專利名稱：基于gpu的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電子對(duì)抗偵察技術(shù)領(lǐng)域，主要用于電子偵察設(shè)備對(duì)雷達(dá)信號(hào)脈沖內(nèi)部調(diào)制特征進(jìn)行實(shí)時(shí)分析。
背景技術(shù)：
隨著技術(shù)進(jìn)步，各種雷達(dá)爭(zhēng)相采用先進(jìn)的調(diào)制技術(shù)，脈沖重復(fù)頻率、載頻均固定的雷達(dá)越來(lái)越少，信號(hào)環(huán)境日趨復(fù)雜。電子偵察設(shè)備越來(lái)越難以從信號(hào)的載頻、脈沖重復(fù)頻率、脈寬等參數(shù)中分析出具體目標(biāo)信息，進(jìn)而得到有價(jià)值的情報(bào)。電子偵察將重點(diǎn)轉(zhuǎn)向分析雷達(dá)脈沖內(nèi)部的調(diào)制特征，即電子“指紋”。近二十年發(fā)生的幾場(chǎng)戰(zhàn)爭(zhēng)表明，對(duì)戰(zhàn)場(chǎng)電磁信息掌握的及時(shí)和準(zhǔn)確程度決定了戰(zhàn)爭(zhēng)的走向。因此，迫切需要可實(shí)時(shí)分析雷達(dá)脈內(nèi)特征的方法?！び捎诂F(xiàn)代雷達(dá)信號(hào)瞬時(shí)帶寬越來(lái)越大，可達(dá)500MHz甚至更高，需要使用IGHz以上的采樣頻率來(lái)采集信號(hào)，需處理的數(shù)據(jù)量巨大，實(shí)時(shí)脈內(nèi)分析要求平臺(tái)的處理能力達(dá)到每秒幾百至數(shù)千億次，在處理器數(shù)量較少的通用計(jì)算平臺(tái)上難以實(shí)現(xiàn)。因此，目前國(guó)內(nèi)還沒有可實(shí)時(shí)分析雷達(dá)信號(hào)脈內(nèi)特征的現(xiàn)役裝備。電子偵察開始借鑒軟件無(wú)線電的思路來(lái)解決這個(gè)問題，主要是采用基于FPGA的數(shù)字信道化接收機(jī)技術(shù)。一般的方法是在FPGA中采用多相濾波數(shù)字下變頻，將較寬的帶寬變換到多路較窄的基帶頻率上，從而減少每一路需處理的數(shù)據(jù)量，用硬件上的并行彌補(bǔ)處理性能不足。2008年12月，電子科技大學(xué)祝俊博士在其學(xué)位論文《寬帶雷達(dá)信號(hào)偵察接收關(guān)鍵技術(shù)研究》104至112頁(yè)公開了基于DSP和FPGA的寬帶數(shù)字信道化接收機(jī)實(shí)驗(yàn)系統(tǒng)，初步實(shí)現(xiàn)了實(shí)時(shí)測(cè)頻，并可實(shí)時(shí)識(shí)別脈內(nèi)線性調(diào)頻、相位編碼特征。但該方案需要設(shè)計(jì)專門的硬件系統(tǒng)，且規(guī)模龐大，結(jié)構(gòu)較復(fù)雜，實(shí)用化難度較大，目前尚未見于具體裝備。近年來(lái)GPU (圖形處理器)技術(shù)發(fā)展很快，單芯片計(jì)算能力已超過(guò)每秒萬(wàn)億次，而且可以通過(guò)CUDA、0penCL等接口進(jìn)行通用計(jì)算。目前GPU已用于醫(yī)學(xué)成像、分子模擬、股票期權(quán)、物理仿真等領(lǐng)域，極大地提高了生產(chǎn)率。理論上，GPU已經(jīng)具備了直接處理寬帶海量數(shù)據(jù)的能力，但至今未見將GPU用于實(shí)時(shí)分析雷達(dá)脈內(nèi)特征的相關(guān)報(bào)道。

發(fā)明內(nèi)容
本發(fā)明提供一種基于GPU的雷達(dá)信號(hào)脈沖內(nèi)部調(diào)制特征實(shí)時(shí)分析處理方案。該實(shí)現(xiàn)方案使用現(xiàn)成的通用硬件，無(wú)須設(shè)計(jì)專門硬件，模塊少，結(jié)構(gòu)簡(jiǎn)潔。本發(fā)明的技術(shù)解決方案是基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案，其特征主要包括單路系統(tǒng)由I個(gè)數(shù)據(jù)獲取模塊、I至4個(gè)GPU信號(hào)分析模塊和I個(gè)CPU信號(hào)分析模塊組成，其中數(shù)據(jù)獲取模塊，接收來(lái)自數(shù)字化儀的數(shù)字比特流，按便于GPU處理的固定長(zhǎng)度分為多組短序列，輸出供后續(xù)處理；
