基于GPU的前視成像半實物仿真系統(tǒng)設計與實現(xiàn).pdf

1、傳統(tǒng)的合成孔徑雷達（Synthetic Aperture Radar, SAR）和逆合成孔徑雷達（Inverse Synthetic Aperture Radar, ISAR）都是一種具有高分辨率的相干成像雷達，其成像過程需要利用目標和雷達間的相對運動所產(chǎn)生的多普勒信息。它們能適應不同氣候環(huán)境和晝夜時間段，因此已被應用于各個領域。但在需要探測雷達載體前方的情況時，其固有的成像機制會導致前視盲區(qū)問題。
　　為了解決前視成像問題，人們

2、提出了眾多的解決方案。近年來，隨著量子光學的發(fā)展，尤其是計算鬼成像技術的出現(xiàn)，學者們提出了一種全新的前視成像算法：基于量子理論的前視微波關聯(lián)成像算法。該成像算法具有分辨率高的優(yōu)點，但其計算量巨大，硬件資源要求高，傳統(tǒng)的信號處理平臺難以在短時間內(nèi)完成算法的實現(xiàn)和驗證工作。伴隨著電子技術的迅猛發(fā)展，圖形處理單元（Graphics Processing Units, GPU）的性能不斷得到提升，使得GPU的應用范圍從圖像顯示領域擴展到了通用信

3、號處理領域。鑒于此，本文利用GPU的并行處理能力來優(yōu)化微波關聯(lián)成像算法，以此來縮短算法運行時間。
　　本文重點研究了基于GPU的前視微波關聯(lián)成像的實現(xiàn)以及半實物仿真系統(tǒng)的驗證。論文首先論述了量子關聯(lián)成像原理和壓縮感知理論，重點對稀疏信號重建算法進行了說明。然后給出了前視微波關聯(lián)成像的信號模型和算法流程，針對性能要求，構建了最小l1范數(shù)優(yōu)化模型，選用了梯度投影算法進行求解。為了驗證前視成像算法的性能，本文描述了基于GPU的半實物仿真

4、系統(tǒng)的搭建及測試過程，該半實物仿真系統(tǒng)主要包括三部分：仿真控制平臺、回波數(shù)據(jù)產(chǎn)生平臺和基于GPU的信號處理平臺。為了實現(xiàn)前視成像算法在信號處理平臺上的運行，本文通過對算法的并行性分析，實現(xiàn)了功能模塊的劃分，接著運用統(tǒng)一計算設備架構（Compute Unified Device Architecture, CUDA）庫函數(shù)和優(yōu)化策略，在GPU上實現(xiàn)了前視成像算法的并行處理。最后通過上位機界面實現(xiàn)了系統(tǒng)參數(shù)傳輸和算法控制，完成了半實物仿真系