基于GPU的軟件雷達信號處理

田乾元，徐朝陽，趙 泉

(中國船舶重工集團公司第七二三研究所，江蘇 揚州 225101)

0 引 言

雷達終端接收待處理的回波數(shù)據(jù)，通過信號處理系統(tǒng)這一重要環(huán)節(jié)，將龐大數(shù)量的回波數(shù)據(jù)進行脈沖壓縮、雜波抑制、動目標顯示(MTI)、動目標檢測(MTD)、恒虛警率(CFAR)檢測等處理，然后輸出有用的數(shù)據(jù)或圖像。最近幾年，通信技術(shù)、存儲技術(shù)的大力發(fā)展，使得回波數(shù)據(jù)量大大增加，數(shù)據(jù)傳輸速度加快，對數(shù)據(jù)處理的實時性提出了新的要求。單就MTD的仿真過程，數(shù)據(jù)吞吐量就達到了GB量級。為了滿足信號處理的實時性要求，雷達信號處理的軟件化十分重要，之前的主流方案一般都采用軟件和硬件耦合緊密的多數(shù)字信號處理(DSP)+現(xiàn)場可編程門陣列(FPGA)板實現(xiàn)[1-3]。最近幾年，基于通用計算機平臺的計算機圖形處理器(GPU) 運算能力的提升逐漸可為軟件雷達的實現(xiàn)提供硬件支持[4-6]。GPU具有高并行度、多線程、高存儲器帶寬和強大的算術(shù)計算能力，而愈發(fā)成熟的統(tǒng)一計算設(shè)備架構(gòu)(CUDA)將GPU傳統(tǒng)的圖形處理能力與應(yīng)用廣泛的C語言編程相結(jié)合，充分發(fā)掘了其強大的通用并行計算能力，非常適用于雷達信號處理過程。

1 軟件雷達信號處理系統(tǒng)

如圖1所示，基于GPU的軟件雷達信號處理系統(tǒng)由三大模塊組成：數(shù)據(jù)讀取模塊，是將接收機處理的基帶數(shù)據(jù)讀入，讀取報文各標志、讀取回波數(shù)據(jù)并重組，得到預(yù)處理后的回波數(shù)據(jù)；信號處理模塊是信號處理系統(tǒng)的核心，經(jīng)過預(yù)處理之后的回波數(shù)據(jù)先經(jīng)過脈沖壓縮(PC)，得到PC數(shù)據(jù)，然后按照需要進行MTI處理或者MTD處理，在MTD結(jié)果的基礎(chǔ)上進行CFAR處理；信號輸出模塊不只是CFAR結(jié)果的輸出，還包括信號處理模塊中間過程(類如PC結(jié)果)，產(chǎn)生的數(shù)據(jù)可以按照實際需求進行輸出并存儲。

圖1 基于GPU的軟件雷達信號處理系統(tǒng)

2 基于 GPU 的雷達信號處理算法實現(xiàn)

對于信號處理模塊，又包括脈沖壓縮、MTI、MTD和CFAR幾個大致處理環(huán)節(jié)。以下來說明基于GPU的各個環(huán)節(jié)的算法實現(xiàn)。

2.1 基于 CUDA 的GPU內(nèi)存分配方法

CUDA通過核函數(shù)利用GPU資源進行計算，而核函數(shù)只能讀取GPU內(nèi)存中的數(shù)據(jù)，因此對于待處理數(shù)據(jù)，必須先將其讀取到GPU內(nèi)存中。GPU有3種常用的不同類型的內(nèi)存儲器：全局內(nèi)存(global memory)、本地內(nèi)存(local memory)、共享內(nèi)存(shared menory)。shared memory位于片內(nèi)，讀取速度較快，另外2個為板載顯存。

這里一般使用cudaMallocHost和cudaMalloc語句分別在CPU和GPU的global memory中分配內(nèi)存，用cudaMemcpy語句進行CPU與GPU的數(shù)據(jù)傳遞，比如：

float *h_data;

cudaMallocHost((void**)&h_data,1024* sizeof(float));

float *d_data;

cudaMalloc((void**)&d_data,1024*sizeof(float));

cudaMemcpy(d_data,h_data,1024*sizeof(float),cudaMemcpyHostToDevice);