GPU信號(hào)分析模塊，執(zhí)行信號(hào)分析算法中可以并行處理的部分，利用GPU內(nèi)部大量運(yùn)算單元并行分析各組短序列數(shù)據(jù)，將處理得到的頻率分集特征、頻率值、頻率值均方根誤差、相位跳變特征等數(shù)據(jù)輸出至CPU信號(hào)分析模塊；CPU信號(hào)分析模塊，執(zhí)行信號(hào)分析算法中順序處理的部分，分析GPU信號(hào)分析模塊的輸出數(shù)據(jù)，統(tǒng)計(jì)屬于同一脈沖各短序列的分集比例，用各序列的頻率值以最小二乘法擬合得到調(diào)頻斜率及擬合均方根誤差，統(tǒng)計(jì)頻率均方根誤差的均值和有效相位跳變，然后根據(jù)各特征參數(shù)判斷調(diào)制類型。通常情況下，單路系統(tǒng)采用I個(gè)GPU信號(hào)分析模塊即可實(shí)時(shí)處理，對(duì)于高占空比信號(hào)，可根據(jù)需要，采用I至4個(gè)GPU信號(hào)分析模塊并行執(zhí)行，達(dá)到實(shí)時(shí)處理目的。本發(fā)明的單路系統(tǒng)可實(shí)時(shí)分析500MHz帶寬的雷達(dá)信號(hào)脈內(nèi)特征；如需分析更高帶寬信號(hào)，可在多個(gè)信道中同時(shí)應(yīng)用本發(fā)明的多路系統(tǒng)。 本發(fā)明與現(xiàn)有技術(shù)相比有如下優(yōu)點(diǎn)I.本發(fā)明提出的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案，前端無(wú)需采用數(shù)字信道化結(jié)構(gòu)，不必專門設(shè)計(jì)硬件，因此模塊少，結(jié)構(gòu)簡(jiǎn)單，成本和制造難度較低。2.本發(fā)明提出的雷達(dá)信號(hào)脈內(nèi)實(shí)時(shí)分析實(shí)現(xiàn)方案還具有良好的擴(kuò)展性，可采用多個(gè)GPU號(hào)分析模塊并行執(zhí)行，也可用多路系統(tǒng)實(shí)時(shí)分析更寬頻段的信號(hào)。3.本發(fā)明的處理核心GPU為通用硬件，更換、維修方便，而且隨著GPU技術(shù)的發(fā)展，容易通過(guò)直接升級(jí)新一代GPU獲得更強(qiáng)的處理能力。因此，本發(fā)明除處理實(shí)時(shí)性較好，還具有結(jié)構(gòu)簡(jiǎn)單，擴(kuò)展性強(qiáng)，易維修可升級(jí)的優(yōu)點(diǎn)。本發(fā)明如在電子偵察設(shè)備中得到應(yīng)用，可提高識(shí)別復(fù)雜調(diào)制雷達(dá)信號(hào)的能力，縮短對(duì)威脅目標(biāo)的預(yù)警時(shí)間，為作戰(zhàn)系統(tǒng)提供更及時(shí)、更準(zhǔn)確的電子情報(bào)，從而提高作戰(zhàn)能力。
四

圖I是本發(fā)明的基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案處理流程；圖2是本發(fā)明的數(shù)據(jù)獲取模塊處理流程；圖3是本發(fā)明的GPU信號(hào)分析模塊流程；圖4是本發(fā)明的CPU信號(hào)分析模塊流程；圖5是本發(fā)明的基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案中多線程異步協(xié)作示意圖；圖6是本發(fā)明單路系統(tǒng)中采用多個(gè)GPU信號(hào)分析模塊實(shí)現(xiàn)并行處理的數(shù)據(jù)分配方式示意圖。
