一种基于CUDA的毫米波雷达RMA成像方法技术

本发明专利技术属于雷达成像技术领域，具体涉及一种基于CUDA的毫米波雷达RMA成像方法。该方法包括步骤：(S2)对目标三维散射数据s水平、高度维分别进行二维方位快速傅里叶逆变换，并做并行平移处理，得到数据s1；(S3)对数据s1在空间谱域范围支撑区外出现非数值的位置置零，得到数据s2；(S4)对数据s2进行距离向波数域插值，得到数据s3；(S5)数据s3进行三维逆快速傅里叶变换，并对变换结果取模值，再对三维数据各个维度取最大散射值成像。本发明专利技术实现了阵列扫描体制算法加速的创新，解决了这种新体制下处理速度缓慢的弊病，转移现有算法对CPU的依赖，实现了算法函数的多次重复调用和移植。

RMA Imaging Method of Millimeter Wave Radar Based on CUDA

The invention belongs to the technical field of radar imaging, in particular to a millimeter wave radar RMA imaging method based on CUDA. The method consists of steps: (S2) two-dimensional azimuth fast Fourier inverse transformation of the target's three-dimensional scattering data s level and height dimensions, and parallel translation processing to obtain data s1; (S3) zero the non-numerical position of data S1 outside the support area of spatial spectral domain, and obtain data s2; (S4) interpolation of data S2 in range wavenumber domain to obtain data s3; (S5) data S3 advancement. Three-dimensional inverse fast Fourier transform is performed, and the modulus of the transform result is taken, and then the maximum scattering value of each dimension of the three-dimensional data is taken for imaging. The invention realizes the innovation of accelerating the algorithm of the array scanning system, solves the disadvantage of slow processing speed under the new system, transfers the dependence of the existing algorithm on CPU, and realizes multiple repeated calls and transplantation of the algorithm function.

【技术实现步骤摘要】
一种基于CUDA的毫米波雷达RMA成像方法
本专利技术属于雷达成像
，具体涉及一种基于CUDA(统一计算设备架构，缩写：CUDA，是显卡厂商NVIDIA推出的运算平台)的毫米波雷达RMA(距离徙动算法，缩写：RMA)成像方法。
技术介绍
目前在世界范围研发的GPU(图形处理器)雷达成像主要集中在SAR/ISAR，GPU高性能计算是一种近年迅速发展的并行计算技术，因其能为大数据量处理提供快速的并行计算框架，已经成为具有非常高的数据并行计算密度；支持多线程；具有多个计算核心的通用数学协处理器,它不仅具有非常大的计算强度,而且GPU内存吞吐量相对于CPU更大。另外，国内外相关的GPU雷达成像研究包括，马德里技术大学利用NVIDIACUDA技术的GPU实时图像处理算法，用于THz波段3-D穿衣探测雷达，对应于50x90cm2的扫描区域，其允许对由6000个像素组成的图像以大于8fps的速率进行图像刷新。考虑了传统的时域逆投影和基尔霍夫偏移算法对隐藏目标成像的性能加速。印度班加罗尔电子和雷达发展机构实现了传统的时域逆投影和基尔霍夫偏移算法对隐匿目标成像的性能加速，由于在这些算法中图像强度是逐像素计算的，因此，GPU可以加速其他雷达成像算法。另外，国防科技大学熊超在数据量较大时将频谱分析和谱峰搜索移植到GPU内进行运算，有效缩短了系统的整体响应时间。现有的与雷达GPU成像相关专利技术主要集中在各个专用领域的子系统实现，专利申请CN201711246749.4公开了一种基于GPU的快速频域后向投影三维成像方法，运用三维频域后向投影算法，利用图形处理器GPU采用一种单程序多数据的指令模式来对其丰富的硬件资源进行调度的能力，再通过三维傅里叶逆变换得到三维SAR图像，从而大幅度提升了后向投影算法的运行效率。专利申请CN201710485297.9公开了一种基于GPU实现的合成孔径雷达图像目标识别方法，专利申请CN107064930A公开了基于GPU的雷达前视成像方法。从CPU端获取观测向量和测量矩阵，在GPU端，采用CUDA架构并行实现从观测向量中恢复场景目标后向散射系数向量，完成雷达前视成像。专利申请CN201711019081.X公开了基于嵌入式GPU的单像素激光雷达成像装置及成像方法，主要描述基于嵌入式GPU的单像素激光雷达成像装置，信息传入嵌入式GPU底座中，根据输入的信息进行均匀光滑曲面重建，并将重建好的三维光滑曲面模型进行动态成像显示。现有的雷达GPU成像算法移植性不强，程序模块只能适用于特定算法，且对算法在GPU上的覆盖性不足，只在特定步骤进行加速，比如国防科学技术大学熊超只进行了FFT算法、矩阵转置和谱峰搜索算法的CUDA并行化，并没有将信号处理部分完全移植到GPU内实现。现有针对高频段雷达近场阵列成像，波长的减小会导致阵元间距变小使其数目急剧增加，导致数据量巨大。回波的大数据量对数据采集系统和存储设备的要求更高，采集信号时间也会更长，原始成像方法效率低。
技术实现思路
为解决上述技术问题，本专利技术基于英伟达CUDA计算平台，将GPU融入到雷达近场阵列成像中，从而加快大数据量的处理，具有比较稳定、效率更高的优点。具体技术方案如下：一种基于CUDA的毫米波雷达RMA成像方法，包括以下步骤：(S1)接收雷达回波数据，并进行预处理，所述预处理包括对回波数据进行距离向校正，再利用CUDA平台库函数进行杂波滤除，并生成目标三维散射数据s；(S2)对目标三维散射数据s水平、高度维分别进行二维方位快速傅里叶逆变换，并做并行平移处理，得到数据s1；(S3)对数据s1在空间谱域范围支撑区外出现NaN值的位置置零，得到数据s2；NaN为英文NotaNumber的缩写，在IEEE浮点数算术标准(IEEE754)中定义，表示一些特殊数值(无穷与非数值(NaN))，支撑区表示谱域的形状。(S4)对数据s2进行距离向波数域插值，得到数据s3；(S5)数据s3进行三维逆快速傅里叶变换，并对变换结果取模值，再对三维数据各个维度取最大散射值成像。优选地，所述步骤(S2)中的二维方位快速傅里叶变换，由ifftshift核函数、cufft库函数、fftshift核函数组成，分别实现逆向FFT移动、快速傅里叶变换、将零频分量移到频谱中心。优选地，所述空间谱域范围支撑区外出现NaN值的位置置零的具体过程由ndgrid核函数、getP核函数和padarray核函数实现，所述ndgrid核函数实现N维空间中的矩形网格，所述getP核函数由电磁平面波离散关系并行得到距离向频率，所述padarray核函数实现原始数据外的部分置零。优选地，所述对数据s2进行距离向波数域插值由interp1核函数实现。优选地，所述三维逆快速傅里叶变换由ifftshift核函数、cufft核函数和fftshift核函数实现。为了更好的理解本专利技术，下面结合CUDA平台库和MATLAB软件等现有技术，对本专利技术作详细说明。本专利技术方法对原始数据进行预处理、二维方位快速傅里叶变换、空间谱域范围外数据置零、距离向波数域插值和三维逆快速傅里叶变换等步骤的加速处理，这种经典算法处理步骤可以使得RMA能够实现目标的三维成像结果，该方法是通过CUDA平台语言构造核函数，利用MATLAB生成mex文件，创建新的函数对数据进行处理。原始三维数据进入CUDA平台后会转换为一维数据，改造后的RMA还能通过cufft，三维数据分别需要进行后两维的傅里叶变换，只需将数据重新排序，需要变换的维度移到第一个尺度，把第一维度和第二维度相交换；调整变换步进值和指针，即更改函数cufftPlanMany中batch的大小、傅里叶变换的尺度、batches的距离，这些共同改变指针handle，当数据经过一系列步骤处理完成后，再传入MATLAB或者利用OPENCV进行成像，如图2所示为雷达近场成像处理组成结构图。利用MATLAB生成mex文件，创建新的函数对数据进行处理中涉及到“.cpp”数据输入输出文件和“.h”。“.cpp”数据输入输出文件由提取原始数据实虚部、引用“.cu”文件主函数(“.cu”文件是CUDA平台特有文件，主要用来执行device端代码，在这里host端与device端代码都写在“.cu”文件的主函数中)、输出处理后的数据、数据导出部分组成。“.cu”文件主函数的实现过程为：“.cu”文件主函数运行在CUDA平台，需要包含.h头文件。需要并行的地方主要是采用for循环实现，把顺序依次的迭代换成同时进行，且索引间需要没有联系。Device端核函数中的操作可以使用host端的操作，并可以根据实际需要对函数改变，比如host端的memset改成cudaMemset。但device端的操作不能在host进行。CUDA中取最大值和最小值的函数：fmaxf、fminf。首先三维数据会在CUDA平台host端按行转换为一维数据，再利用cudaMalloc函数给device端变量分配相应内存，然后利用cudaMemcpy函数把数据从host端传入device端，在编写__global__核函数或利用已有库函数对device端数据进行处理，处理完成后再利用cudaMemcpy函数把数据从device端传入h本文档来自技高网...

