[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

摘要

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。

主权项

1.一种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,…,ΔVBlockIdx,…,ΔVGridNum‑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；步骤4 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：在GPU内核函数的线程配置下，对ΔV中一个子向量并行数据求和，从0次开始，直到次结束，0次求和时，使2*ThreadIdx处数据叠加至其后紧邻1个数据上，1次求和时，使4*ThreadIdx+1处数据叠加至其后紧邻2个数据上，依次类推，k次求和时，使2^k+1*ThreadIdx+2^k‑1处数据叠加至其后紧邻2^k个数据上，直至次求和完成，得到一个机载雷达运动速度临时子向量V_BlockIdx'，ThreadIdx是线程编号；使GPU内所有线程块均执行上述计算，得到机载雷达运动速度临时向量V'＝{V₀',V₁',…,V_BlockIdx',…,V_GridNum‑1'}，其中一个子向量对应一个线程块；步骤5 GPU块间并行累积和计算，得到机载雷达运动速度向量：在GPU内核函数的线程配置下，对机载雷达运动速度临时向量V'进行块间并行累积和计算，针对V'中一个子向量，取该子向量之前所有子向量中的最后一个元素并求和，将和值叠加至该子向量中每一元素，得到一个机载雷达运动速度子向量VBlockIdx；GPU内所有线程块均执行上述计算，得到机载雷达运动速度向量V＝{V0,V1,…,VBlockIdx,…,VGridNum‑1}，其中一个子向量对应一个线程块，机载雷达运动速度估计结束，估计出的机载雷达运动速度向量参与机载雷达成像处理中的运动补偿。