基于多CPU处理的外辐射源雷达实时信号处理方法与流程

文档序号：12549070阅读：246来源：国知局

本发明涉及雷达系统技术领域，尤其是涉及一种基于多CPU处理的外辐射源雷达实时信号处理方法。

背景技术：

目前，外辐射源雷达是一种利用第三方设备发射的电磁信号(如电视信号、广播信号)探测飞机目标的双/多基地雷达系统。该体制雷达本身并不发射能量，而是被动地接收目标反射的第三方设备的电磁信号，对目标进行跟踪和定位[1][2]。

外辐射源雷达目标检测通常采用无源相关定位技术，在接收系统中至少要设置2个通道：监视通道和参考通道，分别用来接收目标回波信号和参考信号；然后通过监测通道(杂波抑制后)与参考通道的互相关模糊函数(匹配滤波)计算获取距离-多普勒谱，据此实现目标检测与跟踪，其工作原理和信号处理流程如图1所示。

在外辐射源雷达信号处理中，需要经历杂波抑制、相关处理、目标检测等关键步骤。为了增加外辐射源雷达的探测距离，需要增加信号的积累时间，信号积累时间通常在几百毫米，甚至1秒，因此数据运算量巨大。如何高效、方便的实现外辐射源雷达的实时信号处理、获得连续的结果输出、不出现数据丢失情况，是进行外辐射源雷达系统研制需要解决的一个难题。目前，进行外辐射源雷达信号实时处理的方法主要是采用FPGA芯片加DSP芯片的硬件板卡和利用CPU加GPU卡混合编程等两种较为专业的方法。但是这些方法都需要经验丰富的专业技术人员，实现过程复杂、调试难度大。

进行外辐射源雷达信号处理，最简单的方法就是利用高性能计算器进行信号处理，利用大多数人都掌握的通用编程语言(如C、C++等)实现信号处理。其处理过程如图2、图3所示，首先采集卡采集一组参考信号和回波信号数据，然后输入CPU进行处理；在CPU处理的同时，采集卡继续采集下一组数据。

为了实现连续的处理过程，CPU对一组数据进行处理的时间必须小于一组数据的时间长度，这样才不会出现数据丢失和延时的情况；如图4所示，如果一组数据的积累时间为0.5s，当CPU处理时间小于0.5s时，CPU才能及时的处理下一组数据。当CPU处理能力不强时，CPU不能0.5s的时间里处理完处理，即可出现处理结果延时或者数据丢失情况，如图5、图6所示。

为了实现外辐射源雷达信号处理的实时性，目前主要有两种处理方式：

一是采用传统FPGA芯片与DSP芯片的硬件板卡进行信号处理，其主要优点是数据处理能力强，运算快，实时性强，文献[3]就给出了运用TS201数字信号处理芯片实现外辐射源雷达探测。但是，进行硬件板卡的开发，需要精通硬件编程技术和硬件芯片的专业技术人员，这提高了系统的开发门槛。而在实际的开发过程中，大多数情况是：精通硬件编程语言的专业技术人员不熟悉外辐射源雷达技术，而研究外辐射源雷达技术的研究人员又不精通硬件编程技术。这就加大了运用DSP+FPGA的信号处理板卡实现外辐射源雷达信号处理的难度。在这种状况下，通常是外辐射源雷达研究人员先写好处理算法，然后由精通硬件编程技术的专业技术人员在硬件板卡上实现。这样，加大了开发和调试难度，增加了系统的研制周期和开发经费。

二是采用CPU和GPU卡的异步并行计算构架进行信号处理，充分发挥GPU卡的并行计算能力，实现外辐射源雷达探测的软件化处理。相对于传统FPGA芯片与DSP芯片的硬件板卡的处理方法，采用CPU和GPU卡的处理方法增加系统灵活性和扩展性，实现系统的可重构功能。文献[4]到[6]给出了CPU和GPU卡进行外辐射源雷达信号处理的部分算法和例子。采用这种方法，虽然实现了信号处理的软件化，但是编程处理必须要对GPU卡的结构、特性等有较深入的了解，同时必须学习使用专业的GPU编程函数语言，如利用英伟达(NVIDIA)公司提供的CUDA C扩展编程语言，不能直接使用通用化编程语言(如C、C++等)进行编程实现，也增加了外辐射源雷达信号处理实现的难度。

