[发明专利]一种GPU并行加速的包络对齐快速实现方法

权利要求书

1.一种GPU并行加速的包络对齐快速实现方法，距离压缩后的目标回波数据从计算机内存传输至GPU进行包络对齐处理，其特征在于，包括以下步骤：

步骤1，设距离压缩后的目标回波数据的方位向回波次数为M，距离向采样点数为N；则在GPU全局内存分别开辟大小为M×N×2×4个字节的数据存储区D，大小为k×M×N×2×4个字节的数据存储区S和H；D内存储距离压缩后的目标回波数据，即距离图像域数据Y；

其中，GPU中以float类型进行运算；k为插值倍数；

步骤2，对距离图像域数据Y进行IFFT变换得到对应距离数据域数据，再对该距离数据域数据进行插值处理和FFT变换，得到差值后的回波数据Z，采用绝对值核函数计算Z的绝对值，得到数据Q，Q存储于存储区S；

其中，GPU中每个block对应处理一次回波数据，M个block并行进行数据处理，每个block内至少包含N个线程，；

步骤3，随机选取数据Q的某次回波作为包络粗对齐的基准包络，利用GPU并行架构，将其余回波Q_i和基准包络并行执行互相关操作，计算每次回波对应的包络偏移量；据此对每次回波Y_i进行平移校正处理，得到校正后回波数据，并以此更新存储区D内的存储数据Y，实现其余回波与基准包络的粗对齐；

步骤4，对校正后的回波数据进行插值处理和FFT，得到校正后距离图像域回波数据，即新的Z值，并以该新的Z值更新存储区S内的存储数据Q；每个block并行对新的Z值求绝对值，得到数据F，将其存储于存储区H；

步骤5，对当前包络对齐结果F沿方位向求平均，得到平均包络，并将其作为新的基准包络，计算该新的基准包络的熵值；GPU并行对粗校准后的每次回波数据F_i分别与新的基准包络进行互相关操作，并计算新的包络偏移量；据此对每次回波数据Y_i进行当前次的包络平移校正，得到当前次校正回波数据。

步骤6，对当前次校正回波数据依次进行插值处理和FFT，得到当前次校正的距离图像域回波数据，并以该数据更新存储区S的存储数据Z；每个block并行对该数据Z求绝对值，以求得的当前次绝对值更新数据F；

步骤7，迭代执行步骤5-步骤6，直至满足迭代终止条件，对迭代终止时的回波数据Y做距离向的FFT，转换成距离图像域数据，即为包络对齐之后的数据；将其输出观测目标的回波包络对齐结果。

2.根据权利要求1所述的GPU并行加速的包络对齐快速实现方法，其特征在于，当目标转角较小时，即散射中心在相干积累时间内不发生越距离单元徙动，将整块回波数据直接应用于上述步骤1-7实现包络对齐；当目标转角较大时，即散射中心存在各向异性变化或越距离单元徙动现象，将回波数据先进行分段处理，使每段回波数据中目标的转角较小，再将每段数据分别应用于上述步骤1-7进行包络对齐。

3.根据权利要求1所述的GPU并行加速的包络对齐快速实现方法，其特征在于，所述对距离图像域数据Y进行IFFT变换得到对应距离数据域数据，再对该距离数据域数据进行插值处理和FFT变换，具体步骤为：

(2.1)GPU中block数目大于回波数目M，单个block内的所有线程并行执行；先将Y做IFFT，变换到距离数据域，再通过并行赋值给X，存储在数据存储区S，具体过程如下：

Y＝CUDA_IFFT(Y)

X＝[0 Y 0]

其中，0是行数为M、列数为(k-1)×N/2的全零矩阵，X为插值后的数据，即距离数据域数据，X的行数为M、列数为k×N；CUDA_IFFT为基于GPU的IFFT并行计算方法；

(2.2)所有block以及各个block内部的所有线程并行执行，其中在第i个block计算第i次回波的FFT，得到数据Z，该数据存储在数据存储区S，将X覆盖，Z为距离图像域数据：

Z＝CUDA_FFT(X)。