雷达全脉冲数据无损压缩算法研究

《雷达全脉冲数据无损压缩算法研究》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、．．．．．ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＨＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＨＫＯＬＯＧＹＯＦＣＨＩＮＡ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ产Ｉ好Ｘ‘论文趣日雷达伞脉冲数扼尤损巧缩党法郎究学科专业电路与系统学号２０１３２１Ｑ２Ｑ１０８作者姓名巫忠书指肆教授；：＇．彎謬寧靖喘鹤賴麵讓堅；顯＂－；．：ｖ；ｖ：；：＃〇；；眷；｜？襲中邮論胖寧１８讓觀．■ａ，苦１！，星．；．．．Ｌ主独剑性声明本人声明所呈交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

2、成果。据我所知，除了文中特别加Ｗ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己在论文中作了明确的说明并表示谢意。作者签名＜ｔ：４＾日期；如年月日戶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从将学位论文的全部或部分内容编入有关数据库进行检索，可采巧影印、缩印或扫描等复制手段保存

3、、汇编学位论文。（保密的学位论文在解密后应遵守此规签定）作者签名：．＿＿导师名：日期年ｔ月＞日分类号密级注1UDC学位论文雷达全脉冲数据无损压缩算法研究（题名和副题名）巫忠书（作者姓名）指导教师钟洪声教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业电路与系统提交论文日期2016-3-31论文答辩日期2016-4-29学位授予单位和日期电子科技大学2016年6月30日答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。RESEARCHONLOSSLESSCOMPRESSIONOFFULLPULSERADARDATAAMasterTh

4、esisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:CircuitsandSystemsAuthor:WuZhongshuAdvisor:Prof.ZhongHongshengSchool:SchoolofElectronicEngineering摘要摘要在当今大数据时代下，数据压缩技术的研究与发展日益成熟，并应用在生活中的各个方面。随着雷达体制的发展与电子侦察的盛行导致了与日俱增的全脉冲数据量，而市面上流行的通用压缩算法并不能很好的对全脉冲数据进行压缩，因此，研究一种对全脉冲数据进行无损压缩的

5、算法就势在必行。本文设计了一个基于聚类分析的雷达全脉冲数据压缩系统，实现对全脉冲数据的无损压缩功能。本文主要研究了聚类压缩系统的几个关键技术：首先，分析了几种具有代表性的聚类方法，对每种算法进行测试和结果比较，选择了算法速度快、伸缩性好的K均值聚类；其次，对聚类处理之后的数据要进行熵编码，分析对比了常用的无损压缩编码方式，包括针对数值和文本的压缩方法，选择了区间编码；再次，将聚类和编码串联起来形成一个系统进行测试，对其中K均值聚类算法的缺陷提出了一种处理的方法；最后，尝试整个K均值聚类在GPU上的并行化，主要是通过数据分块并行实现，并有较好的效果。本文的主要特点有以下几点：（1）处

6、理的数据结构较新，全脉冲数据是一种较为新型的雷达数据格式，每个数据对象拥有5个参数，分别是到达时间（TOA），脉宽(PW)，幅值(PA)，载频(CF)和方位角(DOA)。其数据源是无人机侦察时产生的对每个侦察目标的信息，全脉冲数据中的一些数据会对应着同一个目标。这样这些数据之间就存在着很强的相关性，本文利用这种相关性将全脉冲数据进行无损压缩。（2）聚类算法主要用于信号分选领域，主要功用是识别数据内部结构，将数据或对象的集合划分成不同的类簇。本文将聚类算法应用在数据压缩领域，将数据集聚类之后提取每一个类簇中的中心值和其余数据点相对中心值的差值再做处理，拓宽了聚类算法的应用范围。（3）

7、尝试K均值聚类在GPGPU上的并行计算。异构计算平台是近几年较为热门的课题之一，GPGPU是将CPU的逻辑控制功能与GPU的强大浮点计算功能结合在一起的异构平台。本文试行了K均值聚类的并行化，取得了较好的效果。本文设计的聚类压缩系统经测试，算法对全脉冲数据有较好的压缩效果。针对一个152MB的全脉冲数据，压缩率能够达到48.1%；同时，在输入数据大小为2000KB时，K均值聚类并行速度比串行提高了1.65倍。关键词：数据压缩，K均值聚类，熵编码，GPU，并行计算IAB