利用GPU實現(xiàn)SAR圖像的并行處理

張曉東 孔祥輝 張歡陽

(西安電子工程研究所 西安 710100)

1 引言

合成孔徑雷達(dá)因具有全天候、全天時、遠(yuǎn)距離成像等特點，可以大大提高雷達(dá)的捕獲信息能力，因而成為雷達(dá)技術(shù)的熱門研究領(lǐng)域，在戰(zhàn)場感知和災(zāi)情監(jiān)測等方面有著不可替代的作用［1］。隨著SAR成像技術(shù)的發(fā)展，對回波數(shù)據(jù)實現(xiàn)實時處理的要求也越來越迫切。這就意味著信號處理器能夠滿足SAR信號處理過程中大運算量的快速運算等處理能力的要求，由于SAR成像算法本身的復(fù)雜度和雷達(dá)數(shù)據(jù)的高速率，實時處理面對很大的挑戰(zhàn)性，使用單處理器或處理芯片幾乎難以實現(xiàn)，為了在不影響成像精度的前提下獲得更好的實時性，并行處理成為解決這一問題的關(guān)鍵技術(shù)。

2 GPU 技術(shù)簡介［2］

受到游戲市場和軍事實景仿真的要求，圖形處理器(Graphics Processing Unit)性能提高速度很快，大大超過了摩爾定律，支持越來越復(fù)雜的運算，其編程性和功能都大大擴(kuò)展了。GPU通用計算性能的提高為高效SAR成像算法提供了具有發(fā)展前景的新型運算平臺。GPU在處理能力和存儲帶寬上相對CPU有明顯的優(yōu)勢，在成本和功耗上也不需要付出太大代價，從而為SAR實時成像提供了新的解決方案。

當(dāng)前的NIVIDA GPU中有1～60個包含完整前端的流多處理器(SM)，每個流多處理器可以看作一個包含8個1D流處理器的SIMD處理器。顯卡就是利用多個流多處理器間的粗粒度任務(wù)級或數(shù)據(jù)級并行，以及流多處理器內(nèi)的細(xì)粒度數(shù)據(jù)并行。盡管GPU的運行頻率比一般的CPU低，但是更多的執(zhí)行單元數(shù)量還是使GPU能夠在浮點處理能力上獲得優(yōu)勢。DUDA(Compute Unified Device Architecture)是NIVIDA公司推出的一種不需借助圖形學(xué)API就可以使用類C語言進(jìn)行通用計算的開發(fā)環(huán)境和軟件體系。采用C語言作為編程語言，進(jìn)行了適度的擴(kuò)展，提供大量的高性能計算指令開發(fā)能力，使開發(fā)者能夠在GPU強(qiáng)大計算能力的基礎(chǔ)上建立起一種效率更高的密集數(shù)據(jù)計算解決方案。CUDA對圖形硬件和API進(jìn)行封裝，讓開發(fā)人員把GPU看成一個具有多核多線程的處理器，并在類似于CPU的編程環(huán)境下對GPU進(jìn)行編程，開發(fā)GPU通用程序，降低了軟件開發(fā)時間和成本。

3 RD算法簡介及其在GPU上的實現(xiàn)

本文采用最常用的RD算法。RD算法首先對距離進(jìn)行脈沖壓縮，然后進(jìn)行距離徙動校正，運動補(bǔ)償，然后進(jìn)行方位向壓縮，具體算法參考文獻(xiàn)［1］。RD算法的本質(zhì)是將SAR成像的二維處理分解為兩個一維處理過程，分別為距離向處理和方位向處理。RD算法的并行化程度成為獲取高加速比的關(guān)鍵。距離脈壓和方位脈壓通常使用頻域匹配濾波的實現(xiàn)方式，主要涉及的算法是FFT、點乘和IFFT。GPU開發(fā)軟件CUDA有自身的FFT庫可以實現(xiàn)快速的并行FFT變換，對于點乘運算，由于距離向和方位向壓縮和距離徙動校正和運動補(bǔ)償都是點乘，所以可以將其中的部分運算合并以減少運算次數(shù)提高計算速度。

利用GPU實現(xiàn)的基于RD算法的SAR成像算法實現(xiàn)的流程如下:

第一、把原始數(shù)據(jù)從通過CPU傳輸?shù)紾PU，計算徙動補(bǔ)償所要的參數(shù)。

第二、距離向的壓縮和走動校正。具體描述為:首先將原始數(shù)據(jù)沿距離向做FFT，然后乘以通過內(nèi)核函數(shù)生成的距離向匹配函數(shù)和走動校正函數(shù)完成距離向包絡(luò)移動，再利用距離向IFFT完成距離向壓縮。然后再進(jìn)行一次相位校正。

第三、將做完走動校正的數(shù)據(jù)進(jìn)行轉(zhuǎn)置。

第四、利用慣性導(dǎo)航系統(tǒng)數(shù)據(jù)通過內(nèi)核函數(shù)生成運動補(bǔ)償函數(shù)，對數(shù)據(jù)進(jìn)行運動補(bǔ)償。

第五、通過內(nèi)核函數(shù)生成方位向匹配函數(shù)并進(jìn)行FFT，對數(shù)據(jù)進(jìn)行FFT然后點乘，在進(jìn)行IFFT，完成方位向的脈沖壓縮

第六、將方位向脈壓完的數(shù)據(jù)即圖像傳回主機(jī)。

圖1 GPU SAR成像算法流程

4 實驗與結(jié)果

為了測試本文所提出的SAR成像方法的有效性，本部分介紹實驗及其結(jié)果。本試驗采用的計算機(jī)為普通商用計算機(jī)CPU為E8400，顯卡為NIVIDA公司的9500GT，板載顯存為1G字節(jié)，運算能力為1.1，其SM數(shù)量只有4個，運算精度為單精度;軟件使用的是Windows XP下的CUDA3.0。數(shù)據(jù)來源為某機(jī)載雷達(dá)的真實回波，PRF為1KHz，采用慣性導(dǎo)航單元進(jìn)行運動補(bǔ)償，圖像分辨率為1m，一次成像所需的數(shù)據(jù)長度為8192×8192復(fù)數(shù)。由于顯卡上的存儲器容量有限，所以在處理的數(shù)據(jù)較大時不能完全將數(shù)據(jù)一次性放入顯卡上的存儲器，要將數(shù)據(jù)分成幾部分處理，本文在進(jìn)行距離壓縮時分成4個部分，在進(jìn)行方位壓縮時分成8個部分進(jìn)行。成像所需時間為4.21s，成像各個部分的運算時間分布如表1所示，這其中還包含了由于顯卡現(xiàn)存不足，轉(zhuǎn)置的過程中在內(nèi)存和顯存之間緩沖數(shù)據(jù)的時間0.35s，在PRF=1KHz時，采集一幅圖像數(shù)據(jù)時間為8s，所以本系統(tǒng)可以達(dá)到實時成像的要求，成像結(jié)果如圖2所示。

表1 SAR成像時間統(tǒng)計(單位:s)

圖2 利用GPU實現(xiàn)的RD成像結(jié)果

由測試結(jié)果可知，本文提出的利用CUDA實現(xiàn)的基于GPU的RD成像算法具有極高的效率，相比傳統(tǒng)的基于CPU的SAR成像算法，效率得了顯著的提升，達(dá)到了實時處理的速度。并且成像效果并未受到多大的影響，完全可以滿足下一步處理的需求。

5 結(jié)束語

本文提出了利用GPU實現(xiàn)RD成像算法。該成像算法利用GPU通用計算的編程模型，極大地發(fā)揮出了GPU并行計算的優(yōu)勢。通過實驗表明:本文提出的基于GPU的SAR成像方案實現(xiàn)了實時RD成像的要求，具有較好的成像效果。為了使當(dāng)前的研究結(jié)果更加完善，在將來可以利用CPU和GPU進(jìn)行協(xié)同合作，并開發(fā)更加完善的并行算法，提高并行度，進(jìn)一步提高運算速度。

［1］保錚，邢孟道，王彤.雷達(dá)成像技術(shù)［M］.北京:電子工業(yè)出版社，2005.

［2］張舒，褚艷利.CPU高性能運算之CUDA［M］.中國水利水電出版社，2009.

［3］NVIDIA.NVIDIA CUDA Programming Guide Version 3.0［Z］.2010.

［4］肖江，胡柯良，鄧元勇.基于CUDA的矩陣乘法和FFT性能測試［J］.計算機(jī)工程，2009.