張寶玲++鄭海昕++薛俊詩

摘 要： 工作于UHF/VHF頻段的雙基地雷達(dá)探測系統(tǒng)可作為高超音速臨近空間目標(biāo)探測的重要手段之一，為了解決探測系統(tǒng)快速發(fā)現(xiàn)與跟蹤目標(biāo)的實時性問題，提出一種基于GPU的臨近空間高速高動態(tài)目標(biāo)回波信號的快速捕獲方法，給出了捕獲方案的設(shè)計過程、軟件設(shè)計思路和原理框圖，并選擇具有代表性參數(shù)的信號，在實際平臺上進(jìn)行測試并給出測試結(jié)果，驗證了該設(shè)計方案的可行性。

關(guān)鍵詞： 臨近空間； 高超聲速飛行器； 多基地雷達(dá)； 捕獲； GPU

中圖分類號： TN95?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）17?0027?03

Design and testing of fast capture scheme for hypersonic target echo

ZHANG Baoling， ZHENG Haixin， XUE Junshi

（Academy of Equipment， Beijing 101416， China）

Abstract： The bistatic radar detection system working at UHF/VHF can be used as one of the important means for near space hypersonic target detection. In order to solve the real?time problems of detection system in the process of fast discovery and tracking target， a GPU?based fast capture method of echo signal of high speed and high dynamic target in near space is put forward. The design process， software design idea and principle block diagram of the capture scheme are presented. The signals with representative parameters are chosen to test on the practical platform， and the test results are provided. The feasibility of the design scheme was verified.

Keywords： near space； hypersonic vehicle； multistatic radar； capture； GPU

0 引 言

臨近空間作戰(zhàn)平臺相對于一般飛機(jī)和衛(wèi)星具有飛行高度適中、生存概率高、威脅作用大、部署速度快、機(jī)動能力強(qiáng)等獨特的優(yōu)點[1?3]。雷達(dá)探測是臨近空間目標(biāo)探測的主要技術(shù)手段[4]，而多基地雷達(dá)探測系統(tǒng)在體制上具有隱蔽性、生存能力、抗干擾能力、反隱反偵察能力、反干擾能力強(qiáng)等技術(shù)優(yōu)勢[5]。

工作于UHF/VHF頻段的多基地雷達(dá)探測系統(tǒng)用于高超音速臨近空間目標(biāo)探測，能夠克服臨近空間高超音速目標(biāo)所特有的黑障效應(yīng)，如果再采用一定形式的擴(kuò)頻技術(shù)，例如采用二相編碼脈沖信號，則使得敵方偵察雷達(dá)探測到發(fā)射機(jī)的概率進(jìn)一步下降，從而使探測系統(tǒng)具有卓越的生存能力，是一種典型的低截獲概率雷達(dá)。但是由于臨近空間高超聲速目標(biāo)具有高速、高動態(tài)的特性[6]，而且在一個天線波束內(nèi)的駐留時間很短，各接收站必須具備對接收信號進(jìn)行快速檢測的能力，及時發(fā)現(xiàn)目標(biāo)。探測系統(tǒng)的工作實時性是系統(tǒng)需要重點設(shè)計和保障的技術(shù)指標(biāo)。基于FFT的多通道頻域并行捕獲方法，無論是基于FPGA的硬件電路還是基于CPU并行多路FFT的軟件實現(xiàn)，效果均不理想。鑒于GPU具有高度并行化的特點，如果對并行算法進(jìn)行改進(jìn)后將其應(yīng)用于多基地雷達(dá)高超音速臨近空間目標(biāo)探測系統(tǒng)，則可以實現(xiàn)臨近空間高動態(tài)回波的快速捕獲。

