基于多處理板聯合SAR成像的分布式計算模擬系統研究

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

基于多處理板聯合SAR成像的分布式計算模擬系統研究

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, 陜西 西安 710071; 2. 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 710071; 3. 西安科技大學 測繪科學與技術學院, 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)衛星的探測范圍有限, 全軌利用率不高, 并且單個衛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據處理。本文擬采用多處理板聯合的數據處理方法, 針對星上分布式計算構建一種模擬系統, 以提高星上數據處理效率, 驗證多處理板聯合的數據處理方法在高效利用衛星計算與存儲資源、提升單個衛星全軌利用率等方面的優點。本系統基于距離多普勒(range Doppler, RD)成像算法的多衛星分布式SAR實時處理方法, 并以現場可編程門陣列(FPGA)芯片為核心構建了分布式計算模擬系統。不同于傳統的單個衛星RD算法處理過程, 該系統將處理過程分為三個階段。每個階段內運算任務被合理地分配給不同的數據處理單元。利用高分三號衛星(GF-3) SAR原始數據進行成像處理, 以檢驗方法和系統的性能。

合成孔徑雷達; 距離多普勒成像算法; 現場可編程門陣列; 分布式計算模擬系統; 高分三號衛星

合成孔徑雷達(SAR)以其獨特的優勢引起了雷達領域專家學者的廣泛關注[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, 在軍事和民用領域都顯示出了卓越的價值。隨著信息技術的不斷發展和信號處理硬件設備的不斷完善, 合成孔徑雷達系統得到了迅速發展。合成孔徑雷達成像技術的研究越來越受到人們的重視。

SAR衛星軌道高, 運行穩定, 無運動誤差[2], 不受國家空域和氣候的限制[3]。由于這些優勢, 星載SAR已成為各國研究和開發的遙感技術。自第一顆SAR衛星成功進入軌道以來, SAR衛星已經發展了幾十年。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年發射的GF-3是一顆C波段多極化高分辨率遙感衛星, 具有12種工作模式, 分辨率可達1 m[6]。高分辨率衛星成像模式包括傳統的條帶成像模式和掃描成像模式, 以及海洋應用的波成像模式和全球觀測成像模式[7-9]。GF-3衛星是一種高分辨率遙感衛星, 其主要技術指標達到或超過同類衛星的水平。因此GF-3數據的處理已成為近年來研究的熱點。

由于SAR衛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, 數據流密集[10]。到目前為止, SAR衛星在探測和實時數據處理方面還存在一系列問題。例如, SAR衛星的角速度可能與地球自轉的角速度不同。當SAR衛星探測地球的目標場景時, 星載雷達可能無法探測到該區域。

因此, SAR衛星的全軌道利用率較小, 限制了其探測任務的效率。此外, 由于衛星的大小、重量和功率的限制, 單個衛星的計算和存儲資源有限, 抑制了衛星的實時數據處理能力。近年來, 提高衛星數據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]通過單板實現了數據的實時處理。文獻[12]構建了一種使用多個現場可編程門陣列(FPGA)芯片作為多個數據處理單元的星載實時成像系統, 每個處理單元處理一塊數據。該方法采用并行處理的方法對數據進行處理, 減少了SAR成像的時間。然而, 一個攜帶多個數據處理單元的單一衛星將增加它的體積、重量和功率。此外, 該系統不能提高衛星全軌道利用率。即將發射的“深圳一號”商業聯網衛星采用激光通信實現數據傳輸, 這樣可以實現網絡化衛星之間的協同工作, 因此提高每顆衛星的檢測響應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合的數據處理方法研究一種分布式計算模擬系統, 以驗證多處理板聯合的數據處理方法在高效利用衛星計算與存儲資源、提升單個衛星全軌利用率等方面的優點。

目前的星間高速激光數據通信技術尤其是雙星間高速激光數據通信技術已經日趨成熟[13]。并且, 采用較少的衛星構建的分布式系統穩定性較高, 總能找到一顆衛星作為主處理衛星。因此本文構建的分布式計算模擬系統采用3顆衛星聯合的數據處理方法, 其中一顆衛星接收原始回波數據, 并在預處理后將處理任務分配給多個衛星, 圖1為三衛星聯合的數據處理系統工作示意圖。

圖1 三衛星聯合數據處理系統工作示意圖

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

本文在第1節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。在2.1節中, 根據分布式計算模擬系統各模塊的功能描述了系統的設計。在第2.2節中分析了每個處理階段的數據流。第2.3節詳細計算了各階段的處理時間, 驗證了系統性能的有效性。第3節描述了在分布式計算模擬系統上處理GF-3數據的結果, 并將結果與通用64位計算機進行比較, 以驗證方法以及模擬系統的有效性。與單板處理相比, 處理時間和資源的占用減少。

