[发明专利]基于累积和并行化的机载雷达运动速度估计方法

说明书

本发明公开了基于累积和并行化的机载雷达运动速度估计方法，解决了机载雷达运动速度估计中计算效率不高、硬件资源利用不足的问题。实现步骤有：生成GPU内机载雷达运动加速度向量；设计GPU内核函数的线程配置；生成机载雷达运动速度变化量向量；线程块内并行累积和计算，得到GPU各线程块内的机载雷达运动速度临时向量；GPU块间并行累积和计算，得到机载雷达运动速度向量。本发明根据硬件资源容量结合初始数据量，设置合理的线程配置；构建了适于并行计算平台的累积和求解模型；对线程块内及线程块间数据并行计算。使算法复杂度降低，运行效率提高，硬件资源利用更合理有效，整体提高数据处理速度和硬件资源利用率。用于SAR成像中的机载雷达快视成像。

技术领域

本发明属于雷达数据处理技术领域，涉及GPU并行加速技术，具体是基于累积和并行化的机载雷达运动速度估计方法，用于SAR成像中的机载雷达运动速度估计。

背景技术

在机载合成孔径雷达速度估计中，主要用累积和方式对雷达运动加速度向量积分得到雷达运动速度向量。

传统基于CPU平台的串行方法是依次序将向量中元素逐个叠加，这种方法虽然简单易行，但由于该方法的运算次数与向量长度成正比，算法复杂度较高，因此在性能较普通的CPU上执行该方法时会耗时很长，影响了机载合成孔径雷达的实时成图速度，特别是在初始的加速度向量尺寸较大，对SAR快视出图的速度要求较高时、传统的累积和串行方法效率低、运行慢的缺点就更加明显地暴露出来；另外，在传统的累积和串行方法当中，前后两次的叠加计算之间具有依赖性，数据之间不能采用并行处理，因此只能单核计算，导致硬件资源占用率很低，则在大部分高校、企业中的多核CPU平台上，不能发挥底层硬件的性能优势。

现有技术中使用CPU平台串行计算累积和完成机载雷达运动速度估计，存在运算速度不快和硬件运算单元使用不足等问题，不能满足机上实时成图要求。

发明内容

针对现有技术中机载合成孔径雷达运用累积和在估计运动速度向量时运算速度不快、硬件运算单元使用不足这一问题，本发明提出一种加速效果显著、资源利用率高的基于累积和并行化的机载雷达运动速度估计方法。

本发明是基于累积和并行化的机载雷达运动速度估计方法，其特征在于，包括有以下步骤：

步骤1生成GPU内机载雷达运动加速度向量:在机载雷达对地面场景连续成像过程中，采集雷达回波数据，将前期雷达算法估计出的机载雷达等时间间隔Δt的运动加速度集合从CPU内存复制到GPU全局内存，形成GPU全局内存中的机载雷达运动加速度向量A；

步骤2设计GPU内核函数的线程配置：在GPU硬件资源限制范围内，根据机载雷达运动加速度向量A的长度，确定GPU需要划分的线程块数量及尺寸，形成GPU内核函数执行时的线程配置；

步骤3生成机载雷达运动速度变化量向量：运动加速度向量A中每一元素与等时间间隔Δt相乘，生成GPU全局内存中的机载雷达运动速度变化量向量ΔV＝{ΔV₀,ΔV₁,…,ΔV_BlockIdx,…,ΔV_GridNum-1},将ΔV中所有子向量顺序复制至各对应线程块内共享内存中，参与并行累积和计算；