1 GPU用于高速高動態(tài)回波捕獲的基本原理

GPU是一種擁有極強(qiáng)的計算能力和較高的存儲器帶寬的多線程多核處理器，GPU于1999年由NVIDIA公司提出，并以大大超過摩爾定律的速度高速發(fā)展[7]。2003年，Moreland 等人利用常規(guī)算法在GPU上實現(xiàn)了快速傅里葉變換[8]（FFT）。NVIDIA推出統(tǒng)一設(shè)備架構(gòu)（Compute Unified Device Architecture，CUDA）后，使其強(qiáng)大性能得到充分的發(fā)揮，應(yīng)用領(lǐng)域也不斷擴(kuò)展。CUDA的架構(gòu)組成如圖1所示[9]。

將GPU應(yīng)用于信號快速捕獲時，采用基于FFT的多通道頻域并行捕獲方法，將一定時間長度的多通道多普勒補(bǔ)償后的數(shù)據(jù)送入GPU顯存，利用GPU中的眾多多線程處理器進(jìn)行并行FFT處理及相關(guān)計算，將計算結(jié)果返回CPU，進(jìn)行峰值檢測，獲得多普勒頻率和回波延遲時間的估計值，進(jìn)而完成目標(biāo)檢測和參數(shù)估計。

2 基于GPU的回波捕獲方案設(shè)計

2.1 確定并行通道數(shù)目

對于雙基地雷達(dá)探測系統(tǒng)，目標(biāo)回波信號的多普勒頻率為：

[fd=2vλcosφcos β2] （1）

多普勒變化率為：

[f′d=aλcosφcos β2] （2）

式中：[v]為目標(biāo)在雙基地平面內(nèi)的運(yùn)動速度；[a]為加速度；[β]為雙基地角；[φ]為目標(biāo)速度方向與雙基地角平分線的夾角。

由式（1），式（2）可見，臨近空間高超聲速目標(biāo)的多普勒頻率和多普勒變化率不僅與目標(biāo)有關(guān)，還與在雙基地雷達(dá)中的位置關(guān)系有關(guān)。

例如，設(shè)臨近空間高超聲速目標(biāo)在雙基地平面內(nèi)的速度最大值為5.1 km/s，選取探測頻率為300 MHz，雙基地角[β]的范圍是[3°，157°]，根據(jù)式（1）可得多普勒的捕獲空間為[-10，10] kHz。適當(dāng)增加偽碼長度，可以提高偽碼捕獲增益，增加調(diào)制脈沖時長，降低回波信號劇烈波動帶來的影響。

一般情況下，當(dāng)多普勒頻率搜索間隔等于一個脈沖時長的倒數(shù)時便能滿足信號捕獲的要求，由于臨近空間高動態(tài)回波信噪比較低，應(yīng)減小多普勒搜索步長，選擇500 Hz～1 kHz。

2.2 前期處理

將采樣后的中頻信號分別與各通道的本地復(fù)載波相乘，對多普勒頻偏進(jìn)行補(bǔ)償。產(chǎn)生本地偽碼信號，并對其進(jìn)行內(nèi)插，使內(nèi)插后的本地偽碼長度與剝離載波后的中頻信號采樣數(shù)據(jù)長度一致。然后將補(bǔ)償后的中頻信號和本地偽碼信號從CPU內(nèi)存拷貝到GPU顯存中。由于GPU每次只能調(diào)用一次CUFFT庫，但是在一個CUFFT中可以同時做多個FFT，因此需要將輸入信號與不同初相位的PN碼對應(yīng)碼位相乘后再進(jìn)行數(shù)據(jù)復(fù)合，形成串行數(shù)據(jù)塊，以便利用一個CUFFT做多個FFT，實現(xiàn)FFT的并行運(yùn)算。

2.3 GPU端信號捕獲

利用CUFFT庫函數(shù)實現(xiàn)（D+1）路FFT并行運(yùn)算，分別對各通道數(shù)據(jù)與本地偽碼信號進(jìn)行FFT運(yùn)算[10]。將本地偽碼信號FFT處理后的結(jié)果取共軛，并分別與FFT處理后的D路并行中頻信號相乘，乘法運(yùn)算可以利用GPU核函數(shù)設(shè)計的并行算法運(yùn)算；將頻域相乘后的結(jié)果再次調(diào)用CUFFT，完成IFFT運(yùn)算，對運(yùn)算結(jié)果并行取模。

