楊 濤, 趙啟釗, 2, 孫光才, 2, 李光偉, 費曉燕, 楊 軍, 劉會濤

基于多處理板聯(lián)合SAR成像的分布式計算模擬系統(tǒng)研究

楊 濤1, 趙啟釗1, 2, 孫光才1, 2, 李光偉1, 費曉燕1, 楊 軍3, 劉會濤4

(1. 西安電子科技大學(xué), 陜西 西安 710071; 2. 西安電子科技大學(xué) 雷達信號處理國家重點實驗室, 陜西 西安 710071; 3. 西安科技大學(xué) 測繪科學(xué)與技術(shù)學(xué)院, 陜西 西安 710000; 4. 珠海納睿達科技有限公司, 廣東 珠海 519085)

合成孔徑雷達(SAR)衛(wèi)星的探測范圍有限, 全軌利用率不高, 并且單個衛(wèi)星的計算和存儲資源有限, 難以完成大量的星載合成孔徑雷達數(shù)據(jù)處理。本文擬采用多處理板聯(lián)合的數(shù)據(jù)處理方法, 針對星上分布式計算構(gòu)建一種模擬系統(tǒng), 以提高星上數(shù)據(jù)處理效率, 驗證多處理板聯(lián)合的數(shù)據(jù)處理方法在高效利用衛(wèi)星計算與存儲資源、提升單個衛(wèi)星全軌利用率等方面的優(yōu)點。本系統(tǒng)基于距離多普勒(range Doppler, RD)成像算法的多衛(wèi)星分布式SAR實時處理方法, 并以現(xiàn)場可編程門陣列(FPGA)芯片為核心構(gòu)建了分布式計算模擬系統(tǒng)。不同于傳統(tǒng)的單個衛(wèi)星RD算法處理過程, 該系統(tǒng)將處理過程分為三個階段。每個階段內(nèi)運算任務(wù)被合理地分配給不同的數(shù)據(jù)處理單元。利用高分三號衛(wèi)星(GF-3) SAR原始數(shù)據(jù)進行成像處理, 以檢驗方法和系統(tǒng)的性能。

合成孔徑雷達; 距離多普勒成像算法; 現(xiàn)場可編程門陣列; 分布式計算模擬系統(tǒng); 高分三號衛(wèi)星

合成孔徑雷達(SAR)以其獨特的優(yōu)勢引起了雷達領(lǐng)域?qū)＜覍W(xué)者的廣泛關(guān)注[1]。它可以全天時、全天候工作, 具有高分辨率和遠距離成像的特點。SAR作為一種微波主動成像系統(tǒng), 在軍事和民用領(lǐng)域都顯示出了卓越的價值。隨著信息技術(shù)的不斷發(fā)展和信號處理硬件設(shè)備的不斷完善, 合成孔徑雷達系統(tǒng)得到了迅速發(fā)展。合成孔徑雷達成像技術(shù)的研究越來越受到人們的重視。

SAR衛(wèi)星軌道高, 運行穩(wěn)定, 無運動誤差[2], 不受國家空域和氣候的限制[3]。由于這些優(yōu)勢, 星載SAR已成為各國研究和開發(fā)的遙感技術(shù)。自第一顆SAR衛(wèi)星成功進入軌道以來, SAR衛(wèi)星已經(jīng)發(fā)展了幾十年。其觀測能力也有了很大的提高。例如, 覆蓋范圍從幾十公里擴大到幾百公里[4-5], 分辨率從幾十米提高到幾米甚至不到1 m。中國于2016年發(fā)射的GF-3是一顆C波段多極化高分辨率遙感衛(wèi)星, 具有12種工作模式, 分辨率可達1 m[6]。高分辨率衛(wèi)星成像模式包括傳統(tǒng)的條帶成像模式和掃描成像模式, 以及海洋應(yīng)用的波成像模式和全球觀測成像模式[7-9]。GF-3衛(wèi)星是一種高分辨率遙感衛(wèi)星, 其主要技術(shù)指標達到或超過同類衛(wèi)星的水平。因此GF-3數(shù)據(jù)的處理已成為近年來研究的熱點。

由于SAR衛(wèi)星需要具有高時效性、廣覆蓋、高分辨率等特性, 因此其信息量大, 數(shù)據(jù)流密集[10]。到目前為止, SAR衛(wèi)星在探測和實時數(shù)據(jù)處理方面還存在一系列問題。例如, SAR衛(wèi)星的角速度可能與地球自轉(zhuǎn)的角速度不同。當SAR衛(wèi)星探測地球的目標場景時, 星載雷達可能無法探測到該區(qū)域。