五具體實(shí)施例方式下面列出的具體實(shí)施方法可以使本專業(yè)技術(shù)人員更全面地理解本發(fā)明，涉及到的公開算法或技術(shù)實(shí)施途徑不唯一，變量所取具體數(shù)值亦可根據(jù)實(shí)際需要調(diào)整，不應(yīng)成為限制本發(fā)明的條件。圖I是本發(fā)明的基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案處理流程。由數(shù)據(jù)獲取模塊將接收到的數(shù)字比特流 根據(jù)所屬脈沖分為多組便于GPU并行處理的短序列，再先后經(jīng)GPU信號(hào)分析模塊和CPU信號(hào)分析模塊分析處理得到脈沖的脈內(nèi)特征參數(shù)。圖2是本發(fā)明的數(shù)據(jù)獲取模塊處理流程。該模塊包括以下處理步驟I.讀取輸入脈沖數(shù)據(jù)，將每個(gè)輸入的脈沖序列前后補(bǔ)0，使其長(zhǎng)度M為N的整數(shù)倍，其中，N應(yīng)為L(zhǎng)的整數(shù)次冪，便于使用基L的FFT算法；2.在主機(jī)端分配大小為N(2K_1)的數(shù)據(jù)緩存，其中K = M/N ;3.用長(zhǎng)度為N點(diǎn)的窗在每個(gè)脈沖的數(shù)據(jù)序列上移動(dòng)，步長(zhǎng)為N/2，每移動(dòng)I個(gè)步長(zhǎng)取出N點(diǎn)數(shù)據(jù)，即從前后相鄰的N點(diǎn)短序列中有N/2點(diǎn)重復(fù)；4.每個(gè)脈沖分出2K-1段長(zhǎng)度為N的短序列，按各脈沖的順序存于主機(jī)緩存中；5.在GPU中為每個(gè)脈沖分配大小為N(2K_1)的存儲(chǔ)區(qū)，再一次性從主機(jī)緩存將所有脈沖的數(shù)據(jù)拷入GPU。數(shù)據(jù)在拷入GPU之前，必須在主機(jī)上先進(jìn)行緩沖，這樣可以最大限度減少零散數(shù)據(jù)多次拷入GPU，在通過(guò)PCI-E總線時(shí)積累的延遲。圖3是本發(fā)明的GPU信號(hào)分析模塊流程。該模塊包括以下處理步驟I. GPU的每個(gè)線程塊讀取長(zhǎng)度為N的短序列，先將數(shù)據(jù)類型從整數(shù)型轉(zhuǎn)換為單精度浮點(diǎn)復(fù)數(shù)類型；2.每個(gè)線程塊進(jìn)行N點(diǎn)FFT運(yùn)算，將信號(hào)從時(shí)域變換至頻域；2.搜索幅度最大的2根譜線，最大的譜線即對(duì)應(yīng)中心頻率的估計(jì)值，用幅度其次的譜線值與&進(jìn)行比較，如小于3dB，則記該譜線對(duì)應(yīng)頻率為第2分集頻率，并置頻率分集標(biāo)志為真；3.將N點(diǎn)的復(fù)頻域數(shù)據(jù)前N/2點(diǎn)乘以2 (零頻處不變)，后N/2點(diǎn)乘以0，進(jìn)行N點(diǎn)IFFT運(yùn)算，得到原信號(hào)的解析信號(hào)序列s(n)；4.由式r(n, τ ) = s (n) s* (η_ τ )得到瞬時(shí)自相關(guān)函數(shù)序列r (η, τ ), τ為延時(shí)值，可根據(jù)具體情況取適當(dāng)?shù)闹担?.對(duì)序列r (η，τ )應(yīng)用瞬時(shí)自相關(guān)算法，計(jì)算出中央Ν/2點(diǎn)的瞬時(shí)頻率和瞬時(shí)相位差,統(tǒng)計(jì)瞬時(shí)相位差接近π的次數(shù)(記為相位跳變數(shù))，并求瞬時(shí)頻率的平均值及均方根
