孟大地* 胡玉新 丁赤飚

?

一種基于GPU的SAR高效成像處理算法

孟大地胡玉新 丁赤飚

(中國科學(xué)院電子學(xué)研究所 北京 100190)(中國科學(xué)院空間信息處理與應(yīng)用系統(tǒng)技術(shù)重點實驗室 北京 100190)

合成孔徑雷達(SAR)成像處理是一項需要進行大量計算的處理任務(wù)。圖形處理器(GPU)具有數(shù)十倍于CPU的浮點計算能力以及傳輸帶寬，而CUDA技術(shù)的發(fā)展使得GPU能夠方便地進行通用計算。該文提出了一種在GPU上進行SAR成像的高效方法。與一般GPU處理方法相比，該方法使得處理過程中的CPU-GPU往返數(shù)據(jù)傳輸由4次減少到1次，而且同時利用了工作站上的CPU與GPU計算資源。實驗結(jié)果表明，該方法能夠帶來相對一般GPU處理方法2.3倍的處理效率提升，從而驗證了該方法的有效性。

SAR；CUDA；GPU；SAR成像處理

1 引言

合成孔徑雷達(Synthetic Aperture Radar, SAR)是一種全天時、全天候的微波遙感對地觀測手段。SAR圖像中包含豐富的地表特征信息，并具有穿透能力，因此在國民經(jīng)濟以及軍事領(lǐng)域，具有光學(xué)遙感不可替代的重要作用。但與光學(xué)遙感相比，SAR圖像需要通過對SAR原始數(shù)據(jù)進行相干數(shù)據(jù)處理得到。常用的處理算法有以w-k算法為代表的頻域批處理算法(距離多普勒算法以及Chirp Scaling算法均屬此類)，以及反投影時域處理算法。

SAR圖像的方位向分辨能力有賴于對場景的長時間觀測期間的脈沖相干積累，SAR數(shù)據(jù)在兩個垂直維度上也存在耦合，因此在實際應(yīng)用中，SAR數(shù)據(jù)量非常巨大；各SAR應(yīng)用領(lǐng)域科學(xué)技術(shù)的飛速發(fā)展，對SAR分辨率、多波段、多極化等方面提出了更高的要求，這就使得SAR數(shù)據(jù)量成倍增加。因此，高效的SAR數(shù)據(jù)處理手段成為SAR技術(shù)發(fā)展的一項關(guān)鍵問題。

由于3D圖形領(lǐng)域的拉動作用，圖形處理器(Graphic Processing Unit, GPU)技術(shù)在近幾年來發(fā)展非常迅速。由圖1可見，在處理能力以及存儲器帶寬上，近七年間GPU所取得的進展與CPU相比超越約一個量級。GPU在運算以及傳輸速度上的飛速發(fā)展，在一定程度上應(yīng)歸因于GPU主要專注于數(shù)據(jù)并行性任務(wù)的處理，而較少考慮了邏輯控制、條件判斷等CPU中不可或缺的重要功能。2006年11月，英偉達(NVIDIA)公司針對旗下主流型號GPU產(chǎn)品推出了一種通用并行計算架構(gòu)CUDA(Compute Unified Device Architecture)，以及相關(guān)的并行編程模型和指令集，從而大大推動了GPU在高性能計算領(lǐng)域的廣泛應(yīng)用。借助CUDA，在傳統(tǒng)CPU上運行的需要大量計算的代碼可以方便地移植到GPU上執(zhí)行，而將代碼的邏輯控制以及條件判斷部分仍然由CPU執(zhí)行。這種新的程序開發(fā)模式使得傳統(tǒng)上較為耗時的處理任務(wù)得到了數(shù)十倍甚至上百倍的速度提升。

利用CUDA這種高效的GPU編程模式，SAR數(shù)據(jù)處理軟件的速度有望得到大幅度提升。國內(nèi)外已有少量該方面的研究成果。文獻[5-7]在GPU上實現(xiàn)了反投影處理算法，使得原本極其耗時的處理過程可以在可容忍的較短時間內(nèi)完成；文獻[8-11]介紹了距離-多普勒算法在GPU上的實現(xiàn)方法。

