基于GPU的MTD性能優(yōu)化

楊千禾 袁子喬 扈月松

(西安電子工程研究所 西安 710100)

0 引言

雜波抑制是雷達(dá)信號(hào)處理中一個(gè)非常重要的環(huán)節(jié)。對(duì)于固定雜波，通常會(huì)使用結(jié)構(gòu)簡(jiǎn)單，運(yùn)算量較低的動(dòng)目標(biāo)顯示(Moving Target Indication,MTI)實(shí)現(xiàn)對(duì)雜波的抑制。不過(guò)在實(shí)際情況下，硬件工藝水平的參差不齊和雷達(dá)工作環(huán)境的復(fù)雜多樣都會(huì)導(dǎo)致雷達(dá)目標(biāo)回波出現(xiàn)起伏。這些現(xiàn)象將會(huì)影響MTI的雜波抑制效果，大部分的MTI對(duì)消器來(lái)說(shuō)，其改善因子一般都被限制在20dB左右[1]，此外MTI對(duì)消器對(duì)于云雜波和雨雜波等氣象雜波的無(wú)法起到有效的抑制效果?，F(xiàn)代雷達(dá)系統(tǒng)通常使用動(dòng)目標(biāo)檢測(cè)(Moving Target Detection,MTD)來(lái)克服MTI的不足，MTD通過(guò)多個(gè)帶通濾波器組對(duì)雷達(dá)回波進(jìn)行脈沖多普勒處理[2]，再通過(guò)對(duì)濾波器組的輸出數(shù)據(jù)進(jìn)行檢測(cè)，以致發(fā)現(xiàn)目標(biāo)。相對(duì)于MTI，MTD能改善濾波器的頻率特性，使之更接近于最佳線(xiàn)性濾波，可以將改善因子提高至42dB，能夠檢測(cè)強(qiáng)雜波信號(hào)中的弱目標(biāo)信號(hào)。

MTD濾波器組的實(shí)現(xiàn)方法一般分為兩類(lèi)。第一類(lèi)就是設(shè)計(jì)多階數(shù)的有限脈沖響應(yīng)(Finite Impulse Response,FIR)濾波器組來(lái)對(duì)脈沖壓縮之后的數(shù)據(jù)進(jìn)行濾波，這種方法能針對(duì)回波信號(hào)自適應(yīng)的在雜波頻率處形成零陷，但是計(jì)算量過(guò)大，對(duì)于實(shí)時(shí)的信號(hào)處理系統(tǒng)的硬件計(jì)算能力的要求過(guò)高。另外一種方法就是用快速傅里葉變換(Fast Fourier Transform,FFT)來(lái)實(shí)現(xiàn)濾波器組，在計(jì)算資源有限的情況下能較好地完成MTD任務(wù)，但是需要更低副瓣的濾波器組來(lái)提升對(duì)于氣象雜波的抑制性能。更低副瓣會(huì)導(dǎo)致主瓣的展寬更加嚴(yán)重，可能導(dǎo)致主瓣發(fā)生明顯變形。

為了進(jìn)一步提升雷達(dá)系統(tǒng)的計(jì)算能力，同時(shí)降低后續(xù)程序調(diào)試難度，實(shí)現(xiàn)雷達(dá)軟硬件的解耦，增強(qiáng)雷達(dá)的可重構(gòu)性。使用圖形處理器(Graphics Processor Unit,GPU)代替DSP和FPGA作為雷達(dá)的計(jì)算核心，組成GPU+CPU的異構(gòu)平臺(tái)作為新型的雷達(dá)信號(hào)處理系統(tǒng)架構(gòu)。在使用GPU實(shí)現(xiàn)雷達(dá)信號(hào)處理過(guò)程中，MTD的優(yōu)化效果相較脈沖壓縮(Pulse Compression,PC)和恒虛警檢測(cè)(Constant False Alarm Rate,CFAR)有明顯的不足，本文將著力解決這些問(wèn)題并實(shí)現(xiàn)MTD在GPU計(jì)算平臺(tái)上的進(jìn)一步優(yōu)化。