除此之外，還可用cudaMallocPitch語句以二維對齊方式分配二維內(nèi)存。下文各個處理環(huán)節(jié)，包括建立窗函數(shù)等過程都要用到這里的內(nèi)存分配方法。在CFAR處理中，還要用到shared memory加快處理速度。

2.2 基于GPU的脈沖壓縮算法實現(xiàn)

脈沖壓縮有時域和頻域2類實現(xiàn)方式。時域上利用有限脈沖響應(yīng)(FIR)濾波器實現(xiàn)時域脈沖壓縮，處理方法比較直觀。當距離單元數(shù)較小時，相對運算量不大，采用時域脈壓處理可以滿足實時性要求[7]。但是當距離單元數(shù)很大，時域卷積的運算量很大，這時宜采用頻域脈沖壓縮方法[8]。

本文采用頻域脈壓處理方法，其算法實現(xiàn)如圖2所示。

圖2 基于GPU的脈沖壓縮算法

由于發(fā)射機的發(fā)射波數(shù)據(jù)和模式可以提前得到，所以提前計算出所有的脈壓系數(shù)(可以在計算時進行加窗處理)，組成脈壓系數(shù)庫(存放于dat文件中)。進行脈沖壓縮時，讀取預(yù)處理過的報文數(shù)據(jù)和模式標志，從脈壓數(shù)據(jù)庫中選擇對應(yīng)的系數(shù)數(shù)據(jù)，傳送到GPU內(nèi)存中，通過建立快速傅里葉變換(FFT) plan進行頻域脈壓系數(shù)計算。讀取預(yù)處理過的回波數(shù)據(jù)，同樣做FFT計算。然后將2個頻域數(shù)據(jù)相乘，得到脈壓的頻域結(jié)果，之后進行快速傅里葉逆變換(IFFT)計算，得到脈沖壓縮結(jié)果。一維FFT plan建立方法如下：

cufftHandle plan;

cufftPlan1d(&plan,FFT_number1,CUFFT_C2C,1);

除了一維FFT之外還可以創(chuàng)建二維按行或者按列FFT(2種方法計算耗時不同)的plan，調(diào)用plan時通過CUFFT_FORWARD或者CUFFT_INVERSE來確定進行FFT還是IFFT，需要注意的是，經(jīng)過2次N點變換之后的數(shù)據(jù)比原數(shù)據(jù)擴大了N倍，如需輸出脈壓數(shù)據(jù)，需乘以1/N。

2.3 基于 GPU 的 MTI 算法實現(xiàn)

本文采用非遞歸型對消器實現(xiàn)MTI過程，其中，一次對消器的一般結(jié)構(gòu)見圖3，其差分方程為：

yn=xn-xn-1

(1)

二次對消器的一般結(jié)構(gòu)見圖4，其差分方程為：

yn=xn-2xn-1+xn-2

(2)

圖3 一次對消器的一般結(jié)構(gòu)

圖4 二次對消器的一般結(jié)構(gòu)

而基于CUDA的算法實現(xiàn)過程為：將脈壓結(jié)果存儲為二維形式(可以使用cudaMallocPitch語句)，設(shè)計核函數(shù)構(gòu)造一次、二次對消器等濾波器，調(diào)用核函數(shù)處理脈壓數(shù)據(jù)得到MTI結(jié)果并輸出。其算法過程如圖5所示。

圖5 基于 GPU 的 MTI 算法

2.4 基于 GPU 的 MTD 算法實現(xiàn)