誤差;6.輸出屬于各脈沖的2Κ-1個(gè)頻率分集標(biāo)志、相位跳變次數(shù)、頻率(即瞬時(shí)頻率平均值)、頻率均方根誤差或第2分集頻率值(統(tǒng)計(jì)頻率分集信號(hào)的頻率均方根誤差沒有意義)?；贕PU的FFT算法參見Naga K Govindaraju等人2008年11月在《SC ' 08Proceedings of the 2008 ACM/1EEE conference on Supercomputing》上發(fā)表的《HighPerformance Discrete Fourier Transforms on Graphics Processors)), IEEE Press,ISBN :978-1-4244-2835-9。計(jì)算瞬時(shí)頻率、瞬時(shí)相位差的瞬時(shí)自相關(guān)算法，可參考2003年I月西安電子科技大學(xué)劉東霞的《脈內(nèi)調(diào)制信號(hào)的分析與自動(dòng)識(shí)別》第13-14頁(yè)、30-35頁(yè)及37-39頁(yè)。GPU信號(hào)分析模塊中基本運(yùn)行單位是線程，每個(gè)線程塊由N/2個(gè)線程組成，處理I個(gè)長(zhǎng)度為N的序列，整個(gè)GPU管理幾百個(gè)硬件核心以異步并行方式運(yùn)行成百上千線程塊。GPU處理模塊運(yùn)行過(guò)程中，只有原始數(shù)據(jù)輸入和處理結(jié)果輸出時(shí)GPU與CPU之間進(jìn)行通信，避免了不必要的通信開銷。圖4是本發(fā)明的CPU信號(hào)分析模塊流程。CPU信號(hào)分析模塊對(duì)GPU信號(hào)分析模塊輸出的屬于各不同脈沖的參數(shù)進(jìn)行統(tǒng)計(jì)和分析。統(tǒng)計(jì)屬于同一脈沖各序列中出現(xiàn)頻率分集標(biāo)志的比例；用最小二乘法將各短序列的頻率值進(jìn)行擬合，得到調(diào)頻斜率k和擬合一次曲線均方根誤差C，并統(tǒng)計(jì)頻率均方根誤差的平均值D，計(jì)算調(diào)頻范圍Λ f,若相位跳變數(shù)為奇數(shù)則記為有效相位跳變(強(qiáng)噪聲造成的相位跳變一般成對(duì)出現(xiàn))，并記錄其次數(shù)T，然后用各特征參數(shù)根據(jù)以下判別規(guī)則判斷信號(hào)所屬調(diào)制類型I.屬于同一脈沖的序列頻率分集標(biāo)志出現(xiàn)比例大于90%，判為頻率分集信號(hào)，否則為其他脈內(nèi)調(diào)制類型信號(hào)；2. D < 38且C > 1，判為頻率編碼信號(hào)，否則判為常規(guī)信號(hào)、線性調(diào)頻信號(hào)或相位 編碼伯號(hào)；3. D < 30且T > 1，判為相位編碼信號(hào)，否則判為常規(guī)信號(hào)或線性調(diào)頻信號(hào)；4.時(shí)寬帶寬積> 5，判為線性調(diào)頻信號(hào)，否則判為常規(guī)信號(hào)；5.不滿足以上規(guī)則的信號(hào)判為脈內(nèi)調(diào)制類型未知信號(hào)。表I至表4中的仿真實(shí)驗(yàn)數(shù)據(jù)可驗(yàn)證以上判別規(guī)則。本發(fā)明提到的具體實(shí)施方法，在信噪比大于10的情況下，分析識(shí)別正確率大于90%,配合降噪算法，可適應(yīng)更低信噪比的情況。表 I
測(cè)試內(nèi)容中心頻率信噪比 ^5欠口曲^ IdcI檢測(cè)到有效相位
V則試內(nèi)合(MHz) (dB)均差D.C跳變點(diǎn)的比例(％)
20一 9.5一 8.51.1 10
1811.8~ 8.51.412.3
]00 15— 16.5~ 8.52一 1.921.7
12~ 23.3—— 8.542.719.3
10~ 29.6— 8.513.525.2
1000 個(gè)脈__837.98.514.589.4
內(nèi)頻率編 20— 9.4_ 8.51— 1.137.4
碼脈沖， 18一 11.6~ 8.51— 1.440.7
脈寬 250 15一163—8.52— 1.923.4
12.8us，不 12—23~8.53— 2.7 "17.8
同碼間頻 10—29.3—8.55~ 3.422.6
率間隔 _ 8一37.6—8.57~ 4.489.7
20MHz 20—9.48~8.52一 1.12.7
18—11.8—8.511.42.4400 15一16.4~8.52一 1.93.71223.3~8.512.7 410~29.6—8.553.513.8__ 837.88.524.488.2表 權(quán)利要求