1 MTD的實(shí)現(xiàn)方法及原理

1.1 基于MTI級(jí)聯(lián)FFT的MTD濾波器組

MTI的級(jí)聯(lián)FFT的MTD濾波器組是在FFT之前接一個(gè)二次對(duì)消器，它可以濾去最強(qiáng)的地物雜波，這樣就可以減少窄帶濾波器組所需要的動(dòng)態(tài)范圍，并降低對(duì)濾波器副瓣的要求。由于DFT是一種特殊的橫向?yàn)V波器，所以濾波器組的系數(shù)可以按照DFT的定義來(lái)選擇，并采用快速算法FFT來(lái)實(shí)現(xiàn)MTD。

FFT的每點(diǎn)輸出，相當(dāng)于N點(diǎn)數(shù)據(jù)在這個(gè)頻率上的積累，也可以說(shuō)是以這個(gè)頻率為中心的一個(gè)帶通濾波器的輸出[3]。

根據(jù)DFT的定義，N組濾波器的權(quán)值為

wnk=e-j2πk/N,n=0,1,…,N-1;k=0,1,…,N-1

(1)

式(1)中，n表示第n個(gè)抽頭，k表示第k個(gè)濾波器，每一個(gè)k值決定一個(gè)獨(dú)立的濾波器相應(yīng)，相應(yīng)地對(duì)應(yīng)于一個(gè)不同的多普勒濾波器響應(yīng)。因此，第k個(gè)濾波器的頻率響應(yīng)函數(shù)為

k=0,1,…,N-1

(2)

濾波器的幅頻特性為

(3)

每一個(gè)濾波器都有一定的副瓣，副瓣的大小決定著雜波抑制能力的大小。為了降低副瓣，通常在計(jì)算FFT之前，一般都需要使用一個(gè)窗函數(shù)w[k]對(duì)慢時(shí)間采樣數(shù)據(jù)進(jìn)行加權(quán)來(lái)降低旁瓣的影響，加權(quán)之后的N點(diǎn)FFT可表示為

(4)

此時(shí)，第n個(gè)濾波器的幅頻響應(yīng)可表示為

(5)

用窗函數(shù)進(jìn)行加權(quán)的主要目的是減少濾波器旁瓣的相對(duì)幅度，使信號(hào)盡量從主瓣進(jìn)入，同時(shí)主瓣盡可能窄，使濾波器獲得較陡的過(guò)渡帶。一般來(lái)說(shuō)，使用了非矩形窗對(duì)信號(hào)進(jìn)行加窗之后，達(dá)成對(duì)旁瓣抑制的同時(shí)也會(huì)導(dǎo)致主瓣寬度地增加。主瓣電平會(huì)減少，信噪比也會(huì)相應(yīng)地降低。因此要針對(duì)雷達(dá)信號(hào)體制和雜波的環(huán)境，選用合適的窗函數(shù)進(jìn)行加權(quán)處理。圖1為加海明窗之后的濾波器響應(yīng)，可以看出在降低副瓣的同時(shí)，主瓣有所展寬。

圖1 FFT濾波器組頻率特性

1.2 點(diǎn)最佳多普勒濾波器組

采用FIR濾波器對(duì)雜波進(jìn)行抑制，同時(shí)對(duì)目標(biāo)信號(hào)實(shí)現(xiàn)相參積累，這里的處理關(guān)鍵在于FIR雜波抑制濾波器的設(shè)計(jì)，在設(shè)計(jì)FIR濾波器時(shí)需要根據(jù)雜波感知得到的雜波幅度、雜波譜寬來(lái)確定濾波器的凹口深淺及凹口寬度?？紤]到FIR濾波器設(shè)計(jì)實(shí)時(shí)性可能無(wú)法滿(mǎn)足的問(wèn)題，通過(guò)設(shè)置默認(rèn)的多種不同凹口深度和寬度的組合，提前優(yōu)化設(shè)計(jì)多組FIR濾波器，使用時(shí)只需根據(jù)凹口深度和寬度選擇相應(yīng)的濾波器系數(shù)即可。