為了提高MTD的方位精度，本文采用滑動MTD(SMTD)方法。在方位上每滑過一個脈沖，做一次M點(如16點)的MTD，新進入一個信號，丟掉一個老信號，又進行一次M點的老信號，因此每次MTD處理中均只有1個新信息，M-1個老信息。若一共有N個回波信息(脈沖壓縮之后)，每M個信息做一次MTD，那么SMTD之后就剩下了N-M+1個信息。對于每次MTD過程，M個脈壓數(shù)據(jù)在相同距離門上(多普勒維度)進行M點的加窗FFT，得到M個通道的MTD結(jié)果。得到結(jié)果后可以對這M個通道的數(shù)據(jù)取模并取大，為CFAR提供源數(shù)據(jù)。

圖6 基于GPU 的 SMTD 算法

圖6為基于GPU的SMTD算法實現(xiàn)示意圖，其中按行或按列進行FFT可以按照如下語句建立plan：

cufftHandle plan;

int rank=1;

int n[rank]={SampleNumber};

int inembed[1]={0};

int onembed[1]={0};

int istride=1;

int idist=SampleNumberF;

int ostride=1;

int odist=SampleNumber;

int batch=PulseNumber;

cufftPlan(&plan,rank,n,inembed,istride,idist,onembed,ostride,odist,CUFFT_C2C,batch);

理國要道，在于公平正直。從黨的十八大提出“進一步深化司法體制改革”，到黨的十九大要求“深化司法體制綜合配套改革”，以習近平同志為核心的黨中央從全面推進依法治國，實現(xiàn)國家治理體系和治理能力現(xiàn)代化的高度，擘畫司法體制改革宏偉藍圖，加快建設(shè)公正高效權(quán)威的社會主義司法制度。

2.5 基于 GPU 的 CFAR 算法實現(xiàn)

CFAR檢測器有單元平均CFAR(CA-CFAR)、單元平均取大CFAR(GO-CFAR)、單元平均取小CFAR(SO-CFAR)等類型，本文采用的是較為常見的CA-CFAR檢測器。

CA-CFAR 的自適應(yīng)門限值取決于雜波和目標距離門附近的噪聲。待檢單元(CUT)兩邊的N個單元組成參考窗(CFAR window cells)，對其回波信號進行采樣，將待檢單元的輸出與由參考單元輸出總和所得到的自適應(yīng)門限相比較并進行判決。一般將緊臨 CUT 的單元設(shè)為保護單元(Guard Cells)，在計算門限值時不將其列入計算之中來減小誤差。CA-CFAR算法如圖7所示。

圖7 CA-CFAR算法

基于GPU實現(xiàn)CFAR過程，在代碼上是緊接著SMTD過程的。SMTD每得到1次MTD結(jié)果，取MTD結(jié)果的模值，將數(shù)據(jù)在距離門維度上取M個模的最大值，這樣每M組數(shù)據(jù)結(jié)果就得到了1組數(shù)據(jù)，以此作為CFAR的源數(shù)據(jù)。

由于CFAR過程會頻繁訪問同一回波數(shù)據(jù)，2.1中提到的global memory訪問速度較慢，計算效率較低，因此將待用數(shù)據(jù)寫入到shared memory中，減小不必要的時間開銷，從而提高計算效率。在計算閾值時，由于窗長取值一般為 2 的冪次，故采用歸約求和算法，將求和過程變?yōu)槎鄬佣嗑€程并行求和[9]。CFAR過程可以從GPU的內(nèi)存特點和計算特性進行優(yōu)化，此處不再展開。本文的基于GPU的CFAR算法過程如圖8所示。

圖8 基于GPU的CFAR算法

3 基于GPU與基于CPU的雷達信號處理仿真實驗及結(jié)果對比分析

某警戒雷達基于傳統(tǒng)CPU平臺，其信號處理過程采用C++編程，通過調(diào)用Intel Math Kernel Library加快計算效率。本文對其與本文采用的基于GPU平臺的雷達信號處理進行性能比較。