當前支持CUDA編程的主流GPU產(chǎn)品的內(nèi)存一般不大于4 GB，而在實際SAR數(shù)據(jù)處理過程中，所需處理的1景SAR數(shù)據(jù)往往超出單個GPU存儲能力。因此，在將現(xiàn)有SAR成像處理算法在GPU上實現(xiàn)時，除了要考慮原始算法中各大運算量代碼在GPU上的合理實現(xiàn)之外，還需要考慮如何高效地在CPU內(nèi)存與GPU內(nèi)存之間進行數(shù)據(jù)交互。

對于這種數(shù)據(jù)量超出GPU存儲能力的情況，文獻[8,9]通過減少處理脈沖數(shù)的方法強制減少1景SAR數(shù)據(jù)的數(shù)據(jù)量。由于處理所得每景SAR圖像的方位向兩端孔徑不全，因此不能達到全分辨率，在實際應(yīng)用中需要截去，并且截去量與處理脈沖數(shù)無關(guān)，因此這種通過縮減方位景寬的方法將導(dǎo)致截去比例增加，降低處理效率。

當前GPU設(shè)備與主機之間主要通過PCI-E 2.0×16方式進行連接，根據(jù)在Tesla C1060上的實際測試結(jié)果，主機內(nèi)存與GPU顯存之間進行1次2 GB數(shù)據(jù)的往返傳輸需要消耗時間約為1.1 s，而對2 GB float型存儲SAR數(shù)據(jù)利用單卡GPU1次成像(采用w-k成像處理算法，包括運動補償處理)時間約為2.5 s。由此可見，在成像處理過程中若有多次數(shù)據(jù)在主機內(nèi)存與GPU顯存之間的往返傳輸，將會帶來效率的成倍下降。因此，需要盡可能減少主機內(nèi)存與GPU顯存之間的數(shù)據(jù)傳輸次數(shù)，從而充分發(fā)揮GPU的高速浮點運算能力，提高運算速度。

本文對機載w-k成像處理算法在GPU上的實現(xiàn)進行了深入研究，提出了一種新的w-k算法在GPU上的實現(xiàn)方法方位時域分割法。該方法只需1次SAR原始數(shù)據(jù)導(dǎo)入GPU顯存以及1次float型SAR數(shù)據(jù)導(dǎo)出GPU顯存操作，從而大大降低了SAR數(shù)據(jù)在顯存?zhèn)鬏斏纤牡臅r間。

另外，該方法將部分任務(wù)交由GPU處理，而數(shù)據(jù)導(dǎo)出后的剩余少量任務(wù)仍由CPU處理，這兩部分任務(wù)可并行執(zhí)行。在配置4顆Intel Xeon X5550、16 G內(nèi)存、1部Tesla C1060GPU的工作站上的實驗表明，在合理分配CPU核數(shù)與GPU設(shè)備數(shù)比例時，該方法在GPU端任務(wù)所花時間與CPU端相當。這時，1塊SAR數(shù)據(jù)的處理時間為GPU處理時間與CPU處理時間的最大值，從而在避免數(shù)據(jù)冗余傳輸?shù)耐瑫r，充分利用了1臺主機上的所有計算資源。

本文第2節(jié)簡要介紹了w-k算法的基本步驟；第3節(jié)介紹了w-k算法的常規(guī)GPU實現(xiàn)方法；第4節(jié)提出了方位時域分割法，并給出了處理步驟和誤差分析；第5節(jié)利用點目標仿真SAR數(shù)據(jù)的處理結(jié)果驗證了算法的有效性和高效性；第6節(jié)對本文內(nèi)容進行了總結(jié)。

2 w-k算法介紹

w-k算法是一種被廣泛采用的機載SAR成像處理算法。與其他常用算法(如距離-多普勒算法、Chirp Scaling算法)相比，由于其推導(dǎo)過程采用與SAR成像原理一致的雙曲距離歷程模型，并且除了載機速度不能沿距離向變化(在機載情況下該假設(shè)完全成立)以及插值誤差之外，未采取任何近似，因此w-k算法能夠適應(yīng)各個波段的SAR數(shù)據(jù)處理，并能夠適應(yīng)大方位波束角、大斜視角等情況。