技术实现要素：

为了克服现有技术的缺陷，本发明目的在于提供一种基于多CPU处理的外辐射源雷达实时信号处理方法。

为达到上述目的，本发明采用以下技术方案：

一种基于多CPU处理的外辐射源雷达实时信号处理方法，就是利用多CPU电脑或服务器，以及通用编程语言实现外辐射源雷达实时信号处理，增加外辐射源雷达信号处理实现的灵活性。

将外辐射源雷达的整个信号处理过程拆分为杂波抑制、相关处理、目标检测等多个处理步骤，并将每个步骤放在不同的CPU资源上运行，并且使每个步骤的处理时间小于一组数据的积累时间，即可不出现信号丢失现象，实现信号处理的连续性和实时性，如图7所示；

整个信号处理过程就是通过增加CPU个数，即CPU的处理内核数目，将所有的CPU处理内核分成多组，每组CPU内核独立处理一个步骤；CPU资源1独立进行杂波抑制处理，在完成杂波抑制处理后，将数据交给CPU资源2进行相关处理，同时CPU资源1接收下一组数据进行处理，形成一个类似流水线的处理过程，实现外辐射源雷达信号处理的实时性；

为了实现利用多CPU服务器和通用编程语言实现外辐射源雷达实时、连续的信号处理，对杂波抑制、相关处理、目标检测等处理步骤采用优化并行算法，缩短这些步骤的处理时间，使每个步骤的处理时间要远小于一组数据的积累时间；

所述多CPU处理的外辐射源雷达实时信号处理的具体实施流程，是采用多CPU的电脑或服务器，通过通用编程语言C或C++进行外辐射源雷达的实时信号处理；即将所有的CPU处理内核分成多组，每组CPU内核负责处理一个步骤，处理完后再交给下一组CPU内核进行下一个步骤的处理，同时每个步骤采用并行化处理，降低处理时间，实现外辐射源雷达信号处理的连续性和实时性；

(1)初始参数计算

计算系统在进行实时信号处理中各个步骤的基本参数，包括进行以下参数：

进行FBNLMS杂波对消时，整个数据能够分成的组数，一般和进行杂波对消计算的CPU内核数相同，各组数据之间重叠的点数N₀

进行相关计算时，计算参考通道信号长度L_Ref、监视通道信号长度L_Sur

(2)根据系统最大不模糊双站距离R_max和双站多普勒频率分辨率f_dmin选择一次计算需要的数据量，数据时间长度对于的时间为t＝1/f_dmin；

(3)在CPU资源1中进行一组数据的杂波对消计算，计算完毕后完成的传递到CPU资源2；同时CPU资源1接收下一组数据进行杂波对消计算；

(4)在CPU资源2中进行相关处理，计算完毕后传递到CPU资源3，同时CPU资源2接收下一组数据进行相关处理计算；

(5)在CPU资源3中进行目标检测，计算完毕后传递到CPU资源4；同时CPU资源3接收下一组数据进行目标检测；

(6)在CPU资源4中进行计算结果显示和处理控制；

(7)判断是否结束，如果完成，结束。

一种基于多CPU处理的外辐射源雷达实时信号处理方法，所述杂波抑制处理即杂波对消；

在进行杂波对消时，如何调动多个CPU内核进行并行计算，是提高杂波对消运算速度的关键；频域分块归一化最小均方(Frequency domain block normalized least-mean-squares，FBNLMS)自适应杂波抑制方法能够利用快速傅里叶变换(Fast Fourier Transform，FFT)和逆变换(Inverse Fast Fourier Transform，IFFT)，所以在CPU中利用FBNLMS算法进行杂波对消计算；