在 GPU 與 CPU 上分別實現(xiàn)雷達信號處理的脈沖壓縮、MTI、MTD和CFAR處理過程，源數(shù)據(jù)相同，計算兩者處理結(jié)果的誤差，同時對比兩者的計算時間，以分析 GPU 算法實現(xiàn)的準確度和計算效率。CPU端使用Intel(R) Math Kernel Library(Version 2017.0.31)進行計算。開發(fā)計算機采用的顯卡 GPU 為 NVIDIA GeForce GTX1060，CPU 為Intel Core(TM)i5-8300H 2.30 GHz，操作系統(tǒng)為Deepin 15.11。

圖9 基于GPU的雷達信號處理仿真實驗結(jié)果

圖9為同一仿真源數(shù)據(jù)GPU平臺的處理結(jié)果。

分析圖9可以得出結(jié)論，基于GPU的軟件雷達信號處理系統(tǒng)在仿真實驗中完成了脈沖壓縮、MTI、MTD任務(wù)。實驗數(shù)據(jù)也表明CFAR檢測結(jié)果正確。之后將基于GPU的檢測結(jié)果與基于CPU的雷達信號處理計算結(jié)果進行比較，以CPU計算結(jié)果為基準(認為是絕對真實值)，繪制GPU平臺下脈沖壓縮、MTI、MTD的絕對誤差圖。

圖10 基于GPU與CPU的雷達信號處理仿真實驗結(jié)果誤差

由圖10分析可知：基于GPU的處理結(jié)果與CPU相比誤差極小，脈壓絕對誤差小于5.5×10-5，MTI絕對誤差小于6×10-5，MTD絕對誤差小于5×10-4，而對于這3個過程來說，目標或者說是有用數(shù)據(jù)一般大于1，因此相對誤差最大不超過上述對應(yīng)數(shù)值。因此，基于GPU的軟件雷達信號處理系統(tǒng)計算結(jié)果具有較高的準確度。

分別進行100次仿真實驗，記錄GPU和CPU處理實現(xiàn)各個功能的平均時間，得到結(jié)果如表1所示。

表1 基于GPU與CPU的信號處理仿真實驗計算耗時

表1為2種平臺下實現(xiàn)信號處理的計算耗時，顯然基于GPU的方法計算耗時要少得多，將CPU耗時除以GPU耗時，繪制GPU算法相較于CPU算法的效率提升折線圖，如圖11所示。

圖11 基于GPU的算法對比CPU算法的計算性能提升率

圖11表明基于GPU的軟件雷達信號處理系統(tǒng)相較傳統(tǒng)CPU平臺的處理方式在計算性能上有巨大的提升，尤其是MTD模塊更是達到了262倍的效率提升，總體的平均提升率也在100倍左右。而且因為本文做的是仿真實驗，數(shù)據(jù)量受限，實際應(yīng)用過程中的回波數(shù)量遠遠大于本次仿真的數(shù)據(jù)量，對于GPU的計算能力來說，仍有較大的提升空間。

4 結(jié)束語

本文闡述了基于GPU的軟件雷達信號處理系統(tǒng)的結(jié)構(gòu)以及各個信號處理模塊的實現(xiàn)原理，通過仿真實驗，對比了GPU平臺(CUDA架構(gòu))和CPU平臺(調(diào)用MKL庫)下雷達信號處理的結(jié)果正確性、結(jié)果準確度和計算性能。結(jié)果表明：GPU平臺下的雷達信號處理結(jié)果與CPU下的結(jié)果在數(shù)值上幾乎完全相同；而在計算耗時方面，GPU平臺下算法的計算效率是CPU平臺下的100倍左右，在某些信號處理環(huán)節(jié)上計算效率更高。由于仿真實驗的條件受限，數(shù)據(jù)量較小，并沒有發(fā)揮出GPU的全部性能。實際應(yīng)用中待處理數(shù)據(jù)(如回波采樣點數(shù)、PRT數(shù)量)會更加龐大，利用GPU實現(xiàn)雷達信號處理將獲得更大的吞吐量。因此，GPU平臺下的雷達信號處理與傳統(tǒng)雷達采用的CPU相比，計算結(jié)果準確，計算效率更高，更能滿足現(xiàn)代雷達信號處理的大吞吐量和高實時性要求。