【技术保护点】
1.一种基于CUDA的毫米波雷达RMA成像方法，其特征在于包括以下步骤：(S1)接收雷达回波数据，并进行预处理，所述预处理包括对回波数据进行距离向校正，再利用CUDA平台库函数进行杂波滤除，并生成目标三维散射数据s；(S2)对目标三维散射数据s水平、高度维分别进行二维方位快速傅里叶逆变换，并做并行平移处理，得到数据s1；(S3)对数据s1在空间谱域范围支撑区外出现非数值的位置置零，得到数据s2；(S4)对数据s2进行距离向波数域插值，得到数据s3；(S5)数据s3进行三维逆快速傅里叶变换，并对变换结果取模值，再对三维数据各个维度取最大散射值成像。

【技术特征摘要】
1.一种基于CUDA的毫米波雷达RMA成像方法，其特征在于包括以下步骤：(S1)接收雷达回波数据，并进行预处理，所述预处理包括对回波数据进行距离向校正，再利用CUDA平台库函数进行杂波滤除，并生成目标三维散射数据s；(S2)对目标三维散射数据s水平、高度维分别进行二维方位快速傅里叶逆变换，并做并行平移处理，得到数据s1；(S3)对数据s1在空间谱域范围支撑区外出现非数值的位置置零，得到数据s2；(S4)对数据s2进行距离向波数域插值，得到数据s3；(S5)数据s3进行三维逆快速傅里叶变换，并对变换结果取模值，再对三维数据各个维度取最大散射值成像。2.如权利要求1所述的一种基于CUDA的毫米波雷达RMA成像方法，其特征在于：所述步骤(S2)中的二维方位快速傅里叶变换，由ifftshift核函数、cufft库函数、fftshift核函数组...

【专利技术属性】
技术研发人员：邓彬，杨啸宇，高敬坤，王宏强，秦玉亮，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43