因此, SAR衛(wèi)星的全軌道利用率較小, 限制了其探測任務(wù)的效率。此外, 由于衛(wèi)星的大小、重量和功率的限制, 單個衛(wèi)星的計算和存儲資源有限, 抑制了衛(wèi)星的實時數(shù)據(jù)處理能力。近年來, 提高衛(wèi)星數(shù)據(jù)處理能力和全軌道利用率已成為星載SAR實時成像亟待解決的問題。文獻[10]和[11]通過單板實現(xiàn)了數(shù)據(jù)的實時處理。文獻[12]構(gòu)建了一種使用多個現(xiàn)場可編程門陣列(FPGA)芯片作為多個數(shù)據(jù)處理單元的星載實時成像系統(tǒng), 每個處理單元處理一塊數(shù)據(jù)。該方法采用并行處理的方法對數(shù)據(jù)進行處理, 減少了SAR成像的時間。然而, 一個攜帶多個數(shù)據(jù)處理單元的單一衛(wèi)星將增加它的體積、重量和功率。此外, 該系統(tǒng)不能提高衛(wèi)星全軌道利用率。即將發(fā)射的“深圳一號”商業(yè)聯(lián)網(wǎng)衛(wèi)星采用激光通信實現(xiàn)數(shù)據(jù)傳輸, 這樣可以實現(xiàn)網(wǎng)絡(luò)化衛(wèi)星之間的協(xié)同工作, 因此提高每顆衛(wèi)星的檢測響應(yīng)能力和效率具有重要的研究意義。針對這些情況, 有必要基于多處理板聯(lián)合的數(shù)據(jù)處理方法研究一種分布式計算模擬系統(tǒng), 以驗證多處理板聯(lián)合的數(shù)據(jù)處理方法在高效利用衛(wèi)星計算與存儲資源、提升單個衛(wèi)星全軌利用率等方面的優(yōu)點。

目前的星間高速激光數(shù)據(jù)通信技術(shù)尤其是雙星間高速激光數(shù)據(jù)通信技術(shù)已經(jīng)日趨成熟[13]。并且, 采用較少的衛(wèi)星構(gòu)建的分布式系統(tǒng)穩(wěn)定性較高, 總能找到一顆衛(wèi)星作為主處理衛(wèi)星。因此本文構(gòu)建的分布式計算模擬系統(tǒng)采用3顆衛(wèi)星聯(lián)合的數(shù)據(jù)處理方法, 其中一顆衛(wèi)星接收原始回波數(shù)據(jù), 并在預(yù)處理后將處理任務(wù)分配給多個衛(wèi)星, 圖1為三衛(wèi)星聯(lián)合的數(shù)據(jù)處理系統(tǒng)工作示意圖。

圖1 三衛(wèi)星聯(lián)合數(shù)據(jù)處理系統(tǒng)工作示意圖

本文構(gòu)建的分布式計算模擬系統(tǒng), 采用由1個FPGA芯片與兩組64位的DDR3存儲器互聯(lián)而成的處理板, 每個板代表一個數(shù)據(jù)處理單元。將被處理的數(shù)據(jù)按照分布式計算原則合理分配到多個數(shù)據(jù)處理單元, 那么每個數(shù)據(jù)處理單元的處理任務(wù)小, 以便節(jié)省計算和存儲資源。采用分布式處理, 節(jié)省了處理數(shù)據(jù)的時間, 縮短了圖像數(shù)據(jù)處理周期[14-15]。多衛(wèi)星分布式處理方法避免了各衛(wèi)星計算資源的閑置, 實現(xiàn)了數(shù)據(jù)的快速處理。此外, 該系統(tǒng)還可以提高每顆衛(wèi)星的全軌道利用率。同時, 本文選擇了適用于多衛(wèi)星分布式計算模擬系統(tǒng)的距離多普勒(range Doppler, RD)算法, 將子孔徑分割與數(shù)據(jù)分布式處理相結(jié)合, 提出了一個實用的實時操作流程。

本文在第1節(jié)中首先對兩種高效星載成像算法進行了比較。并描述了RD算法在各階段的任務(wù)。在2.1節(jié)中, 根據(jù)分布式計算模擬系統(tǒng)各模塊的功能描述了系統(tǒng)的設(shè)計。在第2.2節(jié)中分析了每個處理階段的數(shù)據(jù)流。第2.3節(jié)詳細計算了各階段的處理時間, 驗證了系統(tǒng)性能的有效性。第3節(jié)描述了在分布式計算模擬系統(tǒng)上處理GF-3數(shù)據(jù)的結(jié)果, 并將結(jié)果與通用64位計算機進行比較, 以驗證方法以及模擬系統(tǒng)的有效性。與單板處理相比, 處理時間和資源的占用減少。

