本系统为地理坐标系下的星载SAR快速BP成像装置,属于雷达信号处理技术领域。系统包含多个工作节点,负责从存储模块中提取子孔径数据,并进行快速成像处理。
背景技术
随着合成孔径雷达技术的日益成熟,其在国防和民事领域具有很高的实用价值和广泛的应用场景。近年来,合成孔径雷达(Synthetic Aperture Radar,SAR)成像正朝着超高分辨率以及高轨超大成像幅宽发展,超高分辨率成像和高轨的超大成像幅宽意味着需要处理庞大数据以及需要做巨量的计算,这对于算法和计算硬件都提出了较高的要求。基于地理坐标系快速误差反向传播(Error Back Propagation,BP)算法在高分辨以及高轨应用方面发挥着重要作用,该算法成像质量高,且无需插值的特点使得其适合工程化。图形处理器(Graphics Processing Unit,GPU)其通常与中央处理器(Central Processing Unit,CPU)搭配,是一种能提供强大算力的计算设备。最初,GPU主要用于计算机图形和图像处理任务,如游戏和视频播放,随着技术的发展,GPU的应用领域已经扩展到科学计算、机器学习和数据处理等多个领域。随着GPU技术的成熟与完善,SAR成像领域也使用了GPU作为计算处理设备,用于处理SAR的数据。
目前,实现SAR成像,在算法主要上使用快速分解BP算法,在硬件架构上使用CPU和GPU。可以通过CPU和GPU协同计算,CPU作为主机端主要负责对SAR数据进行预处理操作,例如脉冲压缩,构建网格等;将处理完毕的SAR数据按照方位向脉冲分配至GPU进行处理,GPU接受脉冲数据进行成像处理,将处理完毕后的图像回传至主机端。然而,快速分解BP算法需要进行插值处理,在插值转换中可能造成成像质量下降,且快速分解BP算法无法适用于高轨应用中地表网格弯曲的情况,使得成像的分辨率较低;超高分辨率成像和高轨的超大成像需要庞大的计算量,对于大数据量的处理,CPU和GPU协同计算需要增加处理器数量,但增加处理器数量的CPU和GPU协同计算的计算性能受限于带宽,处理速度不会因为处理器数量的增加而持续上升,使得进行成像处理的时间较长;增加处理器数量会使得成像的成本过高。
实现思路