FBNLMS算法基本方法是把输入信号序列串-并变换为多个长度为L的数据块，然后将这些数据块依次送入长度为M阶的有限冲激响应(Finite Impulse response，FIR)滤波器进行自适应迭代更新；为了增加运算效率，在计算中，通常设L＝M。因此，运算的数据块数为：

式中表示向下取整，为N整个数据长度；从式(1)可以看出，当N不能被L整除时，KL后面不满一个L块长度的数据将被丢弃；

送入第k块数据进行计算时，计算FIR滤波器的抽头权向量[w₀(k),w₁(k),...w_M-1(k)]^T，计算结果用于第k+1块数据的滤波计算；由FBNLMS算法的特点知，FBNLMS算法的滤波器系数迭代计算次数等于块数，而且整个处理过程为串行处理；在块数很多时，串行迭代次数很多，不能通过并行计算来提高运算速度；

在利用FBNLMS算法进行杂波抑制时，当进行了多个块的迭代运算后，FIR滤波器输出和回波通道信号之间的误差就会形成一个较为稳定的输出，在第N₀点后输出误差相对稳定，如图8所示；

为了实现FBNLMS杂波对消算法的并行化，提升运算速度，将进行杂波对消运算的数据分成多个组，每组数据分别送入一个CPU内核进行FBNLMS杂波对消运算，通过多个CPU内核的并行运算提升杂波对消运算速度；

为了避免数据的浪费，每组数据之间需要有一定的重叠，每组数据的重叠长度需要通过FBNLMS杂波对消测试决定，如图9所示；整个算法过程如下：

(1)使用FBNLMS算法对已有数据进行测试，算出从对消开始到误差平稳输出的点数N₀；

(2)根据可以利用的CPU内核数，将需要进行杂波对消的数据进行分段，每一段数据首尾之间有一定的重叠部分，重叠部分的长度N₀由步骤(1)中的通过数据测试得出；

(3)将每段数据送入不同的CPU内核进行FBNLMS杂波对消处理；

(4)在每个CPU内核处理完成后，丢弃第i段(i＝2,3,…)数据前面的重叠部分，将各段数据首尾连接，形成完整的对消后的数据。

一种基于多CPU处理的外辐射源雷达实时信号处理方法，所述相关处理是通过参考通道信号与进行杂波对消后的监视通道信号进行互相关处理，为进一步的目标检测提供数据；相关处理是外辐射源雷达中非常重要的处理环节，在采用服务器进行计算时，为了提高处理效率，必须充分利用CPU内核资源，采用并行批处理方法；

采用并行批处理方法，就是借鉴普通雷达的周期式的信号处理方式，将一段很长的需要进行相关处理的信号分成若干段，将每段信号看成是普通雷达的一个重频周期的信号，每段信号分别进行相关处理；然后，将处理的各段信号并排起来组成二维数组，再对同一距离单元的信号做FFT处理，即完成相关处理，形成二维距离-多普勒图，供后面的目标检测使用；

在服务器中，使用多个CPU内核进行相关处理的主要步骤如下：

(1)将参考信号和监测信号进行分段

借鉴普通雷达的重频周期、多普勒频率带宽、目标最大多普勒频率之间的关系，由以下公式确定信号分段的数据量：

式中：L_Ref、L_Sur分别是参考通道信号和监视通道信号可以使用的每段数据的数据量，c是光速，f_r是信号采样率，f_dmax是能检测的最大不模糊双站多普勒频率，R_max为最大不模糊双站距离，表示向下取整。f_dmax和R_max能够由根据已知的探测场景和需求计算获得；

在分块过程中，首先截取具有相同时刻的两通道数据；然后将参考通道信号按照长度要求L_Ref进行分块；最后将监视通道信号按照长度要求进行L_Sur分块，每块信号的起始位置与对应编号的参考信号的起始位置相同，在公式(2)f_rR_max/c即是监视通道分块中各块之间的重叠部分，如图10所示；

