本文關(guān)鍵詞：基于GPU的前視成像半實(shí)物仿真系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：傳統(tǒng)的合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)和逆合成孔徑雷達(dá)(Inverse Synthetic Aperture Radar,ISAR)都是一種具有高分辨率的相干成像雷達(dá),其成像過程需要利用目標(biāo)和雷達(dá)間的相對(duì)運(yùn)動(dòng)所產(chǎn)生的多普勒信息。它們能適應(yīng)不同氣候環(huán)境和晝夜時(shí)間段,因此已被應(yīng)用于各個(gè)領(lǐng)域。但在需要探測(cè)雷達(dá)載體前方的情況時(shí),其固有的成像機(jī)制會(huì)導(dǎo)致前視盲區(qū)問題。為了解決前視成像問題,人們提出了眾多的解決方案。近年來,隨著量子光學(xué)的發(fā)展,尤其是計(jì)算鬼成像技術(shù)的出現(xiàn),學(xué)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(guān)聯(lián)成像算法。該成像算法具有分辨率高的優(yōu)點(diǎn),但其計(jì)算量巨大,硬件資源要求高,傳統(tǒng)的信號(hào)處理平臺(tái)難以在短時(shí)間內(nèi)完成算法的實(shí)現(xiàn)和驗(yàn)證工作。伴隨著電子技術(shù)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(yīng)用范圍從圖像顯示領(lǐng)域擴(kuò)展到了通用信號(hào)處理領(lǐng)域。鑒于此,本文利用GPU的并行處理能力來優(yōu)化微波關(guān)聯(lián)成像算法,以此來縮短算法運(yùn)行時(shí)間。本文重點(diǎn)研究了基于GPU的前視微波關(guān)聯(lián)成像的實(shí)現(xiàn)以及半實(shí)物仿真系統(tǒng)的驗(yàn)證。論文首先論述了量子關(guān)聯(lián)成像原理和壓縮感知理論,重點(diǎn)對(duì)稀疏信號(hào)重建算法進(jìn)行了說明。然后給出了前視微波關(guān)聯(lián)成像的信號(hào)模型和算法流程,針對(duì)性能要求,構(gòu)建了最小1l范數(shù)優(yōu)化模型,選用了梯度投影算法進(jìn)行求解。為了驗(yàn)證前視成像算法的性能,本文描述了基于GPU的半實(shí)物仿真系統(tǒng)的搭建及測(cè)試過程,該半實(shí)物仿真系統(tǒng)主要包括三部分:仿真控制平臺(tái)、回波數(shù)據(jù)產(chǎn)生平臺(tái)和基于GPU的信號(hào)處理平臺(tái)。為了實(shí)現(xiàn)前視成像算法在信號(hào)處理平臺(tái)上的運(yùn)行,本文通過對(duì)算法的并行性分析,實(shí)現(xiàn)了功能模塊的劃分,接著運(yùn)用統(tǒng)一計(jì)算設(shè)備架構(gòu)(Compute Unified Device Architecture,CUDA)庫(kù)函數(shù)和優(yōu)化策略,在GPU上實(shí)現(xiàn)了前視成像算法的并行處理。最后通過上位機(jī)界面實(shí)現(xiàn)了系統(tǒng)參數(shù)傳輸和算法控制,完成了半實(shí)物仿真系統(tǒng)的整體聯(lián)調(diào)工作。經(jīng)過測(cè)試結(jié)果證明,在運(yùn)算量相當(dāng)?shù)那闆r下,基于GPU的算法實(shí)現(xiàn)相比CPU具有更高的性能。
【關(guān)鍵詞】：前視成像 壓縮感知 GPU 半實(shí)物仿真系統(tǒng)
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN958;TP311.52
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號(hào)對(duì)照表11-12
• 縮略語(yǔ)對(duì)照表12-15
• 第一章 緒論15-19
• 1.1 研究背景與意義15-17
• 1.2 論文的主要內(nèi)容和結(jié)構(gòu)安排17-19
• 第二章 基于關(guān)聯(lián)成像原理的前視雷達(dá)成像技術(shù)19-33
• 2.1 量子關(guān)聯(lián)成像原理19-20
• 2.2 壓縮感知理論20-28
• 2.2.1 壓縮感知基本理論20-21
• 2.2.2 信號(hào)的稀疏表示21-22
• 2.2.3 非相干測(cè)量矩陣的構(gòu)造22-23
• 2.2.4 信號(hào)的重建算法23-28
• 2.3 前視微波關(guān)聯(lián)成像28-31
• 2.3.1 隨機(jī)天線輻射場(chǎng)28-29
• 2.3.2 雷達(dá)信號(hào)模型與求解29-31
• 2.4 本章小結(jié)31-33
• 第三章 基于GPU的半實(shí)物仿真系統(tǒng)設(shè)計(jì)33-51
• 3.1 半實(shí)物仿真系統(tǒng)總體設(shè)計(jì)33-35
• 3.2 基于GPU的信號(hào)處理平臺(tái)35-46
• 3.2.1 信號(hào)處理模塊36-39
• 3.2.2 數(shù)據(jù)仿真控制模塊39-41
• 3.2.3 數(shù)據(jù)采集模塊41-46
• 3.3 回波數(shù)據(jù)產(chǎn)生平臺(tái)46-50
• 3.4 本章小結(jié)50-51
• 第四章 基于GPU的前視微波關(guān)聯(lián)成像算法實(shí)現(xiàn)51-65
• 4.1 算法可行性分析51-52
• 4.2 算法實(shí)現(xiàn)流程52-61
• 4.2.1 CUDA庫(kù)52-54
• 4.2.2 算法實(shí)現(xiàn)54-61
• 4.3 GPU程序優(yōu)化61-63
• 4.4 本章小結(jié)63-65
• 第五章 半實(shí)物仿真系統(tǒng)測(cè)試結(jié)果及分析65-69
• 5.1 前視微波關(guān)聯(lián)成像測(cè)試平臺(tái)65
• 5.2 成像結(jié)果及分析65-68
• 5.3 本章小結(jié)68-69
• 第六章 總結(jié)和展望69-71
• 6.1 全文總結(jié)69-70
• 6.2 不足與展望70-71
• 參考文獻(xiàn)71-75
• 致謝75-77
• 作者簡(jiǎn)介77-78

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王躍科,楊湘;用于艦艇對(duì)抗的多媒體半實(shí)物仿真系統(tǒng)[J];火力與指揮控制;2002年02期

2 潘煒,高鏡惠,周雅夫,宋振寰;基于MATLAB/Simulink的汽車ABS的半實(shí)物仿真系統(tǒng)[J];微計(jì)算機(jī)信息;2003年12期

3 常宗虎,邊信黔,王宏健,施小成;“維修裝置”智能綜合操縱半實(shí)物仿真系統(tǒng)[J];系統(tǒng)仿真學(xué)報(bào);2004年02期

4 毛雄杰,王道波;無人機(jī)半實(shí)物仿真系統(tǒng)研究[J];計(jì)算機(jī)與數(shù)字工程;2005年09期

5 孫卉,吳嗣亮;反射內(nèi)存網(wǎng)在某半實(shí)物仿真系統(tǒng)中通信協(xié)議的設(shè)計(jì)[J];軍民兩用技術(shù)與產(chǎn)品;2005年03期

6 劉p樃

本文編號(hào)：280435