1 分布式數(shù)據(jù)處理算法

在選擇星載實時SAR成像算法時, 不僅要考慮分辨率的精度[16], 還要考慮計算量。較少的計算復(fù)雜度可以有效地縮短數(shù)據(jù)成像處理時間, 提高分布式數(shù)據(jù)處理系統(tǒng)的性能。此外, 單顆衛(wèi)星還存在載荷有限、處理資源利用率低等問題。多衛(wèi)星分布式數(shù)據(jù)處理系統(tǒng)可以克服這些限制。因此, 在構(gòu)建分布式計算模擬系統(tǒng)時有必要選擇一種適合于多衛(wèi)星分布式數(shù)據(jù)處理方法的成像算法。

SAR信號的點目標回波是距離向與方位向耦合的曲線。二維耦合對SAR成像處理的影響主要體現(xiàn)在距離徙動和聚焦深度兩個方面。它需要對二維耦合進行解耦。通過調(diào)整方位匹配濾波器的參數(shù), 可以克服聚焦深度的影響。距離徙動使點目標回波軌跡不在同一距離單元上, 而是沿曲線軌跡形成二維數(shù)據(jù)矩陣。曲線軌跡也隨著距離的變化而變化。星載高分辨率SAR實時成像算法采用子孔徑處理技術(shù)。數(shù)據(jù)積累不需要達到一個完整的合成孔徑, 當一個子孔徑數(shù)據(jù)積累到一定數(shù)量時就可以開始處理, 比全孔徑處理更具實時性。-算法和RD算法是高分辨率成像中常用的算法。

-算法可以在二維頻域內(nèi)直接進行脈沖壓縮、相位補償和Stolt變換[17]。該方法不需要距離徙動校正, 圖像質(zhì)量較好。但是在Stolt變換過程中需要進行額外的插值, 這也增加了計算量, 降低了成像精度。

RD算法適用于星載SAR具有距離徙動的成像處理[18-21], RD算法流程圖如圖2所示。

圖2 RD成像算法流程圖

在RD算法中引入徙動校正, 對距離徙動進行處理。該算法不需要插值處理, 算法結(jié)構(gòu)簡單。通過復(fù)雜乘法和快速傅里葉變換(FFT)/快速傅里葉逆變換(IFFT)就可以完成精確的成像處理。計算量大大減少。硬件系統(tǒng)采用實時RD算法進行多衛(wèi)星分布式SAR成像處理, 避免了數(shù)據(jù)的二維耦合。便于在多個處理節(jié)點之間實現(xiàn)數(shù)據(jù)流的分布式處理。由于RD算法操作規(guī)則簡單, 分布式數(shù)據(jù)處理系統(tǒng)采用RD算法作為成像算法。

由于硬件系統(tǒng)對數(shù)據(jù)進行連續(xù)處理, 將RD算法按不同補償函數(shù)可分為三個階段。第一階段分別對方位數(shù)據(jù)執(zhí)行FFT操作, 結(jié)束后, 將數(shù)據(jù)按方位向分配給多個數(shù)據(jù)處理單元; 第二階段是使用多個處理單元進行距離FFT, 通過乘以補償項21和22完成脈沖壓縮和距離徙動校正, 然后進行距離向IFFT操作, 結(jié)束后, 將每塊數(shù)據(jù)在距離向上分成3部分; 為了保證方位向圖像的連續(xù), 第三階段根據(jù)分布式原理重新分配到多個處理單元中, 每個處理單元通過在方位向中乘以一個補償項3來執(zhí)行方位脈沖壓縮。最后, 進行方位IFFT生成最終圖像。此時完成整個RD算法流程, 系統(tǒng)進行圖像采集。

2 分布式計算模擬系統(tǒng)的實現(xiàn)

2.1 系統(tǒng)結(jié)構(gòu)設(shè)計

為了實現(xiàn)實時處理, 系統(tǒng)的處理單元需要具有較高的計算能力[22-29]。在SAR實時成像的實際工程應(yīng)用中, FPGA具有高性能計算、易于并行化處理的特點[30-35]。該系統(tǒng)有3個FPGA板, 代表3顆衛(wèi)星的SAR數(shù)據(jù)處理單元。每個板的核心是一個XC7VX690T FPGA芯片, 該芯片具有450個乘法器, 52 Mb RAM, 3 600個DSP48, 80個高速收發(fā)器。豐富的計算資源可以滿足實時成像的要求。兩組64位寬、2 GB容量的DDR3存儲器與FPGA芯片并行連接。數(shù)據(jù)通過光纖通信模塊在不同的板間傳輸, 傳輸速率可達10 Gbps。目前衛(wèi)星星間高速激光通信速率可以達到10 Gbps, 而最新的OMG5光纖傳輸速率可達100 Gbps, 因此在本模擬系統(tǒng)中采用光纖來模擬星間激光通信的方法是完全可行的。

圖3 多衛(wèi)星SAR分布式數(shù)據(jù)綜合處理系統(tǒng)

多衛(wèi)星SAR分布式數(shù)據(jù)處理系統(tǒng)的模塊如圖4所示, 主計算機存儲原始的雷達回波數(shù)據(jù)和處理后的圖像數(shù)據(jù)。使用三塊FPGA板對原始數(shù)據(jù)進行成像處理。每個板由一系列功能模塊組成。

