一種基于GPU的主動聲納寬帶信號處理實(shí)時系統(tǒng)*

李曉敏，侯朝煥，鄢社鋒

(中國科學(xué)院聲學(xué)研究所聲學(xué)智能制導(dǎo)實(shí)驗(yàn)室，北京 100190)

傳統(tǒng)意義上的GPU主要針對圖形圖像處理和游戲加速，其功能受到一定限制。NVIDIA公司于2007年發(fā)布了CUDA以及相應(yīng)的GPU版本。這類GPU內(nèi)核有很多流處理器，每個流處理器內(nèi)包含相當(dāng)多數(shù)量的并行執(zhí)行單元，可以高效執(zhí)行各種模型的大規(guī)模科學(xué)計(jì)算，因此受到學(xué)術(shù)界和產(chǎn)業(yè)界的追捧，被廣泛應(yīng)用于金融、石油、天文學(xué)、流體力學(xué)、信號處理、電磁仿真、模式識別、圖像處理和視頻壓縮等眾多領(lǐng)域［1－7］。然而，目前國內(nèi)外將GPU通用計(jì)算應(yīng)用到聲納信號處理的案例還很少。

聲納信號處理的手段主要分為兩類。一類為以CPU為代表的處理平臺，另一類為基于FPGA和DSP等大規(guī)模集成電路芯片的陣列信號處理平臺。前者耗時嚴(yán)重，實(shí)時性差;后者雖然能夠完成實(shí)時信號處理，但也具有開發(fā)周期長、板卡眾多和成本高等眾多缺點(diǎn)。

基于以上因素，本文采用基于CUDA編程架構(gòu)的GPU，實(shí)現(xiàn)了LFM及CW信號的幾種經(jīng)典波束形成和匹配濾波過程，該系統(tǒng)具有實(shí)時性、開發(fā)周期短、性價比高和使用靈活等眾多優(yōu)點(diǎn)。

1 基于CUDA的GPU通用編程

CUDA是一種將GPU作為數(shù)據(jù)并行計(jì)算設(shè)備的軟硬件體系，采用了比較容易掌握的類C語言進(jìn)行開發(fā)。它是一個SIMD(Single Instruction Multiple Data)系統(tǒng)，即一個程序編譯一次以后，CUDA將計(jì)算任務(wù)映射為大量的可以并行執(zhí)行的線程，并由擁有大量內(nèi)核的硬件動態(tài)調(diào)度和執(zhí)行這些線程，從而顯著提高運(yùn)算速度。如圖1所示，將一個可以并行化執(zhí)行的任務(wù)首先分配給若干個線程網(wǎng)格(Grid)，其次將每個Grid內(nèi)的任務(wù)分配給若干個線程塊(Block)，最后再將每個Block內(nèi)的任務(wù)細(xì)分給若干個線程(Thread)。Grid中的所有Blocks并行執(zhí)行，Block中的所有Threads并行執(zhí)行，這種兩層并行模型是 CUDA 最重要的創(chuàng)新之一［8－9］。

圖1 GPU內(nèi)線程結(jié)構(gòu)

2 主動聲納寬帶信號處理的GPU實(shí)現(xiàn)

圖2是一個簡單的主動聲納信號處理過程框圖。

圖2 主動聲納信號處理基本框圖

接收基陣接收到M路回波信號，通過波束形成實(shí)現(xiàn)DOA估計(jì)，并將波束匯聚后送入匹配處理器，最終得到目標(biāo)距離和速度。

2.1 經(jīng)典窄帶波束形成的實(shí)現(xiàn)

2.1.1 自適應(yīng) MVDR 波束形成器［10－11］

MVDR波束形成器的加權(quán)向量為

其中，as(θ)為θ方向上的導(dǎo)向向量。

方位譜為

其中，對Rx進(jìn)行特征分解為Rx=UΓUH，M為基陣陣元數(shù)

圖3為在GPU上實(shí)現(xiàn)MVDR波束形成器的任務(wù)分配圖。其中，s為掃描角度數(shù)目，一般取掃描范圍為［0:1:180］°，則s=181。

圖3 MVDR波束形成器GPU內(nèi)部kernel任務(wù)分配圖

2.1.2 LSMI波束形成器［10－11］

LSMI波束形成器的加權(quán)向量為

其中λ為對角加載量，經(jīng)驗(yàn)值為10。

方位譜為

的第k個元素;B為對角陣，Bk為B的第k個元素。圖4為在GPU上實(shí)現(xiàn)LSMI波束形成器的任務(wù)分配圖。

圖4 LSMI波束形成器GPU內(nèi)部kernel任務(wù)分配圖

2.1.3 RCB 波束形成器［10－11］

RCB波束形成器的加權(quán)向量為

方位譜為

其中，B為對角陣，λλk為B的第k個元素。令ε0為一個趨近于0的正小數(shù)，則λ可通過(8)求解

圖5為在GPU上實(shí)現(xiàn)RCB波束形成器的任務(wù)分配圖。

對于RCB波束形成器，仍然使用s個Blocks，每個Block內(nèi)包含M個并行處理Threads。

圖5 RCB波束形成器GPU內(nèi)部kernel任務(wù)分配圖

2.2 寬帶波束形成的實(shí)現(xiàn)

