一种基于GPU的虚假场景干扰信号仿真并行实现方法

技术领域

本发明属于电子对抗技术领域，具体涉及一种基于GPU的虚假场景干扰信号仿真并行实现方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)作为电子对抗领域的重要军事目标，具有全天时、全天候、远距离和高分辨率成像等特点，对我方战略目标、军事设施以及军事信息安全构成了极大的威胁，并对雷达电子对抗系统提出了严峻的挑战。对合成孔径雷达的虚假场景干扰信号作为一种极为有效的欺骗打击手段被广泛应用，但由于对场景中每散射点目标进行仿真模拟的计算量巨大，运算处理速度低，信号产生过程非常耗时。同时，随着现代战场电磁环境日益复杂，传统以大规模集成电路和射频存储器等数字器件为基础的虚假场景干扰信号串行处理产生方式，其运算速度与效率，越来越不足以支持作战打击方依据战场环境进行干扰与调整的实时性。

GPU全称是图形处理单元(Graphics processing unit，GPU)，作为显卡的核心组成，具有大量的并行运算资源，目前GPU可以提供数十倍甚至上百倍于CPU的浮点计算性能。因此，GPU在很多工程领域获得了应用，它能够大幅度提升工程计算的效率。

为此，朱守保等人在其发表的论文“SAR虚假图像干扰信号快速生成方法研究”(《重庆邮电大学学报(自然科学版)2012,24(03):314-318》)中，针对传统虚假场景干扰信号生成过程，提出了一种产生虚假场景目标信号的快速算法，充分利用了用在相同距离上的合成孔径雷达回波具有相同的时间延迟量，在相同方位向的回波具有相同的相位项这一重要结论，对传统算法进行了改进。加快了信号仿真合成速度，进一步满足产生虚假场景信号实时性的要求。

但是，上述方法的计算能力有限，不能较好地应用于复杂庞大的雷达数据。

发明内容

为了满足对SAR虚假场景干扰信号模拟仿真的高实时性要求，本发明利用GPU并行计算能力，提供一种基于GPU的虚假场景干扰信号仿真并行实现方法，能以较快的速度完成干扰信号的仿真计算。本发明要解决的技术问题通过以下技术方案实现：

一种基于GPU的虚假场景干扰信号仿真并行实现方法，包括：

根据雷达截获脉冲信号数据模型得到雷达截获脉冲信号数据；

将虚假场景干扰信号参数值和所述雷达截获脉冲信号数据存储到GPU的常量存储器中；

基于第一核函数的GPU线程，根据附加延时计算模型和补偿相位计算模型并行计算得到所述第一核函数的每个线程块的当前散射点干扰信号所需要的附加延时和补偿相位，并将所述附加延时和所述补偿相位以矩阵数组形式存入GPU的常量存储器中；

基于第二核函数的GPU线程，根据所述GPU的常量存储器中所存储的当前散射点干扰信号所需要的附加延时和补偿相位并行计算得到第二核函数的每个线程块中当前散射点干扰信号；

基于叠加合成模型，将所述第二核函数的所有线程块的当前散射点干扰信号进行叠加合成处理得到整体虚假场景干扰信号。

在本发明的一个实施例中，所述雷达截获脉冲信号数据模型为：

其中，s(τ)为雷达截获脉冲信号数据，

在本发明的一个实施例中，将虚假场景干扰信号参数值和所述雷达截获脉冲信号数据存储到GPU的常量存储器中，包括：

在CPU中设置虚假场景干扰信号参数值；

将所述虚假场景干扰信号参数值和所述雷达截获脉冲信号数据存储在CPU内存中；

将CPU中存储的所述虚假场景干扰信号参数值和所述雷达截获脉冲信号数据复制到GPU的常量存储器中。

在本发明的一个实施例中，所述虚假场景干扰信号参数值至少包含干扰信号的每散射点后向散射系数强度、虚假场景方位向点数和虚假场景距离向点数。

在本发明的一个实施例中，所述第一核函数所分配的计算资源由N×M个并行线程块组成，每个线程块均为1维，每个线程块仅由1个线程组成，其中，N是虚假场景方位向点数，M是虚假场景距离向点数。

在本发明的一个实施例中，所述附加延时计算模型为：

其中，Δτ

在本发明的一个实施例中，所述补偿相位计算模型为：

其中，

在本发明的一个实施例中，所述第二核函数所分配的计算资源由N×M个并行线程块组成，每个线程块均为2维，每个线程块均由

在本发明的一个实施例中，根据所述GPU的常量存储器中所存储的当前散射点干扰信号所需要的附加延时和补偿相位并行计算得到第一核函数的每个线程块中当前散射点干扰信号，包括：