各FPGA板的模塊組成如圖5所示。PCIe卡接收到雷達的原始數(shù)據(jù), 發(fā)送到DDR3存儲模塊進行數(shù)據(jù)轉(zhuǎn)換。經(jīng)過處理的圖像將由PCIe模塊傳輸?shù)街鳈C。數(shù)據(jù)處理模塊對數(shù)據(jù)流執(zhí)行三個階段的處理, 處理過程包括FFT、IFFT和相位補償。補償相位存儲在數(shù)據(jù)處理模塊的緩沖器中, 它支持原始數(shù)據(jù)和中間數(shù)據(jù)的快速轉(zhuǎn)換。光纖通信模塊在各FPGA卡之間傳輸數(shù)據(jù)。復(fù)位模塊向系統(tǒng)提供復(fù)位信號, 使系統(tǒng)返回到初始狀態(tài), 它增加了系統(tǒng)的穩(wěn)定性。時鐘模塊為光纖通信模塊和DDR3存儲模塊提供時鐘信號。

圖4 多衛(wèi)星SAR分布式數(shù)據(jù)處理系統(tǒng)模塊組成

圖5 FPGA板的模塊組成

該系統(tǒng)有3條獨立的數(shù)據(jù)傳輸線路。一是數(shù)據(jù)分配線路, 用于將回波數(shù)據(jù)發(fā)送到每個數(shù)據(jù)處理單元; 二是用于傳輸成像結(jié)果的圖像采集線路; 三是系統(tǒng)控制線路, 用于各單元之間的通信和控制。

2.2 系統(tǒng)中的數(shù)據(jù)流分析

在多衛(wèi)星SAR數(shù)據(jù)分布式處理方案的實現(xiàn)中, 任意兩板之間的數(shù)據(jù)傳輸均可通過高速光纖完成。主計算機通過PCIe將SAR原始數(shù)據(jù)發(fā)送給FPGA板1, FPGA板1接收原始數(shù)據(jù)后, 經(jīng)過處理后, 將數(shù)據(jù)處理任務(wù)分配給包括FPGA板1在內(nèi)的3個數(shù)據(jù)處理單元, 這3個處理單元的處理任務(wù)在原理上是相同的。

第一階段, FPGA板1接收原始數(shù)據(jù), 然后進行方位向的FFT, 在方位向上將數(shù)據(jù)分為3個部分, 并存儲一部分數(shù)據(jù)。其余兩部分的數(shù)據(jù)通過光纖傳輸?shù)搅硗鈨蓚€FPGA板上。第一個階段的數(shù)據(jù)分布如圖6所示。

圖6 第一階段數(shù)據(jù)處理流程圖

在第二階段, 對每個FPGA板中的數(shù)據(jù)進行距離向的處理。FFT操作在距離向上執(zhí)行。然后進行距離脈沖壓縮和距離徙動校正, 并完成對補償項21和22的相乘。最后, 在距離向執(zhí)行IFFT。處理任務(wù)完成后, 將FPGA板1上8 192×4 096點的數(shù)據(jù)以及FPGA板2和FPGA板3上8 192×2 048點的數(shù)據(jù)分別劃分為3個范圍內(nèi)的部分。FPGA板的數(shù)據(jù)處理和劃分流程圖如圖7所示。

第二階段完成后, 對4塊板上的數(shù)據(jù)進行重新分配, 使方位數(shù)據(jù)在各板上連續(xù)完整。經(jīng)過脈沖壓縮和方位向IFFT處理, 完成了數(shù)據(jù)處理。這一階段的數(shù)據(jù)處理和劃分流程如圖8所示。

隨后, 經(jīng)過處理的每個FPGA板的圖像數(shù)據(jù)通過光纖和PCIe卡發(fā)送到主計算機, 在主計算機成像。

2.3 數(shù)據(jù)處理時間消耗分析

利用GF-3衛(wèi)星3 m分辨率且點數(shù)為8 192×8 192 點的數(shù)據(jù)驗證分布式計算模擬系統(tǒng)的性能。該系統(tǒng)采用100 MHz時鐘, 雙通道處理數(shù)據(jù), 利用仿真計算各個操作所用的時間。