2.4 峰值搜索

GPU的邏輯判斷執(zhí)行能力較差，尋找相關(guān)峰值、捕獲判決的任務(wù)由CPU完成。進(jìn)行捕獲判決后，匹配時得到的結(jié)果為含有偽碼相位信息、具有相關(guān)峰值的譜線；而不匹配時的結(jié)果相當(dāng)于對回波信號進(jìn)行了一次偽碼調(diào)制，不會得到峰值信息。將相關(guān)峰值最大時刻與發(fā)送信號的初相位進(jìn)行比較，即可獲得回波信號的偽碼粗相位，而由峰值所在的通道數(shù)可得到多普勒估計值。

2.5 設(shè)計方案

綜上所述，可以設(shè)計出利用GPU進(jìn)行高動態(tài)回波快速捕獲的原理框圖，如圖2所示。

2.6 軟件設(shè)計

CUDA編程模型是將進(jìn)行串行計算和邏輯運(yùn)算的CPU（主機(jī)）和負(fù)責(zé)高速并行計算的GPU（設(shè)備）由PCI?E總線連接。在編程過程中，必須對程序作詳細(xì)的規(guī)劃，對串、并行部分進(jìn)行合理區(qū)分，并利用CUDA完成并行執(zhí)行部分。由于CPU和GPU之間的數(shù)據(jù)傳遞需要耗費(fèi)一定的時間，在進(jìn)行CUDA編程時，應(yīng)盡量減少兩者之間的數(shù)據(jù)傳遞，提高計算效率[10]。理想情況下，CPU串行代碼只負(fù)責(zé)內(nèi)核函數(shù)的啟動與清理，而由GPU完成盡量多的計算任務(wù)。

軟件實現(xiàn)主程序流程如下：

（1） 初始化數(shù)據(jù)。利用Malloc為內(nèi)存申請空間，用于存儲本地偽碼信號、中間處理結(jié)果；將回波數(shù)據(jù)和內(nèi)插后的本地偽碼讀入內(nèi)存，利用cudaMalloc在GPU端申請空間，用于存儲由CPU讀入的數(shù)據(jù)和計算結(jié)果；

（2） 對CUDA內(nèi)核的FFT進(jìn)行初始化，并設(shè)置運(yùn)算點數(shù)。設(shè)并行通道數(shù)為D，每路信號采樣點數(shù)為N，則運(yùn)算點數(shù)為（D+1）N；

（3） 將CPU內(nèi)存中多通道多普勒補(bǔ)償后的數(shù)據(jù)送入GPU顯存；

（4） 調(diào)用CUFFT完成多路并行快速傅里葉變換，用乘法核函數(shù)完成并行乘法運(yùn)算，然后對各運(yùn)算結(jié)果并行取模；

（5） 將計算結(jié)果讀回CPU，完成捕獲判決。相關(guān)峰最大值低于門限值，判定無目標(biāo)；相關(guān)峰最大值高于門限值，判定有目標(biāo)，并計算目標(biāo)的粗多普勒值和碼相位。將該值作為載波NCO的初始值，進(jìn)行精確捕獲，則可進(jìn)行連續(xù)跟蹤，并獲得精確的多普勒頻率用于速度解算。

3 方案驗證與測試

為了驗證方案的可行性，在實際GPU平臺上對基于FFT的多通道頻域并行捕獲的高動態(tài)回波捕獲性能進(jìn)行了測試。測試過程中，兼顧搜索效率和參數(shù)估計精度，在保證系統(tǒng)工作的實時性和有效性的前提下，提高目標(biāo)檢測概率和參數(shù)估計的精度。選擇探測系統(tǒng)的探測信號的頻率為300 MHz，雙基地角[β]的變化范圍為[3°，157°]，臨近空間高超聲速目標(biāo)在雙基地平面內(nèi)的速度最大值為5.1 km/s，根據(jù)式（1）可以計算出，多普勒的捕獲空間為[-10，10] kHz。 取回波信號的多普勒頻率為[fd=]-4 045 Hz，信噪比為-20 dB，搜索通道頻率間隔為100 Hz。共測試三組數(shù)據(jù)，其中一組捕獲數(shù)據(jù)，兩組跟蹤數(shù)據(jù)。部分程序代碼如圖3所示，測試平臺、參數(shù)和測試結(jié)果如表1所示。