寬帶波束形成器的實(shí)現(xiàn)包括頻域FFT實(shí)現(xiàn)和時域FIR實(shí)現(xiàn)兩種方式。本文采用頻域FFT實(shí)現(xiàn)方法，首先使用離散傅里葉變換將陣列數(shù)據(jù)分解為若干頻帶上的子窄帶，然后針對每個子帶進(jìn)行［0:1:180］°掃描窄帶波束形成，最后將各子帶方位譜累加從而估計(jì)出目標(biāo)方位［11］，實(shí)現(xiàn)流程如圖6所示。

圖6 寬帶波束形成算法實(shí)現(xiàn)流程圖

其中，M為陣元數(shù)，fftnum為采樣數(shù)據(jù)長度，ST為分解后的特征值，UT為分解后的特征向量，angledis為波束掃描間隔角度。在寬帶波束形成器的實(shí)現(xiàn)過程中，只需要針對每個子窄帶使用2.1節(jié)介紹的過程即可。

2.3 匹配處理的實(shí)現(xiàn)

匹配濾波常用來檢測淹沒在加性高斯白噪聲中的信號，它是一種使輸出峰值信噪比最大的最優(yōu)濾波技術(shù)。在主動聲納系統(tǒng)中，匹配濾波接收輸出波束的時間序列，并將處理后的結(jié)果直接作為檢測器的輸入，與門限進(jìn)行比較，進(jìn)而判定目標(biāo)是否存在［12］。

由于匹配濾波器對頻移信號沒有適應(yīng)性，因此需要產(chǎn)生發(fā)射信號的多種頻率版本，以匹配由多普勒頻移造成的接收信號頻率與發(fā)射信號頻率不一致，這個過程通常被稱為拷貝相關(guān)。圖7展示了采用匹配濾波的過程。

圖7 匹配濾波示意圖

上圖中，每個陰影區(qū)域即代表某頻移點(diǎn)上的拷貝相關(guān)。考慮到信號點(diǎn)數(shù)length(length=快拍數(shù)snapnum*FFT點(diǎn)數(shù) fftnum)遠(yuǎn)大于 GPU內(nèi)每個Block擁有的最大線程數(shù)512，無法將每個陰影區(qū)的執(zhí)行單獨(dú)分配給1個Block。因此，將各個陰影區(qū)域之間串行執(zhí)行，而每個陰影區(qū)域內(nèi)部并行執(zhí)行。并行任務(wù)分配給snapnum個Blocks，每個Block內(nèi)有fftnum個Threads，所有的Threads均完成一次點(diǎn)乘。

3 實(shí)驗(yàn)結(jié)果

3.1 硬件平臺

表1 硬件平臺

3.2 系統(tǒng)輸入輸出界面

本文采用諾基亞公司開發(fā)的跨平臺C++圖形用戶界面應(yīng)用程序框架Qt實(shí)現(xiàn)系統(tǒng)輸入輸出界面，圖8所示為系統(tǒng)主界面。

圖8 系統(tǒng)主界面

右側(cè)藍(lán)色方框內(nèi)為目標(biāo)參數(shù)輸入?yún)^(qū)和系統(tǒng)參數(shù)輸入?yún)^(qū)，左側(cè)紫色方框內(nèi)為信號處理結(jié)果顯示區(qū)。

假設(shè)目標(biāo)在［40～140］°之間以5°間隔來回運(yùn)動，設(shè)置完成各項(xiàng)參數(shù)后，點(diǎn)擊“開始”按鈕，輸出方位譜圖將會顯示每個時刻的方位譜，輸出方位歷程圖將會記錄下所有時刻目標(biāo)的方位情況，并一幀一幀刷新。點(diǎn)擊方位歷程圖上任意一點(diǎn)，將會在輸出頻譜圖上顯示相應(yīng)時間和方位上的輸出信號頻譜。

同時，每個時刻目標(biāo)方位、目標(biāo)距離和目標(biāo)速度都以文字形式顯示在主界面最左側(cè)。由于該系統(tǒng)具備實(shí)時性，處理時間始終小于采樣時間。

點(diǎn)擊主界面上“顯示換能器通道數(shù)據(jù)”按鈕將彈出一個新界面，如圖9所示。通過下拉框選擇想查看的通道，點(diǎn)擊“確定”按鈕，該界面將與主界面同步顯示當(dāng)前時刻某換能器通道輸入信號波形及其頻譜。