另外，在實際SAR數(shù)據(jù)獲取過程中，由于載機不能嚴格保持勻速直線運動狀態(tài)，在成像處理過程中還需要加入運動補償處理環(huán)節(jié)(通過對距離壓縮后信號進行距離向重采樣以及相位補償實現(xiàn))，以抵消載機運動的非理想性。

w-k算法的處理流程如圖2所示。該算法處理步驟如下：

(1) 首先對原始數(shù)據(jù)進行距離向壓縮(包括兩次距離向FFT以及距離向參考函數(shù)相乘)以及運動補償(包括插值以及相位生成、相位相乘)，并通過距離向FFT轉(zhuǎn)至距離向頻域；

(2) 通過方位向FFT(需要兩次額外轉(zhuǎn)置)轉(zhuǎn)至2維頻域；

(3) 在2維頻域進行距離遷移校正、2次距離壓縮、方位壓縮(通過距離向參考函數(shù)生成、相位相乘以及stolt插值實現(xiàn))；

圖2 常規(guī)基于CPU的w-k算法處理流程圖

(4) 通過距離向IFFT轉(zhuǎn)至距離向時域；

(5) 最后通過方位向IFFT(需要1次額外轉(zhuǎn)置)得到時域SAR圖像。

3 w-k算法的常規(guī)GPU實現(xiàn)方法

利用CUDA編程模型將w-k算法移至GPU實現(xiàn)時，首要考慮的是將SAR數(shù)據(jù)傳入GPU顯存。當GPU顯存容量足以容納所處理SAR數(shù)據(jù)以及處理所需額外內(nèi)存時，可以將所有w-k算法處理流程交由GPU處理，最后將處理結(jié)果SAR圖像傳入主機內(nèi)存并進行存儲。

當對SAR系統(tǒng)的分辨率、測繪帶提出更高要求時，GPU顯存存儲容量往往不能滿足1景SAR數(shù)據(jù)的存儲。這時需要在處理過程中多次將處理中間結(jié)果分塊導(dǎo)入GPU顯存進行處理，之后再將處理結(jié)果導(dǎo)出GPU顯存，在進行轉(zhuǎn)置之后，再進行后續(xù)處理。

常規(guī)GPU處理步驟如下：

(1) 對SAR原始數(shù)據(jù)在方位向進行分塊，各塊分別傳入GPU顯存進行距離壓縮、運動補償以及距離向FFT，并將結(jié)果傳入主機內(nèi)存；

(2) 對SAR數(shù)據(jù)在距離向進行分塊，各塊分別傳入GPU顯存進行方位向FFT，并將結(jié)果傳入主機內(nèi)存；

(3) 對SAR數(shù)據(jù)在方位向進行分塊，各塊分別傳入GPU顯存進行距離向參考相位相乘、stolt插值以及距離向IFFT，并將結(jié)果傳入主機內(nèi)存；

(4) 對SAR數(shù)據(jù)在距離向進行分塊，各塊分別傳入GPU顯存進行方位向FFT，并將結(jié)果傳入主機內(nèi)存，拼接之后得到時域SAR圖像。

按照這種思路，除了在GPU端進行應(yīng)有的w-k算法處理操作以及SAR原始數(shù)據(jù)傳入GPU顯存、SAR圖像數(shù)據(jù)傳出GPU顯存之外，還需進行3次額外的GPU顯存與主機內(nèi)存之間的往返數(shù)據(jù)傳輸。

另外，每次將數(shù)據(jù)傳入主機內(nèi)存之前需要將數(shù)據(jù)進行轉(zhuǎn)置處理(共需3次)，以適應(yīng)后續(xù)步驟的處理需求。

