论文部分内容阅读
当目标存在微动时,微动会对雷达回波产生频率调制,称为微多普勒频率。微多普勒频率中蕴含了丰富的目标微动特征信息,可为目标识别提供重要的依据。目标微多普勒特性提取技术通过提取目标除了质心平动之外的振动、转动等小幅运动引起的微多普勒信息,为非合作高速运动目标的目标识别提供了一种新的有效途径。通常,使用宽带雷达可以得到更好的微动特征提取结果。然而,从高带宽雷达回波中提取微动特征的过程运算量巨大,限制了其实时的应用。如今图形处理器GPU以强大的浮点计算能力,在并行加速领域得到了广泛的应用。相对于传统串行计算,GPU并行加速的应用可以获得数十乃至上百倍的性能提升。本文将基于GPU并行加速特点完成从宽带雷达回波中实时提取微动特征程序的开发。本文的主要工作如下:首先,对微动特征提取过程中使用到的雷达信号处理算法进行了理论推导与仿真分析:1)分析了三维转动散射点的微多普勒数学模型;2)对比了联合时频分析方法中的短时傅里叶变换与Wigner-Ville分布在描绘微多普勒时频分布特点时的优缺点;3)分析了逆Radon变换对正弦曲线的积累效应,使用逆Radon搜索法与逐次消去法进行了微动特征的提取。其次,设计了基于GPU并行加速的雷达回波微动特征提取程序流程:1)归纳总结了程序所依赖的GPU结构与编程体系,分析了基于CPU-GPU异构并行结构的CUDA开发平台与CUDA+Qt的软件开发模式;2)设计了程序的流程并构建了对程序进行验证的仿真实验系统;3)阐述了程序的实现细节并分析了各过程的运算复杂度,基于系统硬件性能分析了程序的实时性并完成了程序的开发。最后,通过模拟器的回波数据对程序的正确性进行验证:1)分析了程序在应用中遇到的平动补偿距离值精度问题;2)根据程序的问题和对实测环境的考虑,仿真分析了轨道预报技术与单元平均CFAR检测算法,并分析比较了卡尔曼滤波与最小二乘滤波两种滤波方法在进行距离估计时的性能;3)基于最终的微动特征提取结果分析了程序的性能。