金 莉，王仁志，宋萬杰

(西安電子科技大學 雷達信號處理國家重點實驗室，陜西 西安710071)

雷達所處的大環(huán)境中存在各種雜波，與目標信號相比，雜波往往具有更大的功率，所以雷達信號處理的關(guān)鍵在于從雜波背景中檢測出目標。雷達信號處理系統(tǒng)中，自適應(yīng)動目標顯式(AMTI)因為對靜雜波和動雜波都有抑制能力，成為常用的雜波抑制方式。實現(xiàn)AMTI技術(shù)的方法主要有兩種：一種是兩級動目標顯示級聯(lián)形式實現(xiàn)，讓第一級凹口位于多普勒零頻處，抑制靜止雜波；第二級設(shè)計凹口抑制動雜波；另一種是設(shè)計雙凹口雜波抑制濾波器[1]。

本文采用NVIDIA的圖形處理單元(Graphics Processing Unit ,GPU)來實現(xiàn)AMTI算法。自GPU概念提出以來，GPU峰值性能一直以超過摩爾定律的速度增加，平均每6個月翻一番[2-3]。相對CPU而言，GPU具有浮點計算能力強、性價比高、能耗低等優(yōu)點，被廣泛用于通用計算中。特別是統(tǒng)一設(shè)備架構(gòu)(Compute Unified Device Architecture ,CUDA)的發(fā)布，將圖形硬件和應(yīng)用接口程序進行封裝，使開發(fā)人員可以直接采用C語言進行編程，方便易學[4]。以GPU為平臺，采用CUDA技術(shù)，在單指令多數(shù)據(jù)(Single Instruction Multiple Data，SIMD)編程模型下實現(xiàn)AMTI算法，發(fā)揮GPU強大的計算能力，提高運算效率。

1 AMTI算法

為了濾除雜波，需要在雜波信號位置形成凹口。因為動雜波不位于零頻附近，所以可以在動雜波譜位置形成凹口，也可以將動雜波移動至凹口附近來濾除動雜波。即有兩種方法實現(xiàn)AMTI技術(shù)：一種是將雜波信號譜中心移到零頻凹口處，然后采用MTI濾波器進行濾波處理；另一種是將抑制雜波的凹口移動至雜波譜中心直接實現(xiàn)濾波，這種方法需要事先設(shè)計凹口位于不同頻率點的濾波器，并且將濾波器權(quán)系數(shù)存儲在一個庫里，稱為權(quán)系數(shù)庫法。在工程中常使用這種方法，首先設(shè)計出凹口位于零頻處的MTI濾波器，然后在頻率軸平移得到濾波器權(quán)系數(shù)庫，當估計到雜波頻譜中心后，直接調(diào)用對應(yīng)的濾波器進行對消處理[5-6]。本文采用基于權(quán)系數(shù)庫實現(xiàn)的AMTI算法，圖1為該算法的原理框圖。

圖1 基于權(quán)庫法的AMTI原理框圖

基于權(quán)系數(shù)庫的AMTI算法的思想是：先估計動雜波的多普勒范圍f∈(fdmin,fdmax)。然后，在這個估計的多普勒范圍內(nèi)，等間隔的設(shè)計一組MTI雜波抑制濾波器，最后將該雜波抑制濾波器的濾波器系數(shù)直接放入存儲設(shè)備中備用[7-8]。具體實現(xiàn)過程中，首先需要確定調(diào)用的MTI濾波器，具體方法為：先估計雜波的多普勒中心頻率f，然后依據(jù)f調(diào)用對應(yīng)的MTI雜波抑制濾波器濾波。因此，基于權(quán)系數(shù)庫的AMTI濾波器的設(shè)計重點在于準確估計動雜波的多普勒中心頻率f。在實際的工程實現(xiàn)中，動雜波多普勒中心頻率f通過計算相鄰脈沖間相位差得到。

考慮到雷達回波信號x(t)的表達式為

x(t)=A(t)ej(wdt+φ0)+n(t)

(1)

