景國彬,張云驥,李震宇,孫光才,邢孟道,保　錚

(1.西安電子科技大學雷達信號處理國家重點實驗室,陜西 西安 7100712.西安電子科技大學信息感知技術協(xié)同創(chuàng)新中心,陜西 西安 710071)

?

基于GPU的SAR回波仿真高效實現(xiàn)方法

景國彬1,2,張云驥1,李震宇1,2,孫光才1,2,邢孟道1,2,保錚1,2

(1.西安電子科技大學雷達信號處理國家重點實驗室,陜西 西安 7100712.西安電子科技大學信息感知技術協(xié)同創(chuàng)新中心,陜西 西安 710071)

針對合成孔徑雷達(synthetic aperture radar,SAR)分布式場景回波仿真計算量巨大的問題,提出了一種結合改進的同心圓算法與圖形處理器(graphics processing unit,GPU)技術的高效SAR回波仿真方法。首先,針對常規(guī)同心圓算法精度較低造成的圖像信噪比低的問題,提出了一種改進的同心圓算法。其次,為了充分發(fā)揮GPU處理核之間的并行優(yōu)勢,對該算法的GPU并行處理進行了深度優(yōu)化,進一步提升了仿真速度。具體方法是,根據(jù)并行度的高低設計核函數(shù),確定了先采用“線程外推”實現(xiàn)部分目標回波的同心圓累加,再用“歸約相加”實現(xiàn)所有目標回波的累加。最后，與常規(guī)GPU方法進行了實驗對比,驗證了所提方法的精確性和高效性。

合成孔徑雷達; 分布式場景; 改進同心圓; 圖形處理器; 并行處理

0　引　言

合成孔徑雷達(synthetic aperture radar,SAR)能夠全天時、全天候地對目標或場景進行觀測,在災害監(jiān)測、資源勘查,尤其是軍事和民用領域有著巨大的應用空間[1-2]。在新型SAR系統(tǒng)付諸實踐之前,為對該系統(tǒng)進行評估和驗證,一般需要對回波信號進行精確仿真,其中,回波仿真包括點目標和分布式場景目標。對于點目標,傳統(tǒng)的SAR回波仿真方法(時域逐點掃描法)即可產(chǎn)生回波數(shù)據(jù)[3],但該方法效率較低。面對日益增長的高分辨寬測繪帶要求,需要對分布式場景目標進行回波仿真。在這種情況下,仿真點數(shù)可能驟增,甚至達到幾百萬點,導致計算量巨大。此時,傳統(tǒng)仿真方法的計算效率是難以容忍的。

針對SAR回波仿真,國內(nèi)外學者做出了許多研究。文獻[3]針對點目標回波仿真進行說明,但是并沒有對場景目標仿真進行延伸。文獻[4]對分布式場景目標信號進行了時域和頻域對比,但是沒有對場景目標仿真的運算效率進行優(yōu)化。文獻[5]對地面起伏的三維場景SAR回波仿真進行了大量工作,不過其并沒有對計算量巨大問題進行優(yōu)化。文獻[6]提出了一種基于距離時域脈沖相干的優(yōu)化算法,但其沒有從根本對回波產(chǎn)生這個重復運算進行優(yōu)化;為了大幅度提高計算效率,文獻[7]將具有并行處理功能的圖形處理器(graphics processing unit,GPU)應用到SAR回波仿真中。雖然該方法利用GPU提高了計算效率,但采用的回波仿真方法仍然是傳統(tǒng)的時域回波仿真算法。對此,文獻[8]結合了同心圓算法和GPU進行SAR回波仿真，一方面,該方法采用的同心圓算法精度不高,會導致圖像質量惡化;另一方面,該方法沒有對GPU設計進行深入優(yōu)化,效率依然較低,其相對常規(guī)的時域回波仿真CPU實現(xiàn)方法,場景目標仿真的加速比僅提高了9.27倍。