(2)在不同CPU内核中进行参考信号与监测信号的互相关运算

设在步骤(1)中，得到的参考信号和监视信号的块总数为N_Block；首先，将参考通道和监视通道的各块数据进行末尾加0，都变为长度为L_Ref+L_Sur-1的数据块；然后采用FFT和IFFT方法对各块数据进行相关运算，其中第i块参考通道信号和第i块监视通道信号的运算过程如下式所示：

C(i)＝IFFT(FFT(s_ref(i))×FFT(s_sur(i)))1≤i≤N (3)

由于各块的相关运算是独立的，因此可以将公式(3)的计算过程并行的放入不同CPU内核中进行。设可以利用的CPU内核数是N₁个，则每个CPU内核负责相关运算的块数为块或块；

(3)将相关运行完成的数据组成二维数据，在对相同的距离单元进行FFT处理

首先，将各段信号的相关运算的输出结果并排起来组成二维数组矩阵，每一行数据即是每块数据的相关运算结果，如图11所示；

对二维数组矩阵的每一列数据进行FFT运算，由于各列的FFT运算是独立的，因此将各列的FFT运算过程放入到不同的CPU内核中进行，利用CPU内核并行计算，提高运算速度；

在步骤(2)进行相关运算中，每块经过相关运算输出的数据长度为L_Ref+L_Sur-1，而实际上感兴趣的数据长度只为因此只对有目标的数据段进行FFT处理；设利用的CPU内核数是N₂个，则每个CPU内核负责相关运算的列数为列或列；

经过相关处理后，输出与相似的二维数组矩阵，即二维距离-多普勒图，二维矩阵大小为

一种基于多CPU处理的外辐射源雷达实时信号处理方法，所述目标检测，为了发现目标，必须对获得的二维距离-多普勒图进行检测，进行二维目标检测，CA-CFAR是一种简单快速的检测方法；采用这种方法有两种检测用的参考窗，即矩形参考窗和十字形参考窗，如图12所示；

进行目标CA-CFAR检测时，检测门限由下式计算：

式中：k_CA为CFAR检测器的乘性因子，其中P_fa为虚警概率；N为参考单元个数；S_i为第i个参考单元的信号强度；

进行目标检测时，需要对二维距离-多普勒图的每一个点进行遍历，计算每一个点对应的检测门限，判断是否有目标。对于每个点计算检测门限的过程是相互独立，因此可以将不同点的检测门限计算平均分给不同的CPU内核计算，利用CPU内核并行计算，提高运算速度。设可以利用的CPU内核数是N₃个，则每个CPU内核负责相关运算的点数为点或点。

一种基于多CPU处理的外辐射源雷达实时信号处理方法，所述杂波抑制处理，在进行杂波对消处理过程中，或使用的算法包括分块最小均方(block least-mean-squares，BLMS)、递归最小二乘(Recursive Least Squares，RLS)等自适应杂波抑制方法。

一种基于多CPU处理的外辐射源雷达实时信号处理方法，所述采用具有多个CPU的电脑或服务器，或使用多台只有一个CPU的电脑或服务器，通过网络连接，使每台电脑或服务器，如同本方法提到的一样只处理一个步骤，在规定时间内完成处理并传给下一台电脑或服务器进行下一个步骤的处理，也能完成本方案目的。

由于采用如上所述的技术方案，本发明具有如下优越性：

(1)降低了外辐射源雷达信号处理开发对专业技术人员的要求

使用具有多个CPU的电脑或服务器，利用通用编程语言(如C、C++等)进行外辐射源雷达信号处理开发，降低了对技术开发人员的要求。技术人员只需要掌握外辐射源雷达相关知识和通用编程语言(如C、C++等)，即可开展信号处理的开发。目前，大部分高校的电子类、计算机类专业都开展有通用编程语言(如C、C++等)课程，摆脱了传统外辐射源雷达开发需要硬件和软件经验丰富的专业技术人员的限制问题。