點(diǎn)最佳多普勒濾波器組只在所需的多普勒處理頻段中的某一點(diǎn)上達(dá)到最佳，而在其他頻點(diǎn)都是不匹配的[3]。多普勒濾波器就是用許多濾波器填滿(mǎn)感興趣的多普勒區(qū)域。通常實(shí)際運(yùn)用中的多普勒濾波器采用N個(gè)橫向?yàn)V波器填滿(mǎn)多普勒區(qū)域，N等于處理的相干脈沖輸。

點(diǎn)多普勒橫向?yàn)V波器復(fù)數(shù)信號(hào)表示為

(6)

式(6)中A是幅度，wd是多普勒的角頻率，N是相參脈沖數(shù)，Tr是雷達(dá)脈沖間的間距。信號(hào)適量則可表示為sT=(s1,s2,s3,…,sN),其中

sn=Aejwd(n-1)Trn=1,2,…,N

(7)

Rs為歸一化信號(hào)協(xié)方差矩陣,Rs=E(ss*T)

(8)

歸一化協(xié)方差的元素mskj為

mskl=ejwd(k-1)Te-jwi(j-1)T=ejwd(k-j)T;
k=1,2,..,n;j=1,2,…,n

(9)

式(9)中的k為行數(shù)，j為列數(shù)。

根據(jù)自適應(yīng)濾波器原理，長(zhǎng)度為N的濾波器中第k個(gè)濾波器的權(quán)適量為

wk=R-1a(fk)

(10)

式(10)中fk(k=1,2,...,N)為第k個(gè)濾波器的通帶中心頻率，a(fk)為導(dǎo)頻矢量,為

a(fk)=[1,ej2πfkTr,ej2πfk2Tr,…,ej2πfk(N-1)Tr]T

(11)

R=Rc+σ2I為雜波加噪聲協(xié)方差陣，RC為雜波協(xié)方差矩陣，I為單位矩陣，σ2為噪聲功率[3]。R-1的作用就是使濾波器自適應(yīng)地在雜波頻率處形成零陷，從而抑制雜波[3]。

圖2 64階點(diǎn)最佳多普勒濾波器組頻率特性

2 GPU并行計(jì)算的特點(diǎn)

2.1 CPU和GPU的功能異同

CPU和GPU是兩個(gè)相互獨(dú)立的處理器，有著不同的內(nèi)部架構(gòu)。CPU和GPU的組成如圖3所示。

圖3 CPU與GPU的內(nèi)部結(jié)構(gòu)

圖3中Control是控制器、ALU為算術(shù)邏輯單元、Cache是CPU內(nèi)部緩存、DRAM就是內(nèi)存?？梢钥吹紾PU設(shè)計(jì)者將更多的晶體管用作執(zhí)行單元，而不是像CPU結(jié)構(gòu)包含大量的控制單元與緩存[5]。從實(shí)際來(lái)看，CPU芯片空間的5%是ALU，而GPU則占到了40%。物理結(jié)構(gòu)上的差異導(dǎo)致GPU在面對(duì)大批次計(jì)算時(shí)的表現(xiàn)比CPU要更加優(yōu)秀。

對(duì)于控制密集型的任務(wù)，特別是邏輯復(fù)雜、分支眾多或深度迭代的計(jì)算任務(wù)，CPU處理效果要優(yōu)于GPU；而GPU更擅長(zhǎng)處理易于并行化的計(jì)算密集型任務(wù)。在GPU+CPU的異構(gòu)計(jì)算平臺(tái)中，需要根據(jù)數(shù)據(jù)特性和算法特性對(duì)一整個(gè)項(xiàng)目進(jìn)行分解，再給CPU和GPU分配契合自身硬件特性與計(jì)算特性的任務(wù)，這樣能有效提高大規(guī)模計(jì)算項(xiàng)目的性能。