針對以上問題,本文提出了一種適用于大場景目標的SAR回波的快速仿真方法。首先,針對常規(guī)的同心圓仿回波算法精度不高的問題,提出了一種基于多倍插值的同心圓算法。同時結合GPU對改進的同心圓算法的兩個層次的并行性進行詳細分析,確定了先采用“線程外推”的方法實現(xiàn)部分點目標回波的同心圓累加,再用“歸約相加”思想實現(xiàn)所有的點目標回波的同心圓累加,最后再利用流技術進行加速處理,從而快速得到場景目標的回波。最后對于像素點數(shù)為2 048×2 048的實測SAR圖像進行回波仿真,本文方法僅需166.6 s,因此本文方法可用于回波仿真實時處理。

1　改進同心圓算法

1.1常規(guī)同心圓算法

SAR錄取回波的同心圓分布示意圖如圖1所示,雷達工作在條帶模式,載機平臺高度為H,以速度V沿X軸飛行,場景目標與雷達最近距離是R0,雷達的采樣頻率為Fs,對應的距離向采樣間隔為

(1)

式中,c表示光速。

圖1　同心圓分布示意圖Fig.1　Sketch map of concentric circles distribution

不同點目標到雷達相位中心的距離是不一樣的,它們將分布在不同的距離單元內(nèi)。當雷達接收機以采樣率Fs對回波進行離散采樣時,距離間隔小于δr的相鄰點目標將落到同一個距離門內(nèi),其能量也累加在同一距離單元上,形成了許多以雷達相位中心為原點的同心圓,位于相同圓上的所有點目標的回波最終會累加在同一個距離單元上。于是,當按每個同心圓累加點目標時,得到的正好是一維距離像,再利用傅里葉變換到頻域乘上調(diào)頻因子,反變換回時域便得到場景的回波數(shù)據(jù)。處理過程中避免了對每個點目標分別乘以調(diào)頻項的操作,大大減少了運算量,以上是常規(guī)同心圓法提高運算效率的原因所在。

1.2改進的同心圓算法

分布式場景目標仿真過程中,要得到精確的SAR回波,關鍵在于確定目標的后向散射系數(shù)σ,此時的SAR基準圖像的灰度值可以表征點目標的后向散射系數(shù)的幅度值(基準圖像已丟失相位信息)。因此,一般采用基準SAR圖像像素點(m,n)處的灰度值作為對應該位置點目標的后向散射系數(shù)σ(m,n),即

(2)

式中,P(m,n)表示場景中(m,n)點的圖像的灰度值；ξ(m,n)表示為了模擬(m,n)點處目標因電磁特性、地表粗糙度等原因而附加的隨機相位。倘若不考慮這個附加相位,基準SAR圖像實質上等價為理想導體平面,雷達回波相干分量作用明顯,成像處理時會出現(xiàn)明顯的“黑帶”現(xiàn)象,影響成像效果。

對于常規(guī)同心圓算法,場景中所有點目標是按距離采樣間隔的整數(shù)倍關系分布的,距離相近的點目標可能因采樣間隔倍數(shù)相同而最終會落在同一個距離單元,這樣使得采樣點幅度值可能不是點目標的真實主瓣峰值,得到的并不是精確的SAR回波,因此經(jīng)過成像處理得到的圖像失真,圖像信噪比較低。

針對常規(guī)同心圓算法得到回波不精確這個問題,本文提出了一種改進的同心圓算法,即在同心圓的處理基礎上對采樣點的幅度值進行了多倍插值處理,從而得到點目標的真實主瓣峰值,并將主瓣峰值點對應新的斜距作為計算點目標相位的距離。通常情況下,SAR圖像中點目標都滿足sinc分布的,因此本文為了模擬圖像幅度起伏真實的散射特性,使得每個點目標的幅度滿足sinc分布特性,本文在劃分同心圓后,對每個同心圓上點目標的灰度值(后向散射系數(shù)的幅度值)進行了多倍的sinc插值,找到點目標像素的主峰值點,使得點目標的后向散射系數(shù)精度得到提升,同時計算得到點目標的新斜距歷程。當然插值操作會帶來額外的計算量,因此本文設計一個插值的核函數(shù)在GPU并行計算平臺下調(diào)用,整體運算效率還是非常高的。