這種基于GPU的常規(guī)w-k算法處理流程如圖3所示?？梢?，這種GPU端的w-k成像處理方法在原理上與常規(guī)w-k算法完全一致，而將所有主要的處理步驟分別移至GPU端實現(xiàn)，但增加了3次額外的主機內(nèi)存與GPU顯存之間的往返數(shù)據(jù)傳輸。

4 方位時域分割法

根據(jù)SAR成像處理原理可知，對w-k成像處理所得到的SAR圖像進行方位向逆壓縮可以得到距離遷移校正后、方位壓縮前的SAR數(shù)據(jù)，這時場景中各目標的回波信號都被校正到1個距離單元，沿方位向排列。如果在成像處理開始之前對SAR原始數(shù)據(jù)在方位向分塊，每塊單獨進行w-k成像處理以及其他輔助處理，得到方位壓縮前數(shù)據(jù)，則可以將各塊處理得到的數(shù)據(jù)在方位向進行拼接，拼接得到的SAR數(shù)據(jù)即近似相當于對所有SAR原始數(shù)據(jù)統(tǒng)一進行成像處理所得到的方位壓縮前數(shù)據(jù)(該等效的近似性將在5.1節(jié)進行分析)。再對該數(shù)據(jù)進行方位壓縮處理，即得到所有SAR原始數(shù)據(jù)所對應(yīng)的SAR圖像。

圖3 常規(guī)基于GPU的w-k算法處理流程圖

基于這種成像處理方式，本文提出了一種w-k算法在GPU上新的實現(xiàn)方法方位時域分割法。該方法將SAR原始數(shù)據(jù)回波在方位向分為若干塊(每塊數(shù)據(jù)量小于GPU顯存)，每塊交由GPU一次性進行方位壓縮前的所有處理步驟，并將處理結(jié)果導(dǎo)入主機內(nèi)存并在方位向拼接，再由主機端進行方位壓縮，得到最終的SAR圖像。

方位時域分割法的處理步驟如圖4所示，處理步驟如下：

(1) 將SAR原始數(shù)據(jù)在方位向進行分塊(每塊數(shù)據(jù)量小于顯存容量)之后，各塊分別傳入GPU并進行常規(guī)w-k算法處理步驟(無需分塊)；

(2) 在方位向IFFT生成SAR圖像之前通過方位向參考相位相乘得到方位壓縮前信號；

(3) 將各塊處理結(jié)果傳入主機內(nèi)存，并拼合為全景SAR數(shù)據(jù)的方位壓縮前數(shù)據(jù)；

(4) 通過方位向FFT、方位向參考相位相乘、方位向IFFT得到最終SAR圖像。

由此可見，與常規(guī)方法相比，方位時域分割法在避免了3次往返數(shù)據(jù)傳輸?shù)耐瑫r，在GPU端及CPU端各增加了一次參考相位生成及相乘，在CPU端增加了兩次FFT。

5 誤差分析及實驗結(jié)果

5.1 方位時域分割法誤差的實驗分析

從原理上來講，在時帶積大于100時，駐定相位原理的近似性對SAR成像的影響可忽略不計。對于內(nèi)存為4 G的GPU來說，所能容納的脈沖數(shù)一般能滿足該要求。這時，方位時域分割法對各塊處理所得的方位壓縮前時域數(shù)據(jù)拼接后近似等同于用w-k算法直接對SAR原始數(shù)據(jù)進行處理所得方位壓縮前時域數(shù)據(jù)。由于駐定相位原理近似性的理論分析較為困難，以下結(jié)合仿真對方位時域分割法的誤差特性進行研究。

圖4 方位時域分割法處理流程圖

對1塊距離、方位向分別為32768的仿真X波段SAR數(shù)據(jù)(有符號8位整型存儲，仿真中加入幅度約為3 m的運動誤差)進行成像及運動補償處理。仿真所用系統(tǒng)參數(shù)如表1所示。在該數(shù)據(jù)中，所設(shè)點目標回波的零多普勒位置位于中心距離單元的方位向中心，因此在利用方位時域分割法處理將仿真數(shù)據(jù)分為4塊進行處理時，該點目標回波信號的前后兩半將分別位于中間兩個分塊內(nèi)。

