針對雷達(dá)高速運動目標(biāo)脈間存在距離單元走動而不利于長時間積累的問題,采用Keystone變換技術(shù)補償距離單元走動是雷達(dá)提升高速運動目標(biāo)檢測和ISAR成像性能的一種有效方法。但Keystone變換計算復(fù)雜度高,在工程上實現(xiàn)實時處理極為困難。提出一種并行度可配置的Keystone實時處理架構(gòu),支持增加并行度來提升處理性能,實現(xiàn)資源與處理性能的互換。通過仿真和板上驗證表明,Keystone處理架構(gòu)是有效的。使用Keystone實時處理架構(gòu)實現(xiàn)高速運算目標(biāo)的相參積累與理論結(jié)果相比,最大相對誤差小于10e-8;在并行度為1的情況下,平均單頻點2048脈沖的Keystone處理需小于25μs,滿足Keystone實時處理要求。 

【文章來源】：遙測遙控. 2020,41(05)

【文章頁數(shù)】：7 頁

【部分圖文】：

基于CZT的并行可配置FPGA處理架構(gòu)Fig.2TheparallelconfigurableFPGA變運

2020年9月遙測遙控·19·算每個頻點的AW值，并輸出到AW值緩存模塊；AW值緩存模塊緩存AW值并發(fā)送至CZT變換配置模塊；CZT變換配置模塊用來實現(xiàn)對CZT變換模塊中K個CZT運算核的配置功能。3.2CZT變換運算核流水處理架構(gòu)CZT變換運算模塊由K路并行的CZT變換運算核組成，每個CZT變換運算核完全一致，支持靜態(tài)參數(shù)設(shè)置，實現(xiàn)處理資源和處理性能的互換。CZT變換運算核流水處理架構(gòu)[16]如圖4所示。圖4CZT變換運算核流水處理架構(gòu)Fig.4ThepipelinedprocessingarchitectureofCZToperationalcore可見，CZT變換運算核主要由CZT控制模塊、coef1_hn生成模塊、復(fù)乘運算一、coef2生成模塊、復(fù)乘運算三和卷積處理模塊六部分組成。CZT控制模塊接收Keytone控制模塊給出配置信號，完成對coef1_hn生成模塊、卷積處理模塊、coef_2生成模塊的配置功能。coef1_hn生成模塊和coef_2生成模塊接收CZT控制模塊給出的A、W值，采用cordic算法計算得到公式（8）中三種系數(shù)值。其中，coef1_hn生成模塊采用一個cordic運算核分時復(fù)用產(chǎn)生coef_1系數(shù)和h(n)系數(shù)。復(fù)乘運算一模塊接收系數(shù)coef_1和輸入數(shù)據(jù)x(n)，進(jìn)行復(fù)數(shù)相乘運算得到g(n)，并輸入到卷積處理模塊。卷積處理模塊接收復(fù)乘運算一模塊輸出的g(n)和coef1_hn生成模塊輸出的h(n)數(shù)據(jù)，采用快速傅里葉變換的方式實現(xiàn)卷積處理得到y(tǒng)(n)，輸出到復(fù)乘運算三模塊。coef_2生成模塊采用cordic算法計算得到coef_2系數(shù)，并與卷積處理模塊得到的結(jié)果y(n)相乘，得到最終的CZT結(jié)果。

tone實時處理架構(gòu)設(shè)計第41卷第5期0()()nnrrnXzxnAW（6）其中，00jjAe,We，0為選取頻率范圍的起始取樣點相角；0為兩相鄰Zk點之間角頻率差，決定了選頻范圍內(nèi)的頻率分辨率。由于，2221[()]2nrrnrn，所以，式（6）又可以寫成：222/2/2()/20()()nrnrnrnXzxnAWWW（7）從式（7）可知，CZT變換可以通過FFT快速計算實現(xiàn)圓周卷積而實現(xiàn)，其實現(xiàn)架構(gòu)如圖1所示。圖1圓周卷積的CZT變換系統(tǒng)架構(gòu)Fig.1TheCZTimplementationarchitecturebasedoncircularconvolution圖1中各系數(shù)為2/2coe_1nnfAW，2/2coe_2rfW，2/2()nhnW（8）假設(shè)運動目標(biāo)的多普勒模糊倍數(shù)為Nam，對公式（3）中的f在[π,π)內(nèi)等間隔的M點，那么�。篶ccc12πexpj2π,expj2amMffffANWMfMf（9）就利用CZT變換得到公式（4）的Keystone變換結(jié)果。3基于FPGA的并行可配置處理架構(gòu)基于CZT的并行可配置Keystone處理架構(gòu)如圖2所示。該架構(gòu)主要由Keystone控制模塊、CZT變換運算兩部分組成。其中，Keystone控制模塊主要接收用戶的配置信息，并根據(jù)配置參數(shù)依次計算每個f下的A、W值，并配置CZT變換運算模塊；CZT變換運算模塊由K路并行的CZT變換運算核組成，運算核個數(shù)由靜態(tài)參數(shù)設(shè)置，參與的運算核數(shù)越多?

【參考文獻(xiàn)】：
期刊論文
[1]基于廣義keystone和頻率變標(biāo)的微波光子ISAR高分辨實時成像算法[J]. 楊利超,高悅欣,邢孟道,盛佳戀.  雷達(dá)學(xué)報. 2019(02)
[2]基于Keystone變換的弱目標(biāo)積累檢測及工程實現(xiàn)方法[J]. 帥曉飛,朱玉軍,詹旭.  火控雷達(dá)技術(shù). 2018(03)
[3]Chirp-Z變換FPGA流水架構(gòu)設(shè)計與實現(xiàn)[J]. 孫健,韓文俊,凌元.  信息技術(shù)與信息化. 2018(08)
[4]基于時間反轉(zhuǎn)和降階Keystone的SAR-GMTI快速聚焦方法[J]. 萬俊,周宇,張林讓,陳展野.  航空學(xué)報. 2018(06)
[5]一種基于Keystone變換的運動目標(biāo)相參積累方法[J]. 羅丁利,向聰.  現(xiàn)代雷達(dá). 2017(10)
[6]Long term integration algorithm for high-dynamic targets[J]. Gang Yang,Haikun Luo,Jing Tian,Siliang Wu.  Journal of Systems Engineering and Electronics. 2016(05)
[7]High Accuracy Velocity Measurement Based on Keystone Transform Using Entropy Minimization[J]. DAI Zuoning,ZHANG Xinggan,FANG Hui,BAI Yechao.  Chinese Journal of Electronics. 2016(04)
[8]低信噪比下基于Keystone變換的高速多目標(biāo)檢測[J]. 武洋,夏忠婷.  計算機與數(shù)字工程. 2016(04)
[9]基于改進(jìn)Keystone變換的高速目標(biāo)相參積累方法[J]. 趙杰,郭德明,陳果,倪國新.  現(xiàn)代雷達(dá). 2016(04)
[10]高階運動目標(biāo)的長時間相參積累算法[J]. 田超,文樹梁,杜智遠(yuǎn).  系統(tǒng)工程與電子技術(shù). 2015(06)



本文編號：3446783