圖9 顯示換能器通道數(shù)據(jù)界面

3.3 運(yùn)行時間及加速比

在圖8中所示參數(shù)的基礎(chǔ)上，增大陣元數(shù)為32，增大子帶數(shù)為21，減小掃描間隔為1°，從而增大掃描角度次數(shù)。表2展示了Matlab、CPU和GPU三種平臺在此參數(shù)條件下采用不同的算法執(zhí)行處理過程的時間以及加速比。

表2 各種平臺執(zhí)行時間及加速比

表2中所示的4種處理算法，從上到下運(yùn)算量依次增大。從表2可以看出，處理同樣的數(shù)據(jù)，GPU相比于CPU要快兩倍多。當(dāng)數(shù)據(jù)量增大到一定程度時，Matlab和CPU已經(jīng)無法在采樣一幀數(shù)據(jù)的時間內(nèi)完成對上一幀數(shù)據(jù)的處理，而GPU卻仍然可以滿足處理的實(shí)時性。

在不考慮實(shí)時性的前提下，繼續(xù)增大運(yùn)算量，上面四個表格中的加速比會越來越大，GPU的加速優(yōu)勢會越來越明顯。圖10和圖11分別展示了在表2所示參數(shù)基礎(chǔ)上，CPU和GPU這兩種平臺執(zhí)行“LSMI+匹配處理”的時間隨著陣元數(shù)和子帶數(shù)增加的變化趨勢。

圖10 各平臺執(zhí)行時間隨陣元數(shù)M的變化

圖11 個平臺執(zhí)行時間隨子帶數(shù)subband的變化

可以看出，當(dāng)數(shù)據(jù)量增大時，GPU相較于CPU的執(zhí)行速度優(yōu)勢更加明顯，這正應(yīng)證了GPU處理大數(shù)據(jù)量的優(yōu)良性能。

4 結(jié)論

本文設(shè)計(jì)了一種主動聲納信號處理系統(tǒng)，采用具有眾多并行內(nèi)核的GPU實(shí)現(xiàn)其實(shí)時性。該系統(tǒng)相較于CPU有約一個數(shù)量級的加速，相較于同樣處理速度的DSP平臺，則體現(xiàn)了開發(fā)周期短、成本低和操作簡單等優(yōu)點(diǎn)。隨著聲納信號處理數(shù)據(jù)量的日益增大，將GPU強(qiáng)大的通用計(jì)算能力應(yīng)用到聲納領(lǐng)域的各個環(huán)節(jié)，是一個值得繼續(xù)深入研究的課題。

［1］杜歆，顏瑞，劉加海.監(jiān)控?cái)z像機(jī)視頻去隔行和CUDA加速［J］.傳感技術(shù)學(xué)報(bào)，2010，23(3):393－398.

［2］趙欣，李鳳霞，戰(zhàn)守義，等.基于粒子系統(tǒng)實(shí)現(xiàn)船舶航跡仿真的加速方法［J］.大連海事大學(xué)學(xué)報(bào)，2008，34(1):54－57.

［3］程廣斌，馬承華，郝立巍.基于圖形處理器加速的醫(yī)學(xué)圖像分割算法研究［J］.醫(yī)療衛(wèi)生裝備，2008，29(2):6－8.

［4］李蔚清，吳慧中.一種基于GPU的雷達(dá)探測區(qū)域快速可視化方法［J］.系統(tǒng)仿真學(xué)報(bào)，2008，(20):323－327.

［5］Balz T，Stilla U.Hybrid GPU-Based Single-and Double-Bounce SAR Simulation［J］.IEEE Transactions on Geoscience and Remote Sensing，2009，47(10):3519－3529.

［6］柳彬，王開志，劉興釗，等.利用CUDA實(shí)現(xiàn)的基于GPU的SAR成像算法［J］.信息技術(shù)，2009，11:62－67.

［7］Yubo Tao，Hai Lin，Hujun Bao.GPU-Based Shooting and Bouncing Ray Method for Fast RCS Prediction［J］.IEEE Transactions on Antennas and Propagation，2010，58(2):494－502.

［8］Garland M，Le Grand S，Nickolls J，et al.Parallel Computing Experiences with CUDA［J］.Micro，IEEE，2008，28(4):13－27.

［9］張舒，諸艷麗，趙開勇，等.GPU高性能運(yùn)算之CUDA［M］.北京:中國水利水電出版社，2009:1－100.

［10］朱埜.主動聲納檢測信息原理［M］.北京:海洋出版社，1990:32－50.

［11］鄢社鋒，馬遠(yuǎn)良.傳感器陣列波束優(yōu)化設(shè)計(jì)及應(yīng)用［M］.北京:科學(xué)出版社，2009:48－93.

［12］豐平.基于VPX規(guī)范的新型陣列信號處理機(jī)系統(tǒng)設(shè)計(jì)［D］.北京:中科院，2010:18－19.