以下具體討論用改進同心圓仿場景面目標的SAR回波的處理步驟。

如圖1所示,設某一方位時刻tm,場景中任意一點到雷達的距離為R,則它所對應的同心圓圈數(shù)為

k=round(R/δr)

(3)

式中,round(·)為四舍五入運算。

對場景圖像中所有點進行以上運算,即得到同心圓的分布情況,假設此方位時刻第k個同心圓上共有波束照射范圍內(nèi)的Mk個點目標,這Mk個點目標會落在同一個距離單元內(nèi),它們的包絡距離是相同的。然而為了模擬圖像真實的散射幅度,使得每個點目標滿足sinc分布特性,本文對第i個點目標進行了多倍的sinc插值,將插值后得到的主峰值σi作為其后向散射系數(shù),并將得到主峰值的斜距作為計算相位的距離Ri。同時，點目標回波信號的方位信息要比包絡信息更加敏感,要保證方位相位信息的完整性,所以各點的方位相位信息不能近似。于是第k個同心圓中的第i個點目標的信號為

(4)

于是,第k個同心圓內(nèi)所有點目標的回波Sk可以表示為

(5)

式中,Mk表示第k個同心圓內(nèi)的點目標個數(shù)。

遍歷掃描完場景中的所有同心圓后,得到所有點目標的雷達回波為

(6)

式中,N表示場景里所有的同心圓個數(shù)。

(7)

在下一個方位采樣時刻,重復以上過程。最終得到整個合成孔徑時間T的SAR原始回波數(shù)據(jù)S_echo為

(8)

式中,tr表示距離快時間的時域表達;tm表示方位慢時間的時域表達;Tr表示場景距離向的采樣時間;Tm表示雷達合成孔徑時間。

2　基于GPU的同心圓算法并行設計

本節(jié)主要討論如何基于GPU的編程架構對改進的同心圓算法進行并行設計優(yōu)化,以進一步提高運算效率,滿足實際工程應用中的實時信號處理需求。

2.1改進同心圓算法的并行性分析

本文對算法進行并行設計,首先要對算法的并行性進行分析,并以并行度的高低來設計核函數(shù)。本文對改進的同心圓算法進行如下兩個層次的并行分析:

(1)某方位時刻不同點目標生成回波的并行性

場景目標是由幾十萬或上百萬個點目標構成的,每個點目標產(chǎn)生回波的過程是相互獨立的,存在高度的并行性。在所有目標的回波累加為雷達回波的過程中,可以采用“歸約相加”的思想[8],大大節(jié)省數(shù)據(jù)累加時間。

(2)不同方位時刻SAR生成回波的并行性

合成孔徑雷達在飛行錄取回波過程中,按脈沖重復頻率(pulse recurrence frequency,PRF)發(fā)射脈沖并接收回波,每個回波生成過程要掃描雷達波束范圍內(nèi)所有的點目標,累加為一個回波。不同方位采樣時刻,生成雷達回波是完全相互獨立的,可以實現(xiàn)完全的并行。

2.2并行優(yōu)化設計

GPU的編程架構是以大量線程來實現(xiàn)高吞吐量的數(shù)據(jù)的并行運算的,線程間的獨立性越強,可并行效果越明顯[10]?；诟倪M的同心圓算法的SAR回波仿真方法,其處理不同方位采樣時刻的雷達回波是相互獨立的,處理每個點目標的回波也是相互獨立的,因此非常適合用GPU進行并行計算,可以極大提高運算效率,滿足實時處理的需求。