碼速率：6.138 MCPS，折合6.5采樣點/碼片，以一個偽碼周期為相關(guān)積分時間計算測試點數(shù)。根據(jù)不同階段進(jìn)行不同頻率的重采樣，調(diào)節(jié)測試數(shù)據(jù)點數(shù)。

測試得到的相關(guān)峰值最大值的通道數(shù)為141（與理論分析相同），多普勒估計粗值為4 000 Hz。

利用GPU進(jìn)行400路4 096數(shù)據(jù)點的并行計算時間可以控制在200 ms內(nèi)。當(dāng)數(shù)據(jù)量較大時，并行運(yùn)算速度可以達(dá)到串行的10倍左右。在進(jìn)行臨近空間高超聲速目標(biāo)檢測時，可以適當(dāng)增加并行通道數(shù)，提高捕獲精度。利用GPU可以在滿足一定精度的前提下快速完成高動態(tài)回波信號捕獲，充分保證目標(biāo)探測的實時性。

4 結(jié) 語

由于臨近空間高超聲速目標(biāo)的特殊性，對探測系統(tǒng)的實時性提出了更高的要求，而對于較長碼周期的擴(kuò)頻探測信號就更難實現(xiàn)。本文根據(jù)GPU具有高度并行化、多線程多核的硬件結(jié)構(gòu)特點，將其應(yīng)用于臨近空間高動態(tài)回波信號的捕獲。分析和測試驗證表明，利用GPU實現(xiàn)的基于FFT的多通道頻域并行捕獲方案，可以實現(xiàn)臨近空間高動態(tài)回波信號的實時捕獲，進(jìn)而完成目標(biāo)的快速檢測與參數(shù)估計。

參考文獻(xiàn)

[1] DOMINGO M， RIVAS F， PEREZ J， et a1. Computation of the RCS of complex bodies modeled using NURBS surfaces [J]. IEEE Antennas & Propagation Magazine， 1995， 37（6）： 36?47.

[2] 佟周.美國關(guān)注臨近空間作戰(zhàn)[J].國際航空雜志，2006（5）：60?63.

[3] CHRZANOWSKI E J. Active radar electronic countermeasures [M]. New York： Artech House Publishers， 1990.

[4] 肖松，譚賢四，王紅，等.國外臨近空間高超聲速飛行器探測系統(tǒng)研究[J].飛航導(dǎo)彈，2012（6）：28?31.

[5] 廖玉忠，劉付顯.臨近空間雙基地雷達(dá)抗干擾能力分析[J].艦船電子對抗，2009，32（5）：36?40.

[6] 關(guān)欣，趙靜，何友.臨近空間高超音速飛行器跟蹤技術(shù)[J].四川兵工學(xué)報，2011，32（8）：4?6.

[7] 丁鵬.基于GPU的通用并行計算庫的設(shè)計與實現(xiàn)[D].成都：西南石油大學(xué)，2007.

[8] 張舒，褚艷利，趙開勇.GPU高性能運(yùn)算之CUDA[M].北京：中國水利水電出版社，2012.

[9] 陳源，王元欽，劉瑩.基于GPU加速的擴(kuò)頻信號捕獲方法[J].中國科學(xué)院研究生院學(xué)報，2012，29（2）：240?245.

[10] SANDERS J， EDWARD K. CUDA by example： An introduce to general?purpose GPU programming [M]. Beijing： China Machine Press， 2011.

[11] MORELAND K， ANGEL E. The FFT on a GPU [C]// Procee?dings of 2003 the ACM Siggraph/Eurographics Conference on Graphics Hardware. San Diego： ACM， 2003： 112?119.