圖7 第二階段數(shù)據(jù)處理流程圖

圖8 第三階段數(shù)據(jù)處理流程圖

第一階段, 所有數(shù)據(jù)的處理全部在FPGA板1中進行, 此階段主要工作時方位向的FFT, 所耗費的時間就是FFT IP核進行8 192次8 192點長度FFT轉(zhuǎn)換需要的時間, FFT運算的結(jié)果設(shè)置為順序輸出, FFT IP核進行一次8 192點的浮點類型數(shù)據(jù)轉(zhuǎn)換需要32 945個時鐘周期, 因此第一階段FFT運算需要的時間約為2.70 s, 在完成方位向的FFT運算之后, 數(shù)據(jù)需要被寫入到DDR3中進行存儲, 方便后續(xù)的分布式運算, DDR3的寫入速度為11 GB/s, 因此數(shù)據(jù)全部寫入DDR3所需要的時間為0.045 s。由于后續(xù)的處理是分布式處理, 所以數(shù)據(jù)需要采用跳地址的方式從DDR3中讀取并且通過光纖傳輸傳送到其余兩個子板卡中, DDR3跳地址讀取數(shù)據(jù)的速度為1.1 GB/s, 一半數(shù)據(jù)采用跳地址讀取的方式讀取耗費的時間為0.23 s。光纖傳輸數(shù)據(jù)的速度為10 Gb/s, 光纖傳輸?shù)乃俣炔恍∮贒DR3跳地址讀取數(shù)據(jù)的時間, 因此, 數(shù)據(jù)分發(fā)到子板卡的時間為0.23 s。所以, 第一階段完成處理總耗時約為3 s。

第二階段處理中, 相位復(fù)乘的時間可以忽略不計, 數(shù)據(jù)主要進行的是距離向的FFT和IFFT運算處理, 由于主板卡中的數(shù)據(jù)量最大, 所以耗費的時間也就最多。此階段, 進行了一次4 096組8 192點數(shù)據(jù)類型為浮點的FFT, 一次4 096組8 192點數(shù)據(jù)類型為浮點的IFFT運算, 參考第一階段可以得出距離向FFT和IFFT運算耗費的時間共為2.70 s。DDR3跳地址寫入數(shù)據(jù)的速度為0.7 GB/s, 數(shù)據(jù)跳地址寫入DDR3中的時間為0.35 s。后續(xù)需要進行數(shù)據(jù)的方位向拼接, 主板卡中的數(shù)據(jù)量最大, DDR3中跳地址寫入數(shù)據(jù)的總量為128 MB, 需要耗時為0.18 s, DDR3跳地址讀取數(shù)據(jù)的總量為128 MB, 需要耗時為0.12 s。因此, 第二階段處理總耗時約為3.35 s。

第三階段的處理中, 同樣的主板卡中的數(shù)據(jù)量最大, 且數(shù)據(jù)在此階段的處理為分布式并行處理, 主板卡需要進行 4 096組8 192點數(shù)據(jù)類型為浮點的FFT運算, 參考前面兩個階段可以得出DDR3順序讀取數(shù)據(jù)需要耗費的時間為0.023 s, FFT運算耗費是時間為1.35 s。隨后, 子板卡中的數(shù)據(jù)需要全部通過光纖傳輸依次傳入主板卡中, 兩塊子板卡中的DDR3順序讀取數(shù)據(jù)的速度遠大于光纖傳輸?shù)乃俣? 因此需要按照光纖傳輸數(shù)據(jù)耗費的時間來計算數(shù)據(jù)拼接耗費的時間, 待拼接的數(shù)據(jù)量為256 MB, 光纖采用的速度為10 Gb/s, 可以得到數(shù)據(jù)拼接耗費的時間為0.2 s, 數(shù)據(jù)上傳至主計算機的數(shù)據(jù)量是512 MB, 耗費的時間為0.4 s。所以, 這一階段耗費的時間為 1.973 s。

綜上所述, 每幀圖像的數(shù)據(jù)處理總時間約為8.323 s。由于上述估計沒有考慮軟件調(diào)度對速度的影響, 實際消耗的時間約為8.323～9.235 s。而用一個FPGA板100 MHz時鐘處理8 192×8 192點數(shù)據(jù)時, FFT IP核中數(shù)據(jù)執(zhí)行FFT和IFFT操作的時間為2.7 s, 4次FFT運算的總耗時10.8 s, DDR3讀寫數(shù)據(jù)的時間為1.23 s。因此, 完成整個算法流程需要的時間為12.03 s。顯然, 分布式數(shù)據(jù)處理方法的加速效果是明顯的。

3 實驗結(jié)果

通過在模擬系統(tǒng)中對512 MB的實測數(shù)據(jù)進行處理, 得到清晰的圖像, 驗證了分布式系統(tǒng)的計算性能和穩(wěn)定性。圖9是通過分布式數(shù)據(jù)處理系統(tǒng)對GF-3實測數(shù)據(jù)進行處理的結(jié)果。3幅圖像包含24.6 km× 24.6 km的場景信息。圖9a為多衛(wèi)星分布式處理系統(tǒng)處理后的圖像。在分布式數(shù)據(jù)處理過程中, 由于數(shù)據(jù)從浮點類型轉(zhuǎn)換為定點類型[27]造成了數(shù)據(jù)準確性的降低, 因此圖像中的一些目標點顯得有些模糊。圖9b是在64位通用計算機上對同一場景進行成像得到的圖像。圖9a雖然是連續(xù)累積的, 但顏色要比圖9b深。但是圖9a中的主要目標可以被有效地呈現(xiàn)出來, 驗證了多衛(wèi)星分布式數(shù)據(jù)處理系統(tǒng)處理數(shù)據(jù)的有效性和準確性。