2.2.1第1個層次并行優(yōu)化

根據(jù)以上并行性分析可知,第1個層次的并行度要遠遠高于第2個層次的并行度。因此,第1個層次在核函數(shù)設計中,只要開辟足夠多的線程,每個線程計算一個點目標的回波。然而實際處理過程中,GPU的線程數(shù)目是有限的,因此本文又結合了“線程外推”的方法[7,11],可以使千量級的線程遍歷數(shù)十萬量級的點目標。同時,為了進一步提高運算效率,可以采用了多個GPU并行處理不同方位時刻的脈沖。因此本文中以簡化的兩個GPU為例進行算法設計的映射關系如圖2所示。

圖2　GPU并行優(yōu)化設計Fig.2　GPU parallel optimized design

首先通過CPU分配好物理內(nèi)存和設備顯存,初始化輸入,并讀入掃描場景中所有的點目標的坐標信息、散射系數(shù)等,通過總線發(fā)射到顯存空間,再在GPU中用多線程并行掃描所有的點目標,生成所有的點目標的回波。其中,編號是0和1的GPU設備端分別生成偶數(shù)和奇數(shù)序號方位時刻的點目標回波。為了節(jié)省內(nèi)存開銷,先采用“線程外推”的方法實現(xiàn)部分點目標回波的同心圓累加,再用“歸約相加”思想實現(xiàn)所有的點目標回波的同心圓累加。所有方位時刻累加完成后,再乘上調(diào)頻項得到回波仿真數(shù)據(jù),最后傳回CPU進行保存和輸出。

在GPU優(yōu)化處理過程中,涉及到第1個層次并行優(yōu)化的幾個關鍵步驟,現(xiàn)詳細討論如下:在用一個線程計算一個點目標的回波時,假設在某方位時刻,掃描場景中共有M×N個點目標,生成目標回波的示意圖如圖3左側虛線框內(nèi)所示,框內(nèi)一個小方格代表一個點目標生成的回波,每個單指令多數(shù)據(jù)流(single instruction multiple data,SIMD)處理單元負責生成其所對應的塊內(nèi)的點目標回波,并根據(jù)同心圓法累加為一個回波。塊與塊之間的回波累加完成時,生成的回波才是該方位時刻對應的雷達回波。

圖3　流技術加速模式示意圖Fig.3　Sketch map of stream acceleration mode

圖4　回波歸約相加的示意圖Fig.4　Sketch map of echo reduction adding

2.2.2第2個層次并行優(yōu)化

對于第2個層次的并行,本文采用了流的思想來加速SAR回波生成的過程。統(tǒng)一計算設備架構(compute unified device architecture,CUDA)流在加速算法執(zhí)行效率方面起著重要作用。假設在每個GPU上采用了S個流,每個流所對應的方位采樣時刻的雷達回波如圖3所示的分配模式。為了均衡計算量,每個流所對應的方位時刻的雷達回波的如下分配模式,即讓第1個流對應第(0,S,2S…)個方位時刻,第2個流對應第(1,S+1,2S+1…)個方位時刻,以此類推,最后以寬度優(yōu)先的方式將有關操作放入流隊列中。本文中的GPU實驗是在NVIDIA公司的Tesla K20C運算顯卡上進行的,在SAR回波仿真中,每個顯卡上選用了4個流來并行加速計算過程。采用流可以極大地消減CPU與GPU內(nèi)存互訪時的時間開銷,極大提高回波仿真的運算效率。