2.2 CPU和GPU協(xié)同工作方式

GPU自身不具備獨(dú)立處理進(jìn)程的能力，要實(shí)現(xiàn)GPU的并行計(jì)算必須通過(guò)PCI-E總線(xiàn)與CPU相連，組成異構(gòu)計(jì)算平臺(tái)才能完成對(duì)任務(wù)的處理。因?yàn)橐话愣际怯蒀PU向GPU傳輸待計(jì)算的數(shù)據(jù)并發(fā)布計(jì)算任務(wù)，所以稱(chēng)CPU所在位置為主機(jī)端(Host),稱(chēng)GPU所在位置是設(shè)備端(Device)。

程序的啟動(dòng)和初始化都在主機(jī)端完成，待計(jì)算數(shù)據(jù)是由CPU先處理加載到主機(jī)端內(nèi)存中。在這一階段，會(huì)完成通信端口的建立，主機(jī)內(nèi)存的開(kāi)辟，數(shù)據(jù)的接收/加載、組包和重排，完成數(shù)據(jù)計(jì)算前的所有準(zhǔn)備。在主機(jī)端的準(zhǔn)備完成之后，設(shè)備端也要在顯存中(顯卡的內(nèi)存)中開(kāi)辟相應(yīng)的數(shù)據(jù)空間，完成對(duì)數(shù)據(jù)的接收準(zhǔn)備。圖4為GPU+CPU架構(gòu)的基本工作原理，這種架構(gòu)可以充分揮GPU的高速并行計(jì)算能力，同時(shí)兼顧C(jī)PU在邏輯運(yùn)算、流程管理方面的能力，通過(guò)合理的任務(wù)分配，實(shí)現(xiàn)系統(tǒng)的高性能擇優(yōu)。

圖4 CPU+GPU協(xié)同工作方式

3 MTD算法在GPU上的工程實(shí)現(xiàn)

在實(shí)際的計(jì)算中， R-D平面矩陣在設(shè)備的存儲(chǔ)器中被轉(zhuǎn)化成一維的向量，所有的計(jì)算都是直接針對(duì)這個(gè)一維向量進(jìn)行操作。所以為了達(dá)成較好的計(jì)算性能并得到正確的計(jì)算結(jié)果，在計(jì)算前需要根據(jù)數(shù)據(jù)的存儲(chǔ)格式和數(shù)據(jù)的讀取方式來(lái)判斷對(duì)是否需要對(duì)輸入結(jié)果進(jìn)行轉(zhuǎn)置。一般情況下，PC之后的距離點(diǎn)數(shù)都較大，在CPU上實(shí)現(xiàn)矩陣轉(zhuǎn)置耗費(fèi)的時(shí)間較長(zhǎng)并會(huì)占用大量的計(jì)算資源。

在GPU上實(shí)現(xiàn)MTD算法時(shí)，可以通過(guò)CUDA程序的函數(shù)和異構(gòu)計(jì)算平臺(tái)主機(jī)端與設(shè)備端分別初始化的特點(diǎn)，將一些步驟同時(shí)進(jìn)行甚至省略，如圖5所示。

圖5 基于GPU的MTD算法

圖中較深陰影部分可以在整個(gè)程序的初始化或者是在主存向顯存?zhèn)鬏敂?shù)據(jù)時(shí)獨(dú)立完成，可以理解為HOST與DEVICE并行處理，隱藏消耗時(shí)間；圖中無(wú)文字部分為省略部分，沒(méi)有計(jì)算操作，并不消耗時(shí)間；淺陰影部分則是消耗計(jì)算資源的部分，也是本文優(yōu)化MTD過(guò)程的重點(diǎn)。

3.1 加窗與求模數(shù)據(jù)讀取優(yōu)化

在GPU上對(duì)數(shù)據(jù)進(jìn)行點(diǎn)乘和求模，需要使用自編的核函數(shù)來(lái)實(shí)現(xiàn)并行運(yùn)算。GPU的計(jì)算核心在核函數(shù)內(nèi)規(guī)劃時(shí)是抽象成了thread,block和grid三級(jí)，thread作為最基本的計(jì)算單元包含于block中，多個(gè)thread組成的block在組成grid。在核函數(shù)中，向量的單元數(shù)據(jù)被分配給啟動(dòng)的thread。因?yàn)樵谇竽：忘c(diǎn)乘的計(jì)算過(guò)程中，相鄰單元直接互不影響計(jì)算結(jié)果，所以可以實(shí)現(xiàn)多線(xiàn)程并行計(jì)算。常用的多線(xiàn)程并行計(jì)算的情況如圖6所示。