表1仿真參數(shù)

Tab. 1 Simulation parameters

對表1仿真數(shù)據(jù)分別進行方位時域分割法處理以及基于CPU的w-k算法處理，點目標在相鄰兩個分塊內(nèi)的方位壓縮前信號如圖5所示。這時信號總時帶積約為930，兩分塊內(nèi)的局部信號時帶積約為465。由于駐定相位原理的幅度特性在信號邊緣有較大的震蕩以及低通效應(yīng)，因此方位時域分割法的分塊操作導(dǎo)致各塊邊緣位置處有少量的信號泄漏，如圖5(a)所示；各段信號的邊緣泄漏在頻域也相應(yīng)造成了較大的頻譜幅度震蕩，如圖5(b)所示。圖5中信號的相位特性以及方位壓縮后的方位波形如圖6所示，圖6(b)波形的各項壓縮指標如表2所示。由該仿真結(jié)果可見，方位時域分割法的分塊操作所引起的相位誤差以及幅度調(diào)制導(dǎo)致點目標的壓縮波形有所變化。這主要體現(xiàn)在方位向峰值旁瓣比(Peak Sidelobe Ratio, PSLR)以及積分旁瓣比(Integrated Sidelobe Ratio, ISLR)的惡化上(約0.1 dB)。在實際應(yīng)用中，這樣的SAR圖像質(zhì)量惡化程度通常是可以容忍的，而且可以通過加窗的手段進行抑制。

另外，由于運動誤差的方位空變性，兩個處理結(jié)果中方位向PSLR與理想值(-13.2 dB)相比惡化約0.1 dB。

5.2方位時域分割法性能分析

仿真所用工作站上配置了4顆4核Intel Xeon X5550 CPU以及1臺單卡NVIDIA Tesla C1060 GPU設(shè)備?；贑PU的w-k算法中使用了Intel MKL數(shù)學(xué)運算庫并通過Intel編譯器進行編譯，方位時域分割法使用CUDA 3.2編譯，其中主機代碼調(diào)用gcc編譯。在該工作站上，分別利用基于CPU的w-k算法、常規(guī)GPU方法、單CPU方位時域分割法、多CPU方位時域分割法4種方法對表1所示仿真數(shù)據(jù)進行成像及運動補償處理(方位時域分割法中將SAR原始數(shù)據(jù)分為4塊，每塊float型數(shù)據(jù)量為2 GB)。所花時間如表3所示(其中未包括SAR原始數(shù)據(jù)讀入主機內(nèi)存時間以及SAR圖像文件輸出時間)。

圖5 方位壓縮前信號圖

圖6 方位時域分割法與w-k算法處理結(jié)果對比

表2 點目標仿真結(jié)果

Tab. 2 Simulation results of point target simulation

由仿真結(jié)果可見，在單核CPU配置情況下，與w-k算法的CPU實現(xiàn)相比，常規(guī)GPU實現(xiàn)方法效率提高將近30倍，但其中約60%時間花在數(shù)據(jù)在主機內(nèi)存與GPU顯存之間的交互上，GPU的高速計算性能未能得到充分發(fā)揮。方位時域分割法避免了數(shù)據(jù)在主機內(nèi)存與GPU顯存之間的冗余交互，但需要較長的CPU處理時間。

在配置多顆CPU使得方位時域分割法的CPU處理時間與GPU處理時間相當時，可在CPU進行后期處理的同時讓GPU進行下1塊SAR數(shù)據(jù)的前期處理，這時總處理時間為GPU處理時間與CPU處理時間的最大值(表3實驗結(jié)果中為10.79 s)。按照表3實驗結(jié)果，在配置14核CPU的情況下(1個CPU核心用于GPU控制)，相比基于CPU的w-k算法，常規(guī)GPU實現(xiàn)方法的效率提高約2.5倍，而方位時域分割法的效率提高約5.8倍。