2.3內(nèi)存分配設計

在GPU內(nèi)存中,全局內(nèi)存沒有緩存,訪問時延非常長;共享內(nèi)存是GPU片內(nèi)的高速存儲器,同一塊內(nèi)的所有線程訪問速度快于全局內(nèi)存。本文通過多次測試實驗可知,當距離單元數(shù)較小,一般小于4 096個距離采樣單元,可以使用共享內(nèi)存來實現(xiàn)線程塊內(nèi)各個點目標回波的歸約相加,當距離單元數(shù)較大時共享內(nèi)存就會不夠用,此時選用全局內(nèi)存。本文為了提高并行程序的適用性,將程序分成在線程塊內(nèi)生成所有目標的回波并累加、塊與塊間的回波累加這兩個核函數(shù)。線程塊內(nèi)回波的累加可用共享內(nèi)存,塊間回波累加則用全局內(nèi)存。此外，GPU直接通過總線訪問,既減少了全局內(nèi)存的使用,又提高了訪問速率;同樣,本文還結合CUDA流計算所有方位時刻的雷達回波,并將結果傳給CPU時,將回波分配成頁鎖定內(nèi)存,并以寬度優(yōu)先的方式將這些操作過程放入流隊列中。本文通過對內(nèi)存進行合理地分配,極大提高了GPU運算速率。

2.4基于雙GPU的改進同心圓算法設計

結合SAR仿回波的同心圓算法與GPU的并行設計方案,得到基于雙GPU的改進同心圓并行算法流程如圖5所示。GPU是CPU的協(xié)處理器,兩個GPU中的流程是完全一樣的。

圖5　基于雙GPU的改進同心圓仿SAR回波流程圖Fig.5　Flow diagram of modified concentric circles algorithm based on double GPU

3　回波仿真和成像分析

在回波仿真實驗中,選用表1所示的仿真平臺和具體仿真環(huán)境參數(shù),并選用如圖6所示的某機場SAR圖像作為基準圖像,共有2 048×2 048個像素點。并分別利用常規(guī)同心圓算法和本文基于GPU的改進同心圓算法對基準圖進行回波仿真,仿真過程中都掃描1 728×1 784=3 082 752個點目標。然后利用常規(guī)的線頻調(diào)變標算法對產(chǎn)生的回波數(shù)據(jù)分別進行成像處理,得到如圖7和圖8所示的成像結果。

表1　仿真平臺和環(huán)境參數(shù)

圖6　SAR回波仿真的基準圖像Fig.6　Original image of SAR

圖7　常規(guī)同心圓算法仿回波的成像結果Fig.7　Imaging result of traditional concentric circles

圖8　本文方法仿回波的成像結果Fig.8　Imaging result of modified concentric circles

為了比較常規(guī)同心圓算法和本文方法成像結果的細節(jié)信息,將圖7和圖8中的同一區(qū)域用紅色方框標注,并將方框里的局部圖像取出來,如圖9和圖10所示。通過對比分析圖9和圖10,可以直觀看出,本文方法仿回波的成像結果與常規(guī)同心圓方法質量相當。

為了測試本文GPU并行優(yōu)化設計的計算效率,將本文方法和文獻[8]中的GPU仿回波算法兩者進行了耗時對比。為了保證測量數(shù)據(jù)的有效性和對比性,本文方法采用單個GPU進行處理,設定相同的雷達載機的飛行軌跡,并把所有的點目標均設置在掃描范圍內(nèi)。測量時間統(tǒng)計結果如下表1所示,其時間對比圖如圖9所示。其中,加速比定義為波束掃描相同散射點數(shù)時文獻[8]GPU方法耗時和本文方法GPU方法耗時比例。

圖9　常規(guī)同心圓算法仿回波的局部成像結果Fig.9　Partial imaging result of traditional concentric circles

圖10　本文方法仿回波的局部成像結果Fig.10　Partial imaging result of modified concentric circles

實驗序號掃描點數(shù)文獻[8]GPU耗時/s本文GPU耗時/s加速比11024181.216.51124096195.916.511.9316384239.616.914.2465536296.418.316.25262144461.224.119.1610485761038.447.521.8741943043819.2166.622.9