(2)能够有效减少外辐射源雷达信号处理的开发周期

使用服务器和通用编程语言，与日常进行仿真分析近似，只需要将主要精力软件算法实现方面，不必要考虑太多硬件方面的问题。同时形成的软件模块还具有较强的通用性，大大降低了信号处理系统的开发难度，从而减少开发周期。

(3)提高了外辐射源雷达信号处理的灵活性

使用软件处理，可以灵活的形成软件模块，在有新的算法、处理方法出现后，只需要替换相应的软件模块即可，能够极大的方面新算法的验证和调试；同时，使用软件处理，还可以在软件中添加其他各种功能，有效的提高了外辐射源雷达信号处理的灵活性。

(4)能够有效降低外辐射源雷达研制经费

具有多个CPU的电脑或服务器属于大规模销售的货架产品，相对于定制开发的硬件板卡，在成本具有无可比拟的优势；同时，使用通用编程语言进行软件开发，能够极大节省人力成本，这两方面都能够有效降低外辐射源雷达研制经费。

(1)在进行杂波对消处理过程中，还可以使用的算法包括分块最小均方(block least-mean-squares，BLMS)、递归最小二乘(Recursive Least Squares，RLS)等自适应杂波抑制方法等。

(2)在本发明中，使用具有多个CPU的电脑或服务器，如果使用多台只有一个CPU的电脑或服务器，通过网络连接，使每台电脑或服务器如同本发明提到的一样只处理一个步骤，在规定时间内完成处理并传给下一台电脑或服务器进行下一个步骤的处理，也能完成本发明目的。

本发明利用具有多个CPU的电脑或服务器，利用通用编程语言(如C、C++等)进行外辐射源雷达信号处理开发。将所有的CPU处理内核分成多组，每组CPU内核一个步骤，处理完后再交给下一组CPU内核进行处理，形成一个类似流水线的处理过程，实现外辐射源雷达信号处理的实时性。

本发明在杂波对消中，将很长的数据进行分段，每段数据保持一部分重叠，利用多个CPU内核对每段数据进行杂波对消处理；在处理完成后，丢弃第i段(i＝2,3,…)数据前面的重叠部分，将各段数据首尾连接，形成完整的对消后的数据，完成杂波对消处理。

附图说明

图1为外辐射源雷达信号处理流程示意图；

图2利用电脑进行信号处理过程示意图；

图3利用计算机进行外辐射源雷达信号处理流程示意图；

图4处理时序示意图；

图5处理结果延时示意图；

图6处理结果丢失示意图；

图7基于多CPU处理的外辐射源雷达信号处理示意图；

图8 FBNLMS杂波抑制过程示意图；

图9适用于多核CPU的FBNLMS杂波对消处理示意图；

图10信号分块示意图；

图11相关运算结果和列FFT示意图；

图12a为CFAR矩形参考窗检测示意图；

图12b为CFAR十字形参考窗检测图；

图13利用多CPU服务器进行外辐射源雷达信号处理流程示意图。

具体实施方式

如图1至图13所示，一种基于多CPU处理的外辐射源雷达实时信号处理方法，就是利用多CPU电脑或服务器，以及通用编程语言实现外辐射源雷达实时信号处理，增加外辐射源雷达信号处理实现的灵活性，避免处理时出现处理结果延时和丢失情况。

本发明使用具有多个CPU的电脑或服务器，利用通用编程语言(如C、C++等)进行外辐射源雷达信号处理开发，实现实时信号处理，摆脱了传统外辐射源雷达开发需要硬件和软件经验丰富的专业技术人员的限制问题，降低外辐射源雷达信号处理开发难度，提高外辐射源雷达实现的灵活性。