圖6 常用多線(xiàn)程并行情況示例

相對(duì)于計(jì)算數(shù)據(jù)的規(guī)模可能無(wú)限增大，GPU的計(jì)算核心卻是固定的，無(wú)法實(shí)現(xiàn)單個(gè)thread僅處理一個(gè)待計(jì)算單位理想情景。在數(shù)據(jù)規(guī)模較大的情況下，一個(gè)thread處理多個(gè)待計(jì)算單位時(shí)，圖6的線(xiàn)程分配方法將會(huì)造成線(xiàn)程阻塞。為了避免thread阻塞，提高數(shù)據(jù)讀取和計(jì)算的效率，應(yīng)該使用如圖7所示線(xiàn)程讀取方式。

圖7 防止線(xiàn)程堵塞的數(shù)據(jù)讀取方式

3.2 使用CUFFT實(shí)現(xiàn)FFT

CUDA的CUFFT庫(kù)函數(shù)提供了一種高效優(yōu)化的快速傅里葉變換，可以用來(lái)實(shí)現(xiàn)MTI級(jí)聯(lián)FFT的濾波器組。CUFFT的配置使用句柄(Plan)來(lái)實(shí)現(xiàn)，該句柄初始化定義了包括待變換信號(hào)的長(zhǎng)度，數(shù)據(jù)類(lèi)型，在內(nèi)存中的存儲(chǔ)形式等信息。使用句柄來(lái)進(jìn)行初始化的方式為

cufftPlanMany(&cufftHandleplanname,
rank,n,inembed,istride,idist,
onembed,ostride,odist,CUFFT_C2C,batch)

rank表示每個(gè)進(jìn)行FFT運(yùn)算的信號(hào)的維度；n是一個(gè)數(shù)組，表示進(jìn)行FFT的每個(gè)信號(hào)的行數(shù)，列數(shù)和頁(yè)數(shù)值上一個(gè)參數(shù)rank相互呼應(yīng)；inembed表示輸入數(shù)據(jù)的三維點(diǎn)數(shù)，[頁(yè)數(shù),列數(shù),行數(shù)]、[列數(shù),行數(shù)]或[行數(shù)]，若數(shù)據(jù)是一維數(shù)據(jù)這個(gè)參數(shù)會(huì)被忽略；istride表示每個(gè)輸入信號(hào)的相鄰兩個(gè)原始直接的距離；idist為兩個(gè)連續(xù)輸入信號(hào)的起始元素之間的間隔；onembed為輸出數(shù)據(jù)的情況，同inembed；ostride和odist與此同理，最后batch為進(jìn)行FFT運(yùn)算的信號(hào)個(gè)數(shù)。

傳輸?shù)皆O(shè)備端的數(shù)據(jù)都是按照列優(yōu)先的存儲(chǔ)規(guī)則來(lái)排布數(shù)據(jù),可以通過(guò)改變參數(shù)istride與idist，或者ostride和odist來(lái)改變FFT的輸入輸出數(shù)據(jù)的格式，如圖8所示。通過(guò)句柄初始化直接根據(jù)需求對(duì)數(shù)據(jù)進(jìn)行再次排序，在初始的過(guò)程中實(shí)現(xiàn)矩陣轉(zhuǎn)置，這一手段可以有效地優(yōu)化MTD的運(yùn)算時(shí)間。

圖8 FFT句柄初始化改變數(shù)據(jù)的排布格式

在完成對(duì)數(shù)據(jù)的初始化之后，調(diào)用CUFFT執(zhí)行函數(shù)即可。

cufftExecC2C(planname,datain,dataout,
CUFFT_FORWARD)