從表2可以看出,在前3組實驗中,隨著掃描點數(shù)增加,文獻[8]方法和本文方法的耗時都是緩慢增長的;從第4組實驗開始,隨著仿真掃描點數(shù)超過6萬點,文獻[7]耗時和本文方法的耗時都開始線性增長了,不過不同的是,在掃描相同點數(shù)情況下,本文采用的改進同心圓GPU實現(xiàn)方法耗時相對還是非常短的,其中,在同等掃描2 048×2 048=4 194 304個散射點時,本文方法相對文獻[8]所提方法的加速比達到了22.9倍。其原因是該本文對GPU進行了兩個層次的優(yōu)化處理,所以隨著仿真點數(shù)的增多,本文方法并行優(yōu)勢的發(fā)揮越來越明顯,為了更直觀地反映并行處理優(yōu)勢,將表2繪制成圖11,其中橫坐標表示每個脈沖掃描的點目標個數(shù);縱坐標表示仿真實驗的測量時間。

圖11　兩種GPU設計的損耗時間對比曲線圖Fig.11　Consuming-time curves of two methods of GPU designing

4　結束語

SAR回波仿真技術一直以來都是SAR系統(tǒng)仿真中的重要組成部分,當仿真掃描大范圍場景時的計算量是相當巨大的,關于該技術的高效設計一直是SAR領域中的研究熱點。本文提出的改進同心圓算法保證了仿真精度,提高了圖像的信噪比;同時本文引入了GPU,進行了深度優(yōu)化,并在對GPU并行設計進行了優(yōu)化處理,極大地提高了仿真效率,可以滿足實時需求。對于大范圍的掃描場景,本文中的并行設計方案優(yōu)勢明顯,可以很好地解決運算效率的難題。此外,本文還可以應用于多模式SAR回波仿真中。

[1] Xing M D,Bao Z,Li Z F,et al.Advancement of radar imaging algorithm[M].Beijing:Publishing House of Electronics Industry,2014:11-45.(邢孟道,保錚,李真芳,等.雷達成像算法進展[M].北京:電子工業(yè)出版社,2014:11-45.)

[2] Zhang S X,Xing M D,Xia X G.Robust clutter suppression and moving target imaging approach for multichannel in azimuth high-resolution and wide-swath synthetic aperture radar[J].IEEE Trans.on Geoscience and Remote Sensing,2015,53(2):687-709.

[3] Lü H,Chen T Q.One method of point target’s raw data based on law of spaceborne SAR’s motion[J].Experiment Science & Technology,2006,2(1):27-30.(呂輝,陳天麒.一種SAR的點目標回波生成方法[J].實驗科學與技術,2006,2(1):27-30.)

[4] Wang B L,Sun J P,Wu S L,et al.A quick simulation algorithm for SAR raw data with extended scenes[J].Journal of Telemetry,Tracking and Command,2006,26(6):33-36.(王伯嶺,孫進平,吳雙力,等.擴展場景的SAR回波信號快速仿真算法[J].遙測遙控,2006,26(6):33-36.)

[5] Ren S H.Research on the SAR raw signal simulation technology of three-dimensional scene[D].Changsha:National University of Defense Technology,2007.(任三孩.三維場景SAR回波模擬技術研究[D].長沙:國防科學技術大學,2007.)

[6] Wang L B,He Z H,Zhao H J.A simulation of distributed target’s raw-data in synthetic aperture radar[J].Journal of Air Force Radar Academy,2006,20(2):94-97.(王力寶,賀照輝,趙紅軍.SAR分布目標原始回波數(shù)據(jù)模擬[J].空軍雷達學院學報,2006,20(2):94-97.)

[7] Qin J,Zhang Z M.Implementation and optimization of SAR echo simulation based on GPU[J].Science Technology and Engendering,2014,14(13):85-89.(秦潔,張志敏.基于圖形處理單元架構的合成孔徑雷達回波仿真實現(xiàn)與優(yōu)化[J].科學技術與工程2014,14(13):85-89.)

[8] Li B.Research and implementation of SAR echo signal simulation based on GPU[D].Xi’an:Master Degree Thesis of Xidian University ,2014.(李博.基于GPU的SAR回波信號模擬的研究與實現(xiàn)[D].西安:西安電子科技大學,2014.)

