基于gpu的机载sar回波数据模拟研究

基于gpu的机载sar回波数据模拟研究

ID:35056821

大小:5.90 MB

页数:88页

时间:2019-03-17

基于gpu的机载sar回波数据模拟研究_第1页
基于gpu的机载sar回波数据模拟研究_第2页
基于gpu的机载sar回波数据模拟研究_第3页
基于gpu的机载sar回波数据模拟研究_第4页
基于gpu的机载sar回波数据模拟研究_第5页
资源描述:

《基于gpu的机载sar回波数据模拟研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、-.......■,...??■枉1f!巧I■—ERSITYOFELECTRONIELOGYFIUNIVICSCNCEANDTECHNOOCHNA■.:''.专业学位硕±学位论文、vMASTERTHESISFORPROFESSIONALDEGREE’'r福■-l‘'\-:C^齊TK.巧茸\.,…‘;:'—'■..::’.'-V巧5’’"一’、论支题目基于GPU的机载SA民回波数据模拟妍究.續.专化学位

2、类别工程硕±学号201322020624作者姓名姜庆.:^指导教师巧学哪教授:■,/.'.8一i..^-‘..。―..户.'^^-..■■■::;:分类号密级注1UDC学位论文基于GPU的机载SAR回波数据模拟研究(题名和副题名)姜庆(作者姓名)指导教师汪学刚教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期2016.04论文答辩日期2016.05.05学位授予单位和日期电子科技大学2016年06月30日答辩委员会主席

3、评阅人注1:注明《国际十进分类法UDC》的类号。ResearchofAirborneSyntheticApertureRadarEchoDataSimulationbasedonGPUAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:JiangQingSupervisor:Prof.WangXuegangschool:SchoolofElectronicEngineeringofUESTC独创性声明本人声明所呈交

4、的学位论文是本人在导师指导下进行的研究工作。及取得的研究成果据我所知,除了文中特别加标注和致谢的地方夕h论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名;I表曰期;月曰一六/<(年^论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权电子科技大学可将学位论文的全部或部分内

5、容编入有关数据库进行检索、缩印或扫描,可采用影印等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此规定)、作者签名::主么导师签名_曰期:年月曰摘要摘要随着合成孔径雷达技术日趋成熟并广泛用于军事和其他领域,合成孔径雷达(SAR)回波数据的模拟显得越发必需和重要。在以往的研究中发现,回波模拟的庞大的数据量和运算是研究的巨大挑战和瓶颈。随着更多样化的模拟平台的出现,回波数据模拟在提高运算速度和效率上有了新的突破点。近年来,GPU(GraphicProcessingUnit)技术的应用和CUDA编程平台的出现,研究人员将CPU(host)和G

6、PU(device)进行混合异构的编程,使基于GPU的并行编程开始应用于各个领域。研究发现在SAR回波数据模拟中有大量适合做并行运算的部分,可以利用GPU的强大浮点运算能力和并行运算的架构来加速。本文的主要研究内容如下:1.介绍了合成孔径雷达回波数据模拟的相关理论和回波数据模拟的算法,并介绍了回波模型和采用的RD成像算法,分析了本文研究要采用的模型和方法。提出了CUDA程序的基本优化策略。2.采用基于正向法的时域回波数据模拟算法,首先在MATLAB上验证了正确性之后,分别在CPU上和GPU上实现点目标和点阵目标的回波数据模拟。得到GPU上点阵回波数据模拟的速度相比CPU上加

7、速了约420倍。3.基于正向法GPU上实现提出加速策略:首先优化流程,减少CPU端和GPU端之间的数据传输;针对在GPU上运算的并行块划分,提出了块尺寸自适应划分法,根据该方法得到适合本文仿真环境和算法的最佳块尺寸划分;针对运算中的多重循环,分析粗粒度划分和粒度划分的不同效率,选择粗粒度划分;针对二维回波数据访问效率低的问题,将二维数据做线性化处理。经过这些优化策略加速后,GPU上加速比提高到了489倍。4.采用基于CS成像算法逆过程的逆CS回波数据模拟算法,分别在CPU上和GPU上做回波仿真并成像验证。重点分析回

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。