式中，A(t)為回波信號的幅度；wd為雜波的多普勒頻率，并有wd=2πfd；w0表示初回波信號的初始相位；加性噪聲n(t)在不同脈沖間互不相關(guān)。假設(shè)Tr為脈沖的重復周期，那么雷達接收到的下一個Tr的發(fā)射脈沖回波為

x(t-Tr)=A(t-Tr)ej(wd(t-Tr)+φ0)+n(t-Tr)

(2)

那么，兩次回波信號的相關(guān)函數(shù)可表示為

Rxx=E[x(t)x*(t-Tr)]=E[A(t)A(t-Tr)]ejwdTr

(3)

式(3)中A(t)為窄帶信號，因此，可以得出式E[A(t)A(t-Tr)]=E[|A(t)|2]的結(jié)果為實數(shù)。因此，雜波的多普勒頻率wd為

(4)

進一步

(5)

式(5)中，i表示不同脈沖回波信號序列。采用相鄰兩個脈沖間相位差的方法，得到f表達式為

(6)

為了準確估計雜波多普勒中心頻率，實際工程中常采用質(zhì)心法，質(zhì)心法就是將回波信息中的幅度值也考慮在內(nèi)，多次估計的雜波多普勒中心頻率，最后進行平滑處理[9]。進一步提高f估計的準確性。

2 CUDA編程模型

CUDA編程模型將CPU作為主機(Host),GPU作為協(xié)處理器(Co-processor)或者設(shè)備(Device)。在一個系統(tǒng)中可以存在若干個主機和設(shè)備[10]。在CUDA編程模中，CPU和GPU協(xié)同工作，CPU主要負責整個串行運算的執(zhí)行，控制算法執(zhí)行流程，初始化數(shù)據(jù)將其傳遞到GPU，GPU接收CPU傳遞過來的數(shù)據(jù)，進行并行計算，計算完成后，將計算結(jié)果傳遞回主機[11-12]。另外，GPU和CPU擁有各自獨立的存儲空間，CPU端為主機內(nèi)存，GPU端為顯存，GPU對顯存的操作一般與CPU對內(nèi)存操作一樣，需要調(diào)用CUDA API中的內(nèi)存管理函數(shù)。

運行在GPU上的函數(shù)稱為核函數(shù)(Kernel),核函數(shù)并不是一個完整的程序，而是整個CUDA程序中一個可以被并行執(zhí)行的步驟[13-15]。如圖2所示，一個完整的CUDA程序是由主機端的串行代碼和設(shè)備端的并行函數(shù)Kernel(·)共同組成，各個并行函數(shù)之間為串行關(guān)系。

圖2 CUDA并行編程模型

3 AMTI算法實現(xiàn)流程

為滿足雷達系統(tǒng)要求，本算法采用5參差A(yù)MTI，濾波器間隔是5 Hz，從0～90 Hz共19組AMTI雙凹口濾波器，圖3為AMTI算法實現(xiàn)流程圖。

圖3 基于權(quán)系數(shù)庫的AMTI算法實現(xiàn)流程圖

基于CUDA架構(gòu)的AMTI算法實現(xiàn)，主要流程如下：

步驟1在CPU上進行數(shù)據(jù)初始化，內(nèi)存以及顯存分配，將準備就緒的數(shù)據(jù)通過CUDA API中的拷貝函數(shù)拷貝至GPU；

步驟2首先在GPU上完成雜波譜中心f的估計，并判斷頻率值的正負值，將該值存放在單獨數(shù)組中；

步驟3接下來在GPU上進行AMTI處理，具體處理流程如圖3所示，最終實現(xiàn)抑制雜波的目的；

步驟4再次調(diào)用CUDA API中的拷貝函數(shù)就計算結(jié)果從設(shè)備拷貝回主機；

步驟5在CPU上釋放分配的內(nèi)存以及顯存。

圖4為采用CUDA編程架構(gòu)的AMTI算法實現(xiàn)流程圖。

GPU上實現(xiàn)AMT處理，主要是抽取AMTI中的并行部分，分配到各線程塊中的線程進行執(zhí)行。就雜波譜中心估計來說，包含脈沖數(shù)和數(shù)據(jù)量兩層循環(huán)，但GPU中只要合理分配線程及線程塊，讓每個線程執(zhí)行一個脈沖一組數(shù)據(jù)的運算，就可以大幅提高運算效率。本實現(xiàn)中，分別用x維線程控制數(shù)據(jù)量，y維線程控制脈沖數(shù)，運算完成后批量增加循環(huán)過程中的累加值，代碼如下：

