[发明专利]基于分步处理的雷达目标二维CA-CFAR检测快速实现方法

说明书

本发明公开了一种基于分步处理的雷达目标二维CA‑CFAR检测快速实现方法，具体包括以下步骤，S1：基于雷达发射相参脉冲串对目标进行探测后得到的距离‑多普勒二维回波数据矩阵，对各检测单元对应的参考单元求和矩阵进行初始化；S2：利用GPU多线程并行计算参考单元求和矩阵；S3：利用GPU多线程并行计算保护单元求和矩阵；S4：利用GPU多线程并行计算每一个检测单元的m阶统计矩；S5：进行门限检测，得到最终的检测结果。本发明中二维CA‑CFAR检测快速实现方法以CPU+GPU为硬件基础，利用CUDA进行异构并行运算，将检测任务拆分成多个独立的小单元，分步对参考单元求和矩阵和保护单元求和矩阵进行计算，大大提高雷达回波处理的效率，实现了真实目标的正确检测。

技术领域

本发明涉及雷达目标检测技术领域，尤其涉及基于分步处理的雷达目标二维CA-CFAR检测快速实现方法。

背景技术

雷达发射相参脉冲串对目标进行探测后经过信号处理可形成距离-多普勒二维回波数据，目标检测的任务是从距离-多普勒矩阵的每个检测单元中作出判决。单元平均恒虚警(cell averaging constant false alarm rate,CA-CFAR)处理是雷达目标检测的基本方法，其基本原理如附图1所示，对于每一个检测单元，在二维平面上取出R个参考单元，然后根据这R个单元的采样平均值估计检测门限。

逐点进行二维恒虚警检测对应运算量巨大，为了降低运算复杂度，赵明波，何峻，付强等人提出逐像素点滑窗迭代方法，属于一种典型的CPU端优化方法，该类方法通过减小参考滑窗对距离-多普勒图像遍历时的重复计算量提高计算效率，但是在该方法中后一个点的计算需要依托前一个点的计算结果，不具有相互独立性，不能直接用于GPU加速。

发明内容

针对上述存在的问题，本发明旨在提供一种基于分步处理的雷达目标二维CA-CFAR检测快速实现方法，以CPU+GPU为硬件基础，将检测任务拆分成多个独立的小单元，利用CUDA进行异构并行运算，大大提高雷达回波处理的效率。

为了实现上述目的，本发明所采用的技术方案如下：

基于分步处理的雷达目标二维CA-CFAR检测快速实现方法，其特征在于，以CPU+GPU为硬件基础，利用CUDA进行并行运算，具体包括以下步骤，

S1：基于雷达发射相参脉冲串对目标进行探测后得到的距离-多普勒二维回波数据矩阵，对各检测单元对应的参考单元求和矩阵进行初始化；

S2：利用GPU多线程并行计算参考单元求和矩阵；

S3：利用GPU多线程并行计算保护单元求和矩阵；

S4：利用GPU多线程并行计算每一个检测单元的m阶统计矩；

S5：进行门限检测，得到检测单元对应的检测结果。

进一步的，步骤S1的具体操作包括：

基于输入数据矩阵大小，在GPU设备端初始化两个大小为N_r×N_f的临时矩阵，分别用来按列存储连续R_r个参考单元和R_P个保护单元的求和值，并将其初始化为零；其中N_r为距离单元数目，N_f为频率单元数目；R_r为距离维的参考单元数，R_P为距离维的保护单元数。

进一步的，步骤S2的具体操作包括：