[9] Jin X,Ko S B.GPU-based parallel implementation of SAR imaging[C]//Proc.of the International Symposium on Electronic System Design,2012:125-129.

[10] Sandem J,Kandrot E.CUDA by example:an introduction to general—purpose GPU programming[M].Nie X J,Trans.Beijng:China Machine Press,2011:134-152.(Sandem J,Kandrot E,GPU高性能編程CUDA實戰(zhàn)[M].聶雪軍，譯.北京:機械工業(yè)出版社,2011:134-152.)

[11] Zhu H,Xu H,Feng L.Application of GPU for missile-borne SAR raw signal simulation[C]//Proc.of the 2nd International Conference on Artificial Intelligence,Management Science and Electronic Commerce,2011:2816-2820.

[12] Diego C,Debora P,Pierfrancesco L.Exploiting MIMO SAR potentialities with efficient cross-track constellation configu-rations for improved range resolution[J].IEEE Trans.on Geoscience and Remote Sensing,2011,49(1):38-52.

[13] Xiang D L.Research on the Evaluation Techniques of Similarity Measure in SAR Images[D].Changsha:National University of Defense Technology,2012.(項德良.SAR圖像相似度評估技術研究[D].長沙:國防科學技術大學,2012.)

Efficient realiazation of SAR echo simulation based on GPU

JING Guo-bin1,2,ZHANG Yun-ji1,LI Zhen-yu1,2,SUN Guang-cai1,2, XING Meng-dao1,2,BAO Zheng1,2

(1.National Lab of Radar Signal Processing,Xidian University,Xi’an 710071,China; 2.Collaborative Innovation Center of Information Sensing and Understanding,Xidian University,Xi’an 710071,China)

Due to the low efficiency of synthetic aperture radar (SAR)raw data generation in distributed scene,a high-efficient SAR echo simulation method based on the modified concentric circles algorithm and the graphics processing unit (GPU)is proposed.Firstly,an improved concentric circles algorithm is proposed to avoid cases of low signal to noise ratio (SNR)when the traditional algorithm whose precision is low is used.Secondly,the parallel processing of GPU is deeply optimized in order to lift the efficiency of the simulation and make full use of the parallel advantages in GPU kernel.Then,the proposed method adopts “thread extrapolation” to accumulate partial data and realize the whole data generation via “reduction adding”.Finally,simulation results validate the high precision and eficiency of the proposed approach.

synthetic aperture radar (SAR); distributed scene; modified concentric circles; graphics processing unit (GPU); parallel processing

2015-12-11；

2016-05-30；網(wǎng)絡優(yōu)先出版日期：2016-07-14。

國家高技術研究發(fā)展計劃(863計劃)(2013AA122202);國家自然科學基金 (61222108，61301292)資助課題

TN 957

ADOI:10.3969/j.issn.1001-506X.2016.11.07

景國彬(1990-),男,博士研究生,主要研究方向為多通道SAR成像、GPU并行計算。

E-mail:Guobinjing01@163.com

張云驥(1990-),男,碩士研究生,主要研究方向為SAR成像、GPU并行計算等。

E-mail:jinshi95588@163.com

李震宇(1991-),男,博士研究生,主要研究方向為SAR成像。

E-mail:zhenyuli_2012@sina.com

孫光才(1984-),男,副教授,碩士研究生導師,博士,主要研究方向為SAR成像、動目標檢測。

E-mail:rsandsgc@126.com

邢孟道(1975-),男,教授,博士研究生導師,主要研究方向為SAR成像、ISAR成像、動目標檢測。

E-mail:xmd@xidian.edu.cn

保錚(1927-),男,中國科學院院士,博士研究生導師,主要研究方向為自適應信號處理、陣列信號處理、雷達成像和目標識別。

E-mail:zhbao@xidian.edu.cn

網(wǎng)絡優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160714.1455.012.html