圖9 GF-3數(shù)據(jù)處理結(jié)果圖

注: 圖像覆蓋面積為24.6 km×24.6 km。

4 結(jié)論

本文構(gòu)建的分布式計算模擬系統(tǒng)按照分布式數(shù)據(jù)處理原理對星上SAR數(shù)據(jù)進行處理, 提高了各衛(wèi)星的全軌道利用率, 大大縮短了數(shù)據(jù)處理時間。采用多星分布式數(shù)據(jù)處理系統(tǒng)對GF-3衛(wèi)星數(shù)據(jù)進行處理, 得到清晰的SAR圖像, 驗證了該方法的實時性和高精度。在實際情況中, 空間衛(wèi)星探測某一區(qū)域, 根據(jù)分布式原理將數(shù)據(jù)傳輸給多顆衛(wèi)星。這使得無法探測到該區(qū)域的衛(wèi)星能夠處理該區(qū)域的信號數(shù)據(jù)。而由于每顆衛(wèi)星的處理任務(wù)較小, 一個網(wǎng)絡(luò)化的衛(wèi)星系統(tǒng)可以在每顆衛(wèi)星攜帶少量計算和存儲資源的情況下完成大量的數(shù)據(jù)處理工作。系統(tǒng)將流水線處理與并行處理相結(jié)合, 將計算任務(wù)合理地分配給多個數(shù)據(jù)處理單元。在不到 8.323 s的時間內(nèi)完成GF-3數(shù)據(jù)成像覆蓋面積24.6 km×24.6 km。使用更少的計算存儲資源和更快的數(shù)據(jù)處理速度, 該系統(tǒng)有利于實現(xiàn)多顆衛(wèi)星協(xié)同成像。它比傳統(tǒng)的成像系統(tǒng)具有更廣闊的應(yīng)用前景。

[1] LIU L, JIANG L M, LI H Z. Improved SMB speckle filtering of polarimetric SAR data with synergistic use of orientation angle compensation and spatial majority rule[J]. Journal of Central South University, 2016, 23(6): 1508-1514.

[2] SUN G C, XING M D, XIA X G, et al. Robust ground moving-target imaging using deramp–keystone processing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(2): 966-982.

[3] ROTH A. TerraSAR-X: A new perspective for scientific use of high resolution spaceborne SAR data[C]//N Listed. 2003 2nd GRSS/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas. Berlin: IEEE, 2003: 4-7.

[4] SUN G C, XING M D, XIA X G, et al. Multichannel full- aperture azimuth processing for beam steering SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(9): 4761-4778.

[5] ZUO S S, XING M D, XIA X G, et al. Improved signal reconstruction algorithm for multichannel SAR based on the doppler spectrum estimation[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(4): 1425-1442.

[6] SUN G C, LIU Y B, XING M D, et al. A real-time imaging algorithm based on sub-aperture CS-dechirp for GF3-SAR data[J]. Sensors, 2018, 18(8): 10-13.

[7] 丁赤飚, 劉佳音, 雷斌, 等. 高分三號SAR衛(wèi)星系統(tǒng)級幾何定位精度初探[J]. 雷達學(xué)報, 2017, 6(1): 11-16.

DING Chibiao, LIU Jiayin, LEI Bin, et al. Preliminary exploration of systematic geolocation accuracy of GF-3 SAR satellite system[J]. Journal of Radars, 2017, 6(1): 11-16.

[8] Sun G C, XING M D, XIA X G, et al. A unified focusing algorithm for several modes of SAR based on FrFT[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(5): 3139-3155.

[9] SUN G C, XING M D, WANG Y, et al. Sliding spotlight and TOPS SAR data processing without subaperture[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(6): 1036-1040.

[10] LIU J, CHEN L, LIU Y, et al. Design of spaceborne SAR imaging processing and fast verification based on FPGA[C]//J Isnard. International Radar Conference. Xi’an: IET, 2013: 1-5.

[11] GAO L N, LONG T. Spaceborne digital signal process-sing system design based on FPGA[C]//ANTONIO J P. 2008 Image and Signal Processing. Los Alamitos: IEEE Computer Society, 2008: 577-581.

[12] 郭勐, 簡方軍, 張欽, 等. 基于FPGA實現(xiàn)的星載SAR實時成像系統(tǒng)研究[J]. 計算機研究與發(fā)展, 2007(3): 497-502.