int tidx=threadIdx.x+blockIdx.x*blockDim.x;∥數(shù)據(jù)量

int tidy=threadIdx.y+blockIdx.y*blockDim.y;∥脈沖數(shù)

while(tidx

while(tidy

{

∥計算得到濾波器系數(shù)相關(guān)地址及符號

tidy+=blockDim.y*gridDim.y; 距離單元/個

}

∥計算系數(shù)偏移地址去除系數(shù)完成AMTI處理

tidx+=blockDim.x*gridDim.x; ∥批量并行運算

}

需要說明的是，在AMTI實現(xiàn)過程中，需要計算反正切值。反正切值是通過查表法得到。事先計算好得到每個角度對應(yīng)的正切值，存放在內(nèi)存中以備使用。為了提高正切值的精度，可以采用先乘數(shù)再取整的方法。具體實現(xiàn)方法為，將求得的值首先乘以一個倍數(shù)，然后進行取整，放入表格中，根據(jù)具體雷達系統(tǒng)對數(shù)據(jù)精度的要求，確定該倍數(shù)大小。

4 仿真結(jié)果及分析

仿真采用的操作系統(tǒng)為Windows 7 SP1，顯卡是計算能力為2.0的NVIDIA Tesla C2050，該顯卡支持雙精度浮點運算，滿足雷達系統(tǒng)對精度的要求。為了提高運算精度，數(shù)據(jù)處理均采用雙精度浮點數(shù)，圖5為AMTI前脈壓數(shù)據(jù)。

圖5 脈壓原始數(shù)據(jù)

實驗分別在CPU和GPU上實現(xiàn)AMTI算法，其結(jié)果分別如圖6和圖7所示。

圖6 CPU平臺實現(xiàn)AMTI

從圖6和圖7可以看到濾除了地雜波，目標幅度達到103數(shù)量級，可以認為雜波抑制效果良好且CPU和GPU處理結(jié)果一致，但兩者的處理速度有很大差別。

圖7 GPU平臺實現(xiàn)AMT

表1 CPU與GPU所運行時間對比/ms

從表1可以看出， GPU比CPU的數(shù)據(jù)運算效率更高。需要說明的是，表格中括號內(nèi)數(shù)字表示用于主機和設(shè)備之間數(shù)據(jù)傳輸?shù)臅r間，例如AMTI算法中，總時間0.645 ms中僅0.02 ms用于數(shù)據(jù)處理，括號中為用于數(shù)據(jù)傳輸?shù)臅r間，即GPU有很大一部分時間都是用在數(shù)據(jù)傳輸上，所以在GPU運算過程中，應(yīng)當盡量減數(shù)據(jù)傳輸時間。

5 結(jié)束語

實驗表明，通過在GPU上實現(xiàn)AMTI算法，不僅達到了和CPU上一樣的效果，而且加快了運算速度，提高了運算效率。但是在CUDA程序中，主機與設(shè)備之間的數(shù)據(jù)傳輸會耗費很多時間，所以可以采用以下3種方法減少傳輸時間：(1)由于在設(shè)備和主機之間進行數(shù)據(jù)傳輸會耗費相當多的時間，所以應(yīng)該在兩次數(shù)據(jù)傳輸之間在GPU上進行盡可能多的運算，或者采用流的處理方式，將數(shù)據(jù)進行分塊處理，傳輸?shù)耐瑫r進行運算；(2)因為紋理存儲器的存儲方式為只讀，處理速度相對其他存儲器速度較快，可以采用紋理存儲器來保存一些反三角函數(shù)表，濾波器系數(shù)等，以優(yōu)化數(shù)據(jù)處理效率；(3)合理安排線程塊以及線程數(shù)量，例如當使用二維線程塊以及線程索引時，可以利用dim3這個變量進行定義，最好以一個線程束的倍數(shù)定義線程和線程塊數(shù)量來最大限度提高運算速率?？偟膩碚f，利用CUDA處理數(shù)據(jù)相比CPU而言，較好地滿足了目前信息處理對高精度、實時性要求。