相對(duì)于相控陣?yán)走_(dá),集中式MIMO雷達(dá)具有發(fā)射端自由度高,工作模式靈活多變的特點(diǎn),適用于多目標(biāo)、復(fù)雜環(huán)境情況下的目標(biāo)探測(cè)任務(wù),是雷達(dá)技術(shù)發(fā)展的重要方向。與此同時(shí),MIMO雷達(dá)接收處理中采用的算法復(fù)雜度和計(jì)算量較大,對(duì)于信號(hào)處理系統(tǒng)的計(jì)算能力提出了更高的挑戰(zhàn)。近年來(lái),圖形處理器（GPU）芯片在計(jì)算性能方面突飛猛進(jìn),在能耗比、核心數(shù)、核心頻率、顯存帶寬和顯存容量等重要指標(biāo)方面不斷取得突破,其CUDA開發(fā)平臺(tái)效率高,軟件的維護(hù)也更加便捷,因此,研究基于GPU的MIMO雷達(dá)接收處理實(shí)現(xiàn)方案具有重要的意義。本文對(duì)基于GPU的MIMO雷達(dá)接收處理和并行實(shí)現(xiàn)進(jìn)行了深入研究,并結(jié)合實(shí)測(cè)數(shù)據(jù)進(jìn)行了驗(yàn)證,歸納為如下內(nèi)容:1、研究了MIMO雷達(dá)回波信號(hào)的處理流程,簡(jiǎn)述了兩種MIMO雷達(dá)的信號(hào)處理結(jié)構(gòu),并對(duì)兩種信號(hào)處理的計(jì)算量進(jìn)行了分析,對(duì)兩種信號(hào)處理結(jié)構(gòu)中所涉及算法的并行計(jì)算進(jìn)行了分析,包括匹配濾波、數(shù)字波束形成、雜波抑制和恒虛警檢測(cè)等算法的并行計(jì)算,同時(shí)使用實(shí)測(cè)數(shù)據(jù),使用兩種處理結(jié)構(gòu)分別進(jìn)行了實(shí)驗(yàn)。2、簡(jiǎn)要介紹了基于GPU的并行計(jì)算,分析了基于GPU的并行計(jì)算的發(fā)展對(duì)雷達(dá)信號(hào)處理的意義。首先從GPU底層的硬... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：116 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)
        1.2.1 MIMO雷達(dá)接收處理研究現(xiàn)狀和發(fā)展趨勢(shì)
        1.2.2 基于GPU的雷達(dá)信號(hào)處理研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)及其章節(jié)安排
第二章 MIMO雷達(dá)信號(hào)處理流程
    2.1 MIMO雷達(dá)的信號(hào)模型
    2.2 MIMO雷達(dá)的兩種信號(hào)處理結(jié)構(gòu)
        2.2.1 信號(hào)處理結(jié)構(gòu)I
        2.2.2 信號(hào)處理結(jié)構(gòu)II
    2.3 MIMO雷達(dá)兩種處理結(jié)構(gòu)的計(jì)算量分析
    2.4 MIMO雷達(dá)回波信號(hào)處理的并行性分析
        2.4.1 匹配濾波的并行性分析
        2.4.2 數(shù)字波束形成的并行性分析
        2.4.3 雜波抑制的并行性分析
        2.4.4 恒虛警檢測(cè)的并行性分析
    2.5 MIMO雷達(dá)實(shí)測(cè)數(shù)據(jù)處理
    2.6 本章小結(jié)
第三章 基于GPU的MIMO雷達(dá)信號(hào)處理方法實(shí)現(xiàn)
    3.1 GPU編程模型
        3.1.1 GPU硬件結(jié)構(gòu)
        3.1.2 CUDA編程模型
    3.2 CUDA編程簡(jiǎn)介
        3.2.1 CUDA開發(fā)語(yǔ)言
        3.2.2 CUDA驅(qū)動(dòng)應(yīng)用程序接口
        3.2.3 CDUA運(yùn)行時(shí)應(yīng)用程序接口
        3.2.4 CUDA庫(kù)函數(shù)
    3.3 MIMO雷達(dá)信號(hào)處理流程圖及硬件介紹
    3.4 基于GPU的脈沖壓縮算法的并行實(shí)現(xiàn)
        3.4.1 脈沖壓縮算法的并行實(shí)現(xiàn)流程圖
        3.4.2 脈沖壓縮算法并行實(shí)現(xiàn)的子模塊
        3.4.3 脈沖壓縮并行實(shí)現(xiàn)結(jié)果及分析
    3.5 基于GPU的全波位數(shù)字波束形成的并行實(shí)現(xiàn)
        3.5.1 全波位數(shù)字波束形成的并行實(shí)現(xiàn)流程圖
        3.5.2 全波位數(shù)字波束形成的并行實(shí)現(xiàn)中的主要子模塊
        3.5.3 全波位數(shù)字波束形成的并行實(shí)現(xiàn)結(jié)果及分析
    3.6 基于GPU的雜波抑制的并行實(shí)現(xiàn)
        3.6.1 雜波抑制的并行實(shí)現(xiàn)流程圖
        3.6.2 雜波抑制的并行實(shí)現(xiàn)的主要子模塊
        3.6.3 雜波抑制并行實(shí)現(xiàn)的結(jié)果及分析
    3.7 基于GPU的恒虛警檢測(cè)的并行實(shí)現(xiàn)
        3.7.1 使用多線程方式實(shí)現(xiàn)CA-CFAR的并行方法
        3.7.2 使用FFT方式實(shí)現(xiàn)CA-CFAR的并行方法
        3.7.3 恒虛警檢測(cè)結(jié)果及分析
    3.8 本章小結(jié)
第四章 目標(biāo)跟蹤方法及其GPU并行實(shí)現(xiàn)的研究
    4.1 概率數(shù)據(jù)互聯(lián)濾波算法
        4.1.1 概率數(shù)據(jù)互聯(lián)濾波算法描述
        4.1.2 基于GPU的算法并行實(shí)現(xiàn)
    4.2 基于動(dòng)態(tài)規(guī)劃的檢測(cè)前跟蹤算法
        4.2.1 基于動(dòng)態(tài)規(guī)劃的TBD算法描述
        4.2.2 基于GPU的算法并行實(shí)現(xiàn)
    4.3 基于霍夫變換的檢測(cè)前跟蹤算法
        4.3.1 基于二維霍夫變換的TBD算法描述
        4.3.2 基于GPU的算法并行實(shí)現(xiàn)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]MIMO雷達(dá)技術(shù)綜述[J]. 趙永波,劉宏偉.  數(shù)據(jù)采集與處理. 2018(03)
[2]機(jī)載預(yù)警雷達(dá)三維空時(shí)自適應(yīng)處理及其降維研究[J]. 王萬(wàn)林,廖桂生.  系統(tǒng)工程與電子技術(shù). 2005(03)



本文編號(hào)：3629846