将当前散射点干扰信号所需要的附加延时和所述雷达截获脉冲信号数据进行卷积计算得到卷积计算结果；

将当前散射点干扰信号所需要的补偿相位和所述卷积计算结果进行相乘计算得到相乘计算结果；

对所述线程块内每个线程的相乘计算结果进行排序拼接得到当前散射点干扰信号。

在本发明的一个实施例中，所述叠加合成模型为：

其中，f

本发明的有益效果：

在本发明提供的虚假场景干扰信号仿真并行实现方法中，首先从侦察干扰机中获得截取到的雷达信号脉冲数据，作为待调制原始信号；接着，在GPU的核函数中计算生成待合成场景中各散射点所需要的调制参数，包括附加延时与补偿相位。最后，调用核函数在GPU中进行信号调制产生，并对所有结果信号进行相加合成传回CPU中。不同于数字射频存储(DRFM)技术为基础的干扰信号产生方法，本发明采用纯软件化的处理流程，不存在对硬件的依赖，具备更好的可移植性，开发周期较短。

另一方面，本发明以引入GPU作为信号合成的加速部件，配合CPU共同完成程序运行，GPU负责可并行化的大规模数据计算，充分提高了运算速度。且本文所设计的技术方式编程简单，工程实施难度较小。

综上所述，本发明方法能够在复杂庞大雷达数据、没有硬件支持条件下，完成对虚假场景干扰信号的调制产生，具备较好的可移植性和可扩展性。

本发明利用GPU的大规模并行计算能力，实现了高效率的对SAR虚假场景干扰信号的仿真并行实现方法，提升了干扰信号的生成速度与效率。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种基于GPU的虚假场景干扰信号仿真并行实现方法的流程示意图；

图2是本发明实施例提供的另一种虚假场景干扰信号算法的流程示意图；

图3为本发明实施例提供的一种CUDA异构编程的流程示意图；

图4为本发明实施例提供的一种第一核函数线程设计模型；

图5为本发明实施例提供的一种第二核函数线程设计模型；

图6为本发明实施例提供的一种视频SAR回波仿真运行时间图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本实施例的应用场景是：针对敌方目标在空中通过发射信号侦察我方雷达情况而对敌方侦察实施干扰，即先对截获敌方的雷达信号进行调制处理，再对其进行转发后将其最终得到的信号发射出去，以降低敌方雷达目标检测性能。

请参见图1、图2和图3，图1是本发明实施例提供的一种基于GPU的虚假场景干扰信号仿真并行实现方法的流程示意图，图2是本发明实施例提供的另一种虚假场景干扰信号算法的流程示意图，图3为本发明实施例提供的一种CUDA异构编程的流程示意图。本实施例提供一种基于GPU的虚假场景干扰信号仿真并行实现方法，该基于GPU的虚假场景干扰信号仿真并行实现方法包括步骤1至步骤5，其中：

步骤1、根据雷达截获脉冲信号数据模型得到雷达截获脉冲信号数据。

具体地，由CPU(Central Processing Unit，中央处理器)读取待调制的雷达截获脉冲信号数据与其它侦察所获得的雷达信息，包含雷达方位、雷达速度、雷达中心斜距等数据，这些信息作为调制基础的雷达截获脉冲信号数据，雷达截获脉冲信号数据模型表示为：

其中，s(τ)为雷达截获脉冲信号数据，

步骤2、将虚假场景干扰信号参数值和所述雷达截获脉冲信号数据存储到GPU的常量存储器中，其中虚假场景为干扰场景。

在本实施例中，虚假场景干扰信号参数值至少包含干扰信号的每散射点后向散射系数强度、虚假场景方位向点数和虚假场景距离向点数。

在一个具体实施例中，步骤2可以具体包括步骤2.1至步骤2.3，其中：

步骤2.1、在CPU中设置虚假场景干扰信号参数值；

步骤2.2、将虚假场景干扰信号参数值和雷达截获脉冲信号数据存储在CPU内存中；

步骤2.3、将CPU中存储的虚假场景干扰信号参数值和雷达截获脉冲信号数据复制到GPU的常量存储器中。

也就是说，本实施例首先在CPU中设置虚假场景干扰信号参数值，并将虚假场景干扰信号参数值与上述所读取的雷达截获脉冲信号数据存储在CPU内存中；进而在GPU上开辟内存空间，将虚假场景干扰信号参数值与雷达截获脉冲信号数据从CPU内存复制到GPU的常量存储器中。

步骤3、基于第一核函数的GPU线程，根据附加延时计算模型和补偿相位计算模型并行计算得到第一核函数的每个线程块的当前散射点干扰信号所需要的附加延时和补偿相位，并将附加延时和补偿相位以矩阵数组形式存入GPU的常量存储器中，其中，当前散射点干扰信号即为待调制虚假散射点。

在本实施例中，首先设置第一核函数及其GPU线程，由GPU并行计算虚假场景干扰产生所需要的调制参数值。第一核函数的GPU线程设计如图4所示，第一核函数所分配计算资源由N×M个并行线程块组成，其中，N是虚假场景方位向点数，M是虚假场景距离向点数，每个线程块均为1维，每个线程块仅由1个线程组成，用于并行计算干扰产生所需要的调制参数值。