GUO Meng, JIAN Fangjun, ZHANG Qin, et al. FPGA- based real-time imaging system for spaceborne SAR[J]. Journal of Computer Research and Development, 2007(3): 497-502.

[13] 閆珅. 星間光通信鏈路復(fù)合跟蹤穩(wěn)定性研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2015.

YAN Kun. Study on the stability of composite tracking in inter-satellite optical communication link[D]. Harbin: Harbin Institute of Technology, 2015.

[14] 閆鴻慧, 王巖飛, 于海鋒, 等. 一種基于距離補償?shù)姆植际叫⌒l(wèi)星雙基SAR成像方法[J]. 電子與信息學(xué)報, 2005, 27(5): 771-774.

YAN Honghui, WANG Yanfei, YU Haifeng, et al. An imaging method of distributed small satellites bistatic SAR based on range distance compensation[J]. Journal of Electronics & Information Technology, 2005, 27(5): 771-774.

[15] 謝宜壯, 朱柏承, 汪精華. 星載SAR實時成像處理系統(tǒng)結(jié)構(gòu)設(shè)計[J]. 兵工學(xué)報, 2010(S2): 33-37.

XIE Yizhuang, ZHU Bocheng, WANG Jinghua. System structure design of spaceborne SAR real time imaging process[J]. Acta Armamentarii, 2010(S2): 33-37.

[16] 詹學(xué)麗, 王巖飛, 王超, 等. 一種基于脈沖壓縮的機載條帶SAR重疊子孔徑實時成像算法[J]. 雷達學(xué)報, 2015(2): 199-208.

ZHAN Xueli, WANG Yanfei, WANG Chao, et al. Research on overlapped subaperture real-time imaing algorithm for pulse compression airborne strip SAR system[J]. Journal of Radars, 2015(2): 199-208.

[17] 胡玉新, 丁赤飚, 吳一戎. 基于算法的寬測繪帶星載SAR成像處理[J]. 電子學(xué)報, 2005, 33(6): 1044-1047.

HU Yuxin, DING Chibiao, WU Yirong. The wide swath spaceborne SAR imaging based onalgorithm[J]. Acta Electronica Sinica, 2005, 33(6): 1044-1047.

[18] 黃巖, 李春升, 陳杰, 等. 高分辨星載SAR改進Chirp-Scaling成像算法[J]. 電子學(xué)報, 2000, 28(3): 35-38.

HUANG Yan, LI Chunsheng, CHEN Jie, et al. Refined ChirpScaling algorithm for high resolution spaceborne SAR imaging[J]. Acta Electronica Sinica, 2000, 28(3): 35-38.

[19] RANEY R K, RUNGE H, BAMLERT R, et al. Precision SAR processing using chirp scaling[J]. IEEE Transactions on Geoscience & Remote Sensing, 1994, 32(4): 786-799.

[20] 葛成東. 基于FPGA的星載SAR實時成像處理關(guān)鍵技術(shù)設(shè)計與實現(xiàn)[D]. 北京: 中國科學(xué)院大學(xué), 2012.

GE Chengdong. Design and implementation of spaceborne SAR real-time imaging processing based on FPGA[D]. Beijing: University of Chinese Academy of Sciences, 2012.

[21] 雷萬明, 劉光炎, 黃順吉. 基于RD算法的星載SAR斜視成像[J]. 信號處理, 2002, 18(2): 172-176.

LEI Wanming, LIU Guangyan, HUANG Shunji. The squint imaging of spaceborne SAR in RD algorithm[J]. Signal Processing, 2002, 18(2): 172-176.

[22] MALANOWSKI M, KRAWCZYK G, SAMCZYNSKI P. Real-time high-resolution SAR processor using CUDA technology[C]//KRZYSZTOF K. Radar Symposium. Dresden: IEEE, 2013: 673-678.

[23] PFITZNERR M, CHOLEWA F, PIRSCH P. FPGA based architecture for real-time SAR processing with integrated motion compensation[C]//CORUCCI L. 2013 Asia-Pacific Conference on Synthetic Aperture Radar (APSAR). Tsukuba: IEEE, 2013: 521-524.

[24] 張寧宇. 基于DSP的前斜視機載SAR實時信號處理技術(shù)研究[D]. 北京: 北京理工大學(xué), 2016.

ZHANG Ningyu. Study on real-time signal processing technology for airborne forward-squint SAR based on DSPs[D]. Beijing: Beijing Institute of Technology, 2016.

[25] 陳亮, 龍騰. 星載合成孔徑雷達實時快視成像系統(tǒng)[J]. 北京理工大學(xué)學(xué)報, 2008, 28(6): 545-548.

CHEN Liang, LONG Teng. Spaceborne SAR real-time qucik-look system[J]. Transactions of Beijing Institute of Technology, 2008, 28(6): 545-548.

[26] 倪玉峰. 基于多DSP的SAR圖像實時處理系統(tǒng)設(shè)計與算法實現(xiàn)[D]. 西安: 西安電子科技大學(xué), 2014.