其中四個(gè)函數(shù)結(jié)構(gòu)分別對(duì)應(yīng)之前初始化的句柄，輸入輸出數(shù)據(jù)的指針和FFT運(yùn)算的方向。CUFFT_FORWARD是FFT運(yùn)算，CUFFT_INVERSE是IFFT運(yùn)算。

3.3 使用CUBLAS實(shí)現(xiàn)FIR濾波器組運(yùn)算

在前文已經(jīng)分析過(guò)，使用FIR濾波器組實(shí)現(xiàn)MTD能夠針對(duì)不同的回波信號(hào)，使濾波器自適應(yīng)地在雜波頻率出形成零陷，從而靈活地抑制回波信號(hào)中的雜波。但是這種MTD算法的實(shí)現(xiàn)卻對(duì)硬件有著巨大的壓力，算法實(shí)現(xiàn)過(guò)程如圖9所示。

圖9 FIR濾波器組實(shí)現(xiàn)MTD

CUBALS庫(kù)對(duì)于這種規(guī)模較大的矩陣向量運(yùn)算有著良好的加速效果，對(duì)于復(fù)數(shù)矩陣相乘C=alpha*A*B+beta*C有如函數(shù)

cublasCgemm(handle,transa,transb,
m,n,k,alpha,A,lda,ldb,beta,C,ldc)

transa和transb是表示矩陣A、B是否需要在計(jì)算前進(jìn)行轉(zhuǎn)置;m,n,k就是計(jì)算矩陣的維度信息；lda,ldb,ldc是對(duì)應(yīng)矩陣的主維度。

出于整個(gè)系統(tǒng)兼容性的考慮，CUBLAS也選擇使用列優(yōu)先的存儲(chǔ)方式。如果在計(jì)算之前對(duì)矩陣做了轉(zhuǎn)置，那么矩陣的主維度就是矩陣的列數(shù)，此時(shí)的矩陣是按照C/C++以行優(yōu)先的方式來(lái)存儲(chǔ)的；反之矩陣的主維度就是行數(shù)，保持了列有限的存儲(chǔ)方式。但是不論在計(jì)算之前是否對(duì)矩陣進(jìn)行轉(zhuǎn)置操作，都只是改變了矩陣數(shù)據(jù)排列格式，結(jié)果矩陣C永遠(yuǎn)都是按照列優(yōu)先存儲(chǔ)方式，因此要獲得符合主機(jī)端矩陣排布的MTD結(jié)果，就需要對(duì)參與計(jì)算的矩陣進(jìn)行轉(zhuǎn)置，得到行優(yōu)先的CT。如果后續(xù)的CFAR和雜波圖計(jì)算仍然是在GPU是進(jìn)行實(shí)現(xiàn)，則不需要此操作。表1總結(jié)了兩種情況下的參數(shù)設(shè)置規(guī)則，這是使用CUBLAS庫(kù)的關(guān)鍵。

表1 不同數(shù)據(jù)排布結(jié)果的參數(shù)選擇

4 性能優(yōu)化分析

4.1 兩種MTD實(shí)現(xiàn)方案在GPU上的性能分析

在CPU+GPU異構(gòu)平臺(tái)上對(duì)信號(hào)處理中的MTD算法進(jìn)行設(shè)計(jì)，硬件使用兩塊6U-VPX板卡，其中一塊使用至強(qiáng)E5-2648L V4的14核CPU為主處理器，用于處理流程的控制和資源的調(diào)度；另一塊板卡為T(mén)esla P6 GPU，其單精度浮點(diǎn)計(jì)算能力為6.1Tflops，傳輸帶寬為192 GB/s。

使用上述計(jì)算平臺(tái)實(shí)現(xiàn)某雷達(dá)的信號(hào)處理。該雷達(dá)測(cè)試數(shù)據(jù)包含5個(gè)波束(含一個(gè)匿影波束)，積累點(diǎn)數(shù)為32點(diǎn)，有效距離單元是800(對(duì)脈沖壓縮結(jié)果截取后產(chǎn)生)。將模擬產(chǎn)生的信號(hào)處理數(shù)據(jù)在GPU上運(yùn)行100次之后取平均耗時(shí)，并在CPU上分別實(shí)現(xiàn)FFT的MTD和FIR的MTD，記錄下耗費(fèi)時(shí)間，所得加速比如表2所示。