如图1所示，在外辐射源雷达信号处理过程中，包含了杂波抑制、相关处理、目标检测等关键处理步骤。在整个信号处理过程中，通常CPU对一组数据的处理时间大于一组数据对应的采集时间长度，但是采用并行处理优化后，杂波抑制、相关处理、目标检测等步骤的处理时间小于一组数据对应的采集时间长度。因此，可以将外辐射源雷达的整个信号处理过程拆分为多个步骤，每个步骤在不同的CPU资源上运行，并且使每个步骤的处理时间小于一组数据对应的采集时间长度，即可不出现信号丢失现象，实现信号处理的连续性和实时性。

根据外辐射源雷达信号处理的特点，可以将整个信号处理拆分为以下几个过程：杂波抑制、相关处理、目标检测等，即将图2所示的利用电脑进行信号处理的过程拆分成如图7所示的信号处理过程。

因此，整个信号处理过程就是通过增加CPU个数，即CPU的处理内核数目，将所有的CPU处理内核分成多组，每组CPU内核专职处理一个步骤。如图7所示，CPU资源1专职进行杂波抑制处理，在完成杂波抑制处理后，将数据交给CPU资源2进行相关处理，同时CPU资源1接收下一组数据进行处理，形成一个类似流水线的处理过程，实现外辐射源雷达信号处理的实时性。

关键处理步骤方法

为了实现利用多CPU服务器和通用编程语言实现外辐射源雷达实时、连续的信号处理，关键的是缩短外辐射源雷达信号处理中最耗时的处理步骤的处理时间，使每个处理步骤的时间要远小于信号积累时间。通常最耗时的处理步骤包括：杂波对消、相关处理和目标检测。

杂波对消

在进行杂波对消时，如何调动多个CPU内核进行并行计算，是提高杂波对消运算速度的关键。频域分块归一化最小均方(Frequency domain block normalized least-mean-squares，FBNLMS)自适应杂波抑制方法能够利用快速傅里叶变换(Fast Fourier Transform，FFT)和逆变换(Inverse Fast Fourier Transform，IFFT)，所以比较适合利用CPU进行计算。

FBNLMS算法基本方法是把输入信号序列串-并变换为多个长度为L的数据块，然后将这些数据块依次送入长度为M阶的有限冲激响应(Finite Impulse response，FIR)滤波器进行自适应迭代更新。为了增加运算效率，在计算中，通常设L＝M。因此，运算的数据块数为：

式中表示向下取整，为N整个数据长度。从式(1)可以看出，当N不能被L整除时，KL后面不满一个L块长度的数据将被丢弃。

送入第k块数据进行计算时，可以计算FIR滤波器的抽头权向量计算结果用于第k+1块数据的滤波计算。由FBNLMS算法的特点可知，FBNLMS算法的滤波器系数迭代计算次数等于块数，而且整个处理过程为串行处理。在块数很多时，串行迭代次数很多，不能通过并行计算来提高运算速度。

在利用FBNLMS算法进行杂波抑制时，当进行了多个块的迭代运算后，FIR滤波器输出和回波通道信号之间的误差就会形成一个较为稳定的输出，如图8所示，在第N₀点后输出误差相对稳定。此时，后面的数据块对于对消性能的提升没有什么影响，主要任务是完成杂波的对消任务。

为了实现FBNLMS杂波对消算法的并行化，提升运算速度，可以将需要进行对消运算的数据分成多个组，每组数据分别送入一个CPU内核进行FBNLMS杂波对消运算，通过多个CPU内核的并行运算提升杂波对消运算速度。为了避免数据的浪费，每组数据之间需要有一定的重叠，每组数据的重叠长度需要通过FBNLMS杂波对消测试决定。整个算法过程如下：

(1)使用FBNLMS算法对已有数据进行测试，算出从对消开始到误差平稳输出的点数N₀；

(3)将每段数据送入不同的CPU内核进行FBNLMS杂波对消处理；

(4)在每个CPU内核处理完成后，丢弃第i段(i＝2,3,…)数据前面的重叠部分，将各段数据首尾连接，形成完整的对消后的数据。

整个处理过程如图9所示。