表3 w-k算法3種實現(xiàn)方法處理效率對比

由以上仿真分析可知，方位時域分割法由于避免了冗余的主機與顯存之間的數(shù)據(jù)傳輸，并結(jié)合CPU資源進行并行處理，可以在約10 s內(nèi)完成8 GB SAR數(shù)據(jù)的成像及運動補償處理，相比常規(guī)GPU實現(xiàn)方法，性能提高約2.3倍。

6 結(jié)論

本文提出了一種w-k算法在GPU平臺上的新的實現(xiàn)方法方位時域分割法。與常規(guī)GPU實現(xiàn)方法相比，新方法避免了主機內(nèi)存與GPU顯存之間的多次冗余數(shù)據(jù)傳輸。實驗結(jié)果表明，在常規(guī)GPU實現(xiàn)方法中，冗余數(shù)據(jù)傳輸占用了成像處理的大部分時間，而方位時域分割法只需要在成像初始階段將SAR原始數(shù)據(jù)傳入GPU顯存，在GPU處理結(jié)束之后將中間結(jié)果傳回主機內(nèi)存，與常規(guī)GPU實現(xiàn)方法相比減少了3次主機內(nèi)存與GPU顯存之間的往返數(shù)據(jù)傳輸，成倍縮減了GPU處理時間。

另外，方位時域分割法將SAR成像及運動補償處理任務(wù)劃分為前期GPU計算部分和后期CPU計算部分，避免了常規(guī)GPU實現(xiàn)方法對CPU計算資源的浪費。按照這種任務(wù)分配方式，在進行批量SAR數(shù)據(jù)處理時，可在后期CPU計算的同時，GPU對下一塊SAR數(shù)據(jù)進行前期計算，提高了SAR數(shù)據(jù)處理效率。在實驗所用工作站的性能條件下，利用Tesla C1060單卡GPU與14核CPU進行處理時，GPU端處理時間與CPU端處理時間相當，可以較為充分地利用工作站的計算資源。

[1] Cumming I G and Wong F H. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation[M]. Boston: Artech House, 2005.

[2] Bamler R. A comparison of range-doppler and wavenumber domain SAR focusing algorithms[J]., 1992, 30(4): 706-713.

[3] Lars M H U, Hans H, and Gunnar S. Synthetic-aperture radar processing using fast factorized back-projection[J]., 2003, 39(3): 760-776.

[4] Nvidia. NVIDIA CUDA C programming guide [OL]. http:// developer.download.nvidia.com/compute/cuda/3_2/toolkit/docs/CUDA_C_Programming_Guide.pdf.

[5] Fasih A R and Hartley T D R. GPU-accelerated synthetic aperture radar backprojection in CUDA[C]. IEEE International Radar Conference, Arlington, VA, USA, May 2010: 1408-1413.

[6] Blom M and Follo P. VHF SAR image formation implemented on a GPU[C]. International Geoscience and Remote Sensing Symposium, Seoul, Korea, July 2005: 3352-3356.

[7] Hartley T D R, Fasih A R, Berdanier C A,.. Investigating the use of GPU-accelerated nodes for SAR image formation[C]. Proceedings of the IEEE International Conference on Cluster Computing, New Orleans, LA, USA, Sept. 2009:1-8.

[8] Liu Bin, Wang Kai-zhi, Liu Xing-zhao,.. An efficient signal processor of synthetic aperture radar based on GPU[C]. European Conference on Synthetic Aperture Radar, Eurogress, Aachen, Germany, June 2010: 1054-1057.

[9] Ning Xia, Yeh Chun-mao, Zhou Bin,.. Multiple-GPU accelerated range-doppler algorithm for synthetic aperture radar imaging[C]. IEEE International Radar Conference, Kansas City, MO, USA, May 2011: 698-701.

[10] Clemente C, Bisceglie M D, Santo M D,.. Processing of synthetic aperture radar data with GPGPU[C]. IEEE Workshop on Signal Processing Systems, Tampere, Finland, Oct. 2009: 309-314.