1.基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案，其特征在于主要包括 單路系統(tǒng)由I個(gè)數(shù)據(jù)獲取模塊、I至4個(gè)GPU信號(hào)分析模塊和I個(gè)CPU信號(hào)分析模塊組成，其中 數(shù)據(jù)獲取模塊，接收來(lái)自數(shù)字化儀的數(shù)字比特流，按便于GPU處理的固定長(zhǎng)度分為多組短序列，輸出供后續(xù)處理； GPU信號(hào)分析模塊，執(zhí)行信號(hào)分析算法中可以并行處理的部分，利用GPU內(nèi)部大量運(yùn)算單元并行分析各組短序列數(shù)據(jù)，將處理得到的頻率分集特征、頻率值、頻率值均方根誤差、相位跳變特征等數(shù)據(jù)輸出至CPU信號(hào)分析模塊； CPU信號(hào)分析模塊，執(zhí)行信號(hào)分析算法中順序處理的部分，分析GPU信號(hào)分析模塊的輸出數(shù)據(jù)，統(tǒng)計(jì)屬于同一脈沖各短序列的分集比例，用各序列的頻率值以最小二乘法擬合得到調(diào)頻斜率及擬合均方根誤差，統(tǒng)計(jì)頻率均方根誤差的均值和有效相位跳變，然后根據(jù)各特征參數(shù)判斷調(diào)制類型。
2.根據(jù)權(quán)利要求I所述的基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案，其特征在于同時(shí)應(yīng)用本發(fā)明的多路系統(tǒng)，可滿足實(shí)時(shí)分析多個(gè)500MHz帶寬內(nèi)雷達(dá)信號(hào)脈內(nèi)特征的需要。
3.根據(jù)權(quán)利要求I所述的基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案，其特征在于有多個(gè)主要線程同時(shí)運(yùn)行，其中取數(shù)線程負(fù)責(zé)從輸入數(shù)據(jù)緩沖區(qū)隊(duì)列中獲取數(shù)據(jù)，并將數(shù)據(jù)分為短序列分批送入待處理隊(duì)列；GPU處理線程負(fù)責(zé)從待處理隊(duì)列中讀取數(shù)據(jù)并負(fù)責(zé)調(diào)度GPU信號(hào)分析模塊進(jìn)行處理；CPU處理線程負(fù)責(zé)從GPU信號(hào)分析模塊輸出的數(shù)據(jù)隊(duì)列中取出數(shù)據(jù)，由CPU信號(hào)分析模塊進(jìn)行特征歸類分析并輸出脈內(nèi)特征數(shù)據(jù)；各線程互相協(xié)作，以流水線的方式不間斷同時(shí)工作。
全文摘要
基于GPU的雷達(dá)信號(hào)脈內(nèi)特征實(shí)時(shí)分析實(shí)現(xiàn)方案，主要包括數(shù)據(jù)獲取模塊，接收來(lái)自數(shù)字化儀的數(shù)字比特流，將數(shù)據(jù)分為多個(gè)短序列供后續(xù)處理；GPU信號(hào)分析模塊，對(duì)各短序列數(shù)據(jù)進(jìn)行并行分析處理，將處理得到的頻率分集特征、頻率、頻率均方根誤差、相位跳變特征等數(shù)據(jù)輸出；CPU信號(hào)分析模塊，分析GPU輸出數(shù)據(jù)，統(tǒng)計(jì)屬于同一脈沖各短序列中的分集比例，用各短時(shí)序列中的瞬時(shí)頻率值進(jìn)行最小二乘擬合得到調(diào)頻斜率及擬合均方根誤差，統(tǒng)計(jì)瞬時(shí)頻率平均均方根誤差和有效相位跳變，然后根據(jù)各特征參數(shù)判斷脈內(nèi)調(diào)制類型。本發(fā)明除處理實(shí)時(shí)性較好，還具有結(jié)構(gòu)簡(jiǎn)單，擴(kuò)展性強(qiáng)，易維修可升級(jí)的優(yōu)點(diǎn)。
文檔編號(hào)G01S7/02GK102901951SQ20111021013
公開日2013年1月30日 申請(qǐng)日期2011年7月26日 優(yōu)先權(quán)日2011年7月26日
發(fā)明者張朝暉 申請(qǐng)人:張朝暉