,并利用并行化硬件平台GPU对该成像方案进行了硬件加速。实测数据处理结果充分验证了该处理方案的聚焦精度和处理效率。

基于GPU的SAR方位向信号分解的高效实现方法

提出了一种基于图形处理器(GPU)的SAR方位向信号分解的高效实现方法。SAR方位向信号可以通过四参数Chirplet分解方法来分解。此方法的关键难题是计算量过大,计算量主要由2部分组成:构建Chirp原子库,以及SAR方位向信号在过完备库上分解的计算量。与传统的CPU相比,GPU更加适用于密集型和大量数据并行化的计算。提出将算法的核心部分移植到GPU上进行并行计算,充分挖掘其运算潜能。结果表明:该方法与传统的基于CPU的算法相比有两位数以上的效率提升。

一种三维地面场景SAR回波仿真的快速实现方法

针对三维地面场景合成孔径雷达回波仿真中存在计算量巨大的问题,提出了一种基于图形处理单元的合成孔径雷达回波快速仿真方法.首先,采用分形布朗运动模型对数字高程模型数据进行分形插值处理;再对插值后的数据进行小面元剖分并计算了剖分后小面元的后向散射系数;接着利用改进的下视角比较法对三维场景的阴影遮挡进行快速判断;最后详细分析了回波仿真过程中的3个并行层次,设计了核函数,并利用线程外推和归约相加的计算方法,实现了图形处理单元编程架构下三维场景合成孔径雷达回波的快速仿真.利用这种方法对实测数字高程模型数据进行了回波仿真和成像处理,验证了该方法的正确性和高效性.

后向投影成像算法的GPU优化方法研究

合成孔径雷达(SAR)成像算法能够通过图形处理器(GPU)加速来实现处理速度的显著提升。针对后向投影(BP)成像算法的GPU加速,分析了BP算法的并行化和并行处理方法,提出了一种适合GPU加速的BP成像方案;通过研究GPU设计中的多流异步执行技术、数据传输模式和计算速度与精度,进一步提出一种针对BP成像的GPU优化成像方案。通过仿真数据和实测数据在Tesla C2075上的测试结果表明,与GPU非优化方案的实现相比,该方案有了近一倍的速度提升。

基于GPU的改进型GIW雷达图像降噪算法

针对大幅面合成孔径雷达(SAR)图像的斑点抑制问题,提出了一种基于自适应模板的梯度倒数加权(GIW)算法,在编程实现上采用图形处理器(GPU)进行优化,有效地解决了由于像素级运算复杂度高所导致的大幅面雷达图像处理实时性差的问题。高分辨率SAR图像的处理结果显示,该算法在有效抑制斑点噪声的同时较好地保持了边缘细节信息。经过GPU加速后,对于大幅面图像的处理,相对于中央处理器(CPU)实现可以有2个量级以上的速度提升。

一种宽幅星载TOPSAR数据高效成像算法

得益于天线波束方位向扫描技术,星载合成孔径雷达(SAR)能够在渐进扫描模式(TOPS)下实现宽测绘带观测.在TOPS模式下,SAR波束沿着方位向进行逆时针反复扫描,并在距离向上进行多次切换,从而获取多个图像切片(burst).为了获得均匀采样的完整成像结果,通常需要对各burst进行重采样,但这会增加额外的计算量,降低处理效率.本文提出了一种宽幅星载TOPSAR数据高效成像算法.首先,在去斜率操作中引入一种新的插值方法,可以灵活地调整最终图像的方位采样间隔,方便进行图像拼接.该方法避免了在聚焦处理前的补零操作,从而降低计算量.在此基础上,本文结合TOPS模式多burst的特点,设计了一种GPU并行处理架构,成倍地提高数据处理效率.最后,根据仿真数据进行了实验,验证了该成像算法的有效性和高效性.

基于GPU并行运算的高效雷达成像谱估计算法

Apes和Capon等谱估计算法在SAR成像方面有着广泛的应用。同基于快速傅里叶变换的成像算法相比,谱估计成像算法能够获得更窄的谱峰和更低的旁瓣,但是计算量庞大。本算法基于图形处理器(Graphic Processing Unit,简称GPU)并行计算原理,在Jacket平台上实现了以上两种算法在雷达超分辨成像上的加速。在NVIDIA Tesla C2050和Intel(R)Xeon(R)CPU X5680上的测试表明,与传统基于CPU的SAR成像算法相比,本算法能够使计算速度得到数倍的提升。