在一个具体实施例中，步骤3可以具体包括步骤3.1至步骤3.3，其中：

步骤3.1、根据附加延时计算模型计算得到第一核函数的每个线程块的当前散射点干扰信号所需要的附加延时。

具体地，在GPU中依据常量信息计算调制当前散射点干扰信号所需要的附加延时，其中附加延时计算模型为：

其中，Δτ

步骤3.2、根据补偿相位计算模型计算得到第一核函数的每个线程块的当前散射点干扰信号所需要的补偿相位。

具体地，在GPU中依据常量信息计算调制当前散射点干扰信号所需要的补偿相位，其中补偿相位计算模型为：

其中，

步骤3.3、将计算好的附加延时、补偿相位以相关N×M散射点对应的方式以矩阵数组存入GPU的常量存储器中。

也就是说，N×M个线程块计算完所有的附加延时、补偿相位之后，存储这些附加延时、补偿相位的矩阵数组的形式也为N×M，存储在该矩阵数组中的附加延时、补偿相位与线程块的位置相互对应，以此方便第二核函数计算时进行索引。

步骤4、基于第二核函数的GPU线程，根据所述GPU的常量存储器中所存储的当前散射点干扰信号所需要的附加延时和补偿相位并行计算得到第二核函数的每个线程块中当前散射点干扰信号。

在本实施例中，设置第二核函数及其GPU线程，由GPU进行每散射点干扰信号的调制产生。第二核函数的GPU线程设计如图5所示，第二核函数所分配计算资源由N×M个并行线程块组成，其中，N是虚假场景方位向点数，M是虚假场景距离向点数，每个线程块均为2维，每个线程块的线程组成与参与调制的雷达截获脉冲信号数据长度L有关，在本实施例每个线程块的线程组成均为

在一个具体实施例中，步骤4可以具体包括步骤4.1至步骤4.3，其中：

步骤4.1、将当前散射点干扰信号所需要的附加延时和雷达截获脉冲信号数据进行卷积计算得到卷积计算结果。

步骤4.2、将当前散射点干扰信号所需要的补偿相位和卷积计算结果进行相乘计算得到相乘计算结果；

步骤4.3、对线程块内每个线程的相乘计算结果进行排序拼接得到当前散射点干扰信号。

在本实施例中，步骤4.2所计算出的相乘计算结果的点的顺序应与雷达截获脉冲信号数据的顺序一致，就比如要调制的雷达截获脉冲信号数据是12345678，那么每一个点计算完成后，存储数据时的顺序要一致，1算出来的放1位置，2算出来的放2位置，即将线程块内每个线程的相乘计算结果按照雷达截获脉冲信号数据的顺序进行排序拼接成当前散射点干扰信号。

步骤5、基于叠加合成模型，将第二核函数的所有线程块的当前散射点干扰信号进行叠加合成处理得到整体虚假场景干扰信号，并将整体虚假场景干扰信号传回到CPU中，其中，叠加合成模型为：

其中，f

本发明提供一种基于GPU的虚假场景干扰信号仿真并行实现方法，结合虚假场景干扰信号产生算法与GPU并行处理技术实现高效的虚假场景干扰信号仿真，本发明采用CPU+GPU的CUDA(Compute Unified Device Architecture，统一计算设备架构)异构编程模式，包括CPU模块和GPU模块。本发明用CPU模块做数据管理和逻辑控制，具体包括雷达截获脉冲信号数据的读取、虚假场景干扰参数的设置、内存现存分配、CPU至GPU数据传输和GPU线程分配与核函数的调用。本发明用GPU做信号仿真算法处理，具体包括散射点调制参数计算、虚假场景干扰信号调制生成。

综上，可以看出，不同于数字射频存储(DRFM)技术为基础的干扰信号合成方法，本方案采用纯软件化的处理流程，不存在对硬件的依赖，具备更好的可移植性，开发周期较短。另一方面，本发明以引入GPU作为信号合成的加速部件，配合CPU共同完成程序运行，GPU负责可并行化的大规模数据计算，充分提高了运算速度。且本文所设计的技术方式编程简单，工程实施难度较小。

综上所述，本发明方法能够在复杂庞大雷达数据、没有硬件支持条件下，完成对虚假场景干扰信号的调制产生，具备较好的可移植性和可扩展性。

下面结合仿真实验对本发明的效果作进一步说明。

图6为本发明实施例提供的虚假场景干扰信号仿真的运行时间图，从信号仿真运行时间上看，基于GPU的虚假场景干扰信号仿真比基于CPU的虚假场景干扰信号仿真具有明显的速度提升，极大地缩短了仿真运行时间，验证了并行实现方案设计的可行性及有效性。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令和相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质；后面的硬件主要是侦查接收机，是本方法实施的前提，将接收到的信号存入存储介质中进行后续的处理。

在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特数据点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特数据点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。