表2 MTD實(shí)現(xiàn)算法(開(kāi)啟加速選項(xiàng))

將GPU計(jì)算的MTD結(jié)果導(dǎo)出，與經(jīng)過(guò)MatLab計(jì)算的結(jié)果進(jìn)行比對(duì)，MTD結(jié)果誤差結(jié)果如圖10所示。需要注意的是在經(jīng)過(guò)2次N點(diǎn)FFT之后的數(shù)據(jù)比原數(shù)據(jù)擴(kuò)大了N倍，對(duì)結(jié)果進(jìn)行誤差分析時(shí)需要將擴(kuò)大的倍數(shù)考慮在內(nèi)。最終求模輸出的MTD結(jié)果誤差在0.05%以?xún)?nèi)，考慮到在GPU上計(jì)算的數(shù)據(jù)類(lèi)型為單精度(float)型，而MatLab默認(rèn)的顯示數(shù)據(jù)類(lèi)型為雙精度(double)，在進(jìn)行數(shù)據(jù)轉(zhuǎn)換時(shí)會(huì)對(duì)結(jié)果產(chǎn)生微小的影響，因此這個(gè)級(jí)別的誤差基本不會(huì)影響后續(xù)的雜波圖建立和恒虛警檢測(cè)。

圖10 MTD結(jié)果誤差

可以看到使用FIR濾波器組的MTD性能要比使用FFT的MTD提升了42.4%，原本最費(fèi)時(shí)的FIR濾波器組在GPU計(jì)算平臺(tái)上實(shí)現(xiàn)了性能的超越。

GPU的結(jié)構(gòu)特性利于完成大規(guī)模的矩陣運(yùn)算，針對(duì)數(shù)據(jù)讀取的優(yōu)化與高速庫(kù)函數(shù)的調(diào)用進(jìn)一步提升了濾波器組的計(jì)算速度。FIR濾波器組能夠讓雷達(dá)系統(tǒng)自適應(yīng)的對(duì)雜波產(chǎn)生抑制，增強(qiáng)了系統(tǒng)的靈活性；但是這樣設(shè)計(jì)的得到的自適應(yīng)的MTD濾波器會(huì)有較高的旁瓣電平，雖然不會(huì)造成主瓣的過(guò)度展寬以致主瓣變形，卻會(huì)造成不同濾波器之間的目標(biāo)相互影響，帶來(lái)虛警。FFT的MTD對(duì)于氣象雜波的抑制效果不佳，需要使用更低副瓣的濾波器組；但是加窗獲得了更低的副瓣電平卻造成了主瓣的進(jìn)一步展寬。

不過(guò)經(jīng)過(guò)優(yōu)化過(guò)后的兩種MTD方法耗時(shí)差異較小，經(jīng)過(guò)論證分析，已在某雷達(dá)的信號(hào)處理程序中都進(jìn)行了實(shí)現(xiàn)，根據(jù)具體情況選取更加合適的MTD方法。