[11] 俞驚雷, 柳彬, 王開志, 等. 一種基于GPU 的高效合成孔徑雷達信號處理器[J]. 信息與電子工程, 2010, 8(4): 415-418. Yu J L, Liu B, Wang K Z,.. A highly efficient GPU- based signal processor of Synthetic Aperture Radar[J]., 2010, 8(4): 415-418.

[12] 張舒, 褚艷利. GPU高性能運算之CUDA[M]. 北京: 中國水利水電出版社, 2009: 120-124.

Zhang Shu and Zhe Yan-li. CUDA-High Perfermance Computing on GPU[M]. Beijing: China WaterPower Press, 2009: 120-124.

[13] Nvidia. Tesla C1060 specifications[OL]. http://www.nvidia. com/docs/IO/43395/BD-04111-001_v06.pdf.

[14] Intel. Intel xeon processor X5550 specifications[OL]. http://ark.intel.com/Product.aspx?id=37106.

[15] Fornaro G, Franceschetti G, and Perna S. On center-beam approximation in SAR motion compensation[J]., 2006, 3(2): 276-280.

[16] Prats P, Macedo K A C, Reigber A,..Comparison of topography-and aperture-dependent motion compensation algorithms for Airborne SAR[J]., 2007, 4(3): 349-353.

Efficient Algorithm for Processing SAR Data Based on GPU

Meng Da-di Hu Yu-xin Ding Chi-biao

(Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China)(Key Laboratory of Technology in Geospatial Information Processing and Application System,Chinese Academy of Sciences, Beijing 100190, China)

Data processing is time-consuming in the field of Synthetic Aperture Radar (SAR). Graphics Processing Units (GPUs) have tremendous float-point computational ability and a very high memory bandwidth, and the developing Compute Unified Device Architecture (CUDA) technology has enabled the application of GPUs to general-purpose parallel computing. A new method for processing SAR data using GPUs is presented in this paper. Compared with the nominal GPU-based SAR processing method, the number of data transfers between the CPUs and a GPU is reduced from 4 to 1, and the CPUs are exploited to cooperate with the GPU synchronously. By using the proposed method, we can speed up the data processing by 2.3 times, which is verified by the testing with simulated SAR data.

Synthetic Aperture Radar (SAR); Compute Unified Device Architecture (CUDA); Graphics Processing Unit (GPU); SAR data processing

TN957.52

A

2095-283X(2013)02-0210-08

10.3724/SP.J.1300.2013.20098

孟大地(1979-)，男，陜西渭南人，2006年于中國科學(xué)院電子學(xué)研究所獲得工學(xué)博士學(xué)位，2001年于西安交通大學(xué)獲得工學(xué)學(xué)士學(xué)位，現(xiàn)任職于中國科學(xué)院電子學(xué)研究所，副研究員，研究方向為機載合成孔徑雷達信號處理。E-mail: mengdadi@hotmail.com

胡玉新(1981-)，男，內(nèi)蒙古赤峰人，2007年于中國科學(xué)院電子學(xué)研究所獲得工學(xué)博士學(xué)位，2002年于內(nèi)蒙古大學(xué)獲得工學(xué)學(xué)士學(xué)位，現(xiàn)任職于中國科學(xué)院電子學(xué)研究所，副研究員，研究方向為合成孔徑雷達信號處理系統(tǒng)設(shè)計。E-mail: yxhu@mail.ie.ac.cn

丁赤飚(1969-)，男，研究員，博士生導(dǎo)師，現(xiàn)任中國科學(xué)院電子學(xué)研究所副所長，主要從事合成孔徑雷達、遙感信息處理和應(yīng)用系統(tǒng)等領(lǐng)域的研究工作，先后主持多項國家863重點項目和國家級遙感衛(wèi)星地面系統(tǒng)工程建設(shè)項目，曾獲國家科技進步一等獎、二等獎各一項。E-mail: cbding@mail.ie.ac.cn

2012-12-17收到，2013-04-07改回；2013-04-19網(wǎng)絡(luò)優(yōu)先出版

國家大科學(xué)工程航空遙感系統(tǒng)地面數(shù)據(jù)處理與管理分系統(tǒng)項目資助課題

孟大地 mengdadi@hotmail.com