NI Yufeng. Multi-chip DSP based SAR image real- time processing system design and algorithm implementation[D]. Xi’an: Xidian University, 2014.

[27] JIN T, WANG H X, LIU H W. Design of a flexible high performance real-time SAR signal processing system[C]//ZHANG S. 2016 IEEE 13th International Conference on Signal Processing (ICSP). Chengdu: IEEE, 2016: 513-517.

[28] SUN Y Q, YANG J, YAO D. An evaluation system for SAR real-time processing system[C]//ZHANG J. IET International Radar Conference 2013. Xi’an: IET, 2013: 1-4.

[29] 李志華. 基于FPGA的微型SAR實時成像處理研究[D]. 西安: 西安電子科技大學(xué), 2014.

LI Zhihua. Research of mini-SAR real-time imaging based on FPGA[D]. Xi’an: Xidian University. 2014.

[30] 曹海洋. SAR自聚焦算法研究及其FPGA實現(xiàn)[D]. 南京: 南京航空航天大學(xué), 2014.

CAO Haiyang. Research on SAR autofocus algorithms and FPGA-based implementations[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2014.

[31] NI C, HU X, ZHANG Z M, et al. Spaceborne SAR real-time echo simulation platform based on VPX[J]. Journal of Electronics (China), 2014, 31(3): 193-199.

[32] 劉昕, 朱錫興, 朱敏慧. 一種改進的SAR自動聚焦算法[J]. 電子科學(xué)學(xué)刊, 1997(6): 792-796.

LIU Xin, ZHU Xixing, ZHU Minhui. An advanced autofocus algorithm for SAR[J]. Journal of Electronics, 1997(6): 792-796.

[33] 張竺君. 基于FPGA的可變點FFT處理器的設(shè)計與實現(xiàn)[D]. 南京: 南京理工大學(xué), 2009.

ZHANG Zhujun. Design and implementation of variable point FFT processor based on FPGA[D]. Nanjing: Nanjing University of Science and Technology, 2009.

[34] 楊方. 基于TMS320C6678的多核DSP并行處理應(yīng)用技術(shù)研究[D]. 北京: 北京理工大學(xué), 2014.

YANG Fang. Study on multi-core DSP parallel process-sing technology based on TMS320C6678[D]. Beijing: Beijing Institute of Technology, 2014.

[35] 李曉飛. 基于FPGA的SAR實時成像實現(xiàn)技術(shù)研究[D]. 成都: 電子科技大學(xué), 2009.

LI Xiaofei. Research on realization technology of SAR real-time imaging based on FPGA[D]. Chengdu: Univer-sity of Electronic Science and Technology of China, 2009.

Distributed computing simulation system based on a multi-processing board combined with SAR imaging

YANG Tao1, ZHAO Qi-zhao1, 2, SUN Guang-cai1, 2, LI Guang-wei1, FEI Xiao-yan1, YANG Jun3, LIU Hui-tao4

(1. Xidian University, Xi’an 710071, China; 2. National Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, China; 3. College of Geomatics, Xi’an University of Science and Technology, Xi’an 710000, China; 4. Zhuhai Naruida technology Ltd., Zhuhai 519085, China)

Synthetic-aperture radar (SAR) satellites have a limited detection range, low full-orbit utilization rates, and limited computing and storage resources on a single satellite, making performing many spaceborne SAR data-processing tasks difficult. This paper uses the data-processing method of multi-processing boards to build a simulation system for onboard distributed computing to improve the efficiency of data processing. It verifies the advantages of multi-processing boards’ data-processing methods in the efficient use of satellite computing and storage resources and in improving the full-orbit utilization rate of a single satellite. This system is based on the range-doppler (RD) algorithm of the multi-satellite distributed SAR real-time processing method and on the field-programmable gate array (FPGA) chip. Unlike the traditional single-satellite RD algorithm, this system divides the process into three stages. The computing tasks are appropriately assigned to different data-processing units within each stage. Original data of the Gaofen-3 SAR satellite are used for imaging processing in order to test the performance of the method and system.

synthetic aperture radar; range-Doppler algorithm; distributed data processing; field-programmable gate array; Gaofen-3

Nov. 6, 2020

TN959.3

A

1000-3096(2021)05-0054-08

10.11759/hykx20201106006

2020-11-06;

2021-02-27

國家重點研發(fā)計劃項目(2017YFC1405600); 廣東省引進創(chuàng)新創(chuàng)業(yè)團隊項目

[The National Key Research and Development Program of China, No. 2017YFC1405600; Introduction of Innovation and Entrepreneurship Team Project in Guangdong Province]

楊濤(1985—), 男, 講師, 博士, 主要從事雷達信號處理研究, E-mail: taoyang@mail.xidian.edu.cn

(本文編輯: 楊 悅)