4.2 使用CUBLAS實(shí)現(xiàn)FIR濾波的進(jìn)一步優(yōu)化猜想

在GPU高性能計(jì)算中，核函數(shù)與庫(kù)函數(shù)的啟用、初始化和計(jì)算數(shù)據(jù)的導(dǎo)入在整個(gè)計(jì)算過(guò)程中占據(jù)的時(shí)間花銷(xiāo)不能忽視。所以在使用GPU進(jìn)行高性能計(jì)算時(shí)，為了達(dá)到最優(yōu)的計(jì)算速度，整個(gè)應(yīng)用的結(jié)構(gòu)和數(shù)據(jù)的傳輸要根據(jù)實(shí)際情況作出相對(duì)應(yīng)的調(diào)整。計(jì)算數(shù)據(jù)規(guī)模的線(xiàn)性增加不一定導(dǎo)致計(jì)算時(shí)間的線(xiàn)性增加，所以我們將使用固定的總計(jì)算量，不同的循環(huán)次數(shù)和啟動(dòng)函數(shù)次數(shù)來(lái)測(cè)試MTD的計(jì)算時(shí)間。為了避免開(kāi)啟加速優(yōu)化項(xiàng)對(duì)多次測(cè)試的影響，在未加速情況下計(jì)算128點(diǎn)積累，R-D平面總數(shù)據(jù)量為128×100000個(gè)復(fù)數(shù)的FIR濾波過(guò)程，分別才去多段計(jì)算和一批次計(jì)算的方法，測(cè)試時(shí)間如表3所示。

表3 各種情況下的FIR濾波器組計(jì)算時(shí)間(未開(kāi)啟加速選項(xiàng))

從得出結(jié)果的后三項(xiàng)可以看出，并不是每次計(jì)算的矩陣維度小就一定能節(jié)省每次的運(yùn)算時(shí)間，單次函數(shù)啟動(dòng)和數(shù)據(jù)導(dǎo)入的開(kāi)銷(xiāo)據(jù)決定著要選則合適的數(shù)據(jù)維度才能達(dá)到最好的計(jì)算優(yōu)化；其次每次計(jì)算的數(shù)據(jù)維度越大，在計(jì)算的總耗時(shí)上就會(huì)有提升。所以在信號(hào)處理過(guò)程中，在不造成系統(tǒng)其它分系統(tǒng)阻塞或者使計(jì)算資源發(fā)生空閑的情況下，盡量在GPU計(jì)算前堆積足夠大量的數(shù)據(jù)，單次直接計(jì)算大量數(shù)據(jù)，減少函數(shù)啟動(dòng)的次數(shù)，優(yōu)化整體計(jì)算的時(shí)間。

5 結(jié)束語(yǔ)

本文從實(shí)現(xiàn)MTD的兩種方法入手，分析了FIR濾波器組和FFT計(jì)算實(shí)現(xiàn)MTD的優(yōu)缺點(diǎn)。針對(duì)在較大數(shù)據(jù)情況下，使用FIR濾波器組實(shí)現(xiàn)MTD會(huì)導(dǎo)致計(jì)算資源的緊張和影響系統(tǒng)實(shí)時(shí)性的問(wèn)題，提出了使用CPU+GPU異構(gòu)架構(gòu)來(lái)完成計(jì)算過(guò)程優(yōu)化的方式。結(jié)果表明在GPU上實(shí)現(xiàn)MTD算法的處理結(jié)果與在CPU上所得結(jié)果誤差在0.05%內(nèi)。經(jīng)過(guò)算法優(yōu)化和GPU加速選項(xiàng)優(yōu)化之后，MTI級(jí)聯(lián)FFT的濾波器組在GPU上的計(jì)算效率相比在CPU上的串行計(jì)算提高了近32.64倍，而本身以運(yùn)算量較大的FIR濾波器組算法相比CPU提高了近254.58倍。

FIR濾波器組能夠?qū)崿F(xiàn)自適應(yīng)的雜波抑制，增加了系統(tǒng)的靈活性，但副瓣較高；FFT濾波器組具有更低的副瓣電平，卻因?yàn)榧哟耙种齐娖皆斐芍靼甑倪M(jìn)一步展寬。在經(jīng)過(guò)優(yōu)化之后，兩種MTD在GPU上的計(jì)算耗時(shí)來(lái)到了同一個(gè)水平。所以在以GPU為核心的雷達(dá)信號(hào)處理平臺(tái)中，可以根據(jù)具體需求擇優(yōu)選擇兩種MTD實(shí)現(xiàn)方法。最后對(duì)于CUBALS庫(kù)在雷達(dá)信號(hào)處理過(guò)程中的進(jìn)一步優(yōu)化，提出了單次計(jì)算大量數(shù)據(jù)，減少函數(shù)啟動(dòng)次數(shù)的建議。