1 分布式數據處理算法

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。較少的計算復雜度可以有效地縮短數據成像處理時間, 提高分布式數據處理系統的性能。此外, 單顆衛星還存在載荷有限、處理資源利用率低等問題。多衛星分布式數據處理系統可以克服這些限制。因此, 在構建分布式計算模擬系統時有必要選擇一種適合于多衛星分布式數據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。通過調整方位匹配濾波器的參數, 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據矩陣。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。數據積累不需要達到一個完整的合成孔徑, 當一個子孔徑數據積累到一定數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, 算法結構簡單。通過復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。硬件系統采用實時RD算法進行多衛星分布式SAR成像處理, 避免了數據的二維耦合。便于在多個處理節點之間實現數據流的分布式處理。由于RD算法操作規則簡單, 分布式數據處理系統采用RD算法作為成像算法。

由于硬件系統對數據進行連續處理, 將RD算法按不同補償函數可分為三個階段。第一階段分別對方位數據執行FFT操作, 結束后, 將數據按方位向分配給多個數據處理單元; 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, 結束后, 將每塊數據在距離向上分成3部分; 為了保證方位向圖像的連續, 第三階段根據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, 系統進行圖像采集。

2 分布式計算模擬系統的實現

2.1 系統結構設計

為了實現實時處理, 系統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]。該系統有3個FPGA板, 代表3顆衛星的SAR數據處理單元。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。數據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 多衛星SAR分布式數據綜合處理系統

多衛星SAR分布式數據處理系統的模塊如圖4所示, 主計算機存儲原始的雷達回波數據和處理后的圖像數據。使用三塊FPGA板對原始數據進行成像處理。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據, 發送到DDR3存儲模塊進行數據轉換。經過處理的圖像將由PCIe模塊傳輸到主機。數據處理模塊對數據流執行三個階段的處理, 處理過程包括FFT、IFFT和相位補償。補償相位存儲在數據處理模塊的緩沖器中, 它支持原始數據和中間數據的快速轉換。光纖通信模塊在各FPGA卡之間傳輸數據。復位模塊向系統提供復位信號, 使系統返回到初始狀態, 它增加了系統的穩定性。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 多衛星SAR分布式數據處理系統模塊組成

圖5 FPGA板的模塊組成

該系統有3條獨立的數據傳輸線路。一是數據分配線路, 用于將回波數據發送到每個數據處理單元; 二是用于傳輸成像結果的圖像采集線路; 三是系統控制線路, 用于各單元之間的通信和控制。

2.2 系統中的數據流分析

在多衛星SAR數據分布式處理方案的實現中, 任意兩板之間的數據傳輸均可通過高速光纖完成。主計算機通過PCIe將SAR原始數據發送給FPGA板1, FPGA板1接收原始數據后, 經過處理后, 將數據處理任務分配給包括FPGA板1在內的3個數據處理單元, 這3個處理單元的處理任務在原理上是相同的。

第一階段, FPGA板1接收原始數據, 然后進行方位向的FFT, 在方位向上將數據分為3個部分, 并存儲一部分數據。其余兩部分的數據通過光纖傳輸到另外兩個FPGA板上。第一個階段的數據分布如圖6所示。

圖6 第一階段數據處理流程圖

在第二階段, 對每個FPGA板中的數據進行距離向的處理。FFT操作在距離向上執行。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, 在距離向執行IFFT。處理任務完成后, 將FPGA板1上8 192×4 096點的數據以及FPGA板2和FPGA板3上8 192×2 048點的數據分別劃分為3個范圍內的部分。FPGA板的數據處理和劃分流程圖如圖7所示。

第二階段完成后, 對4塊板上的數據進行重新分配, 使方位數據在各板上連續完整。經過脈沖壓縮和方位向IFFT處理, 完成了數據處理。這一階段的數據處理和劃分流程如圖8所示。

隨后, 經過處理的每個FPGA板的圖像數據通過光纖和PCIe卡發送到主計算機, 在主計算機成像。

2.3 數據處理時間消耗分析

利用GF-3衛星3 m分辨率且點數為8 192×8 192 點的數據驗證分布式計算模擬系統的性能。該系統采用100 MHz時鐘, 雙通道處理數據, 利用仿真計算各個操作所用的時間。

圖7 第二階段數據處理流程圖

圖8 第三階段數據處理流程圖

第一階段, 所有數據的處理全部在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轉換需要的時間, FFT運算的結果設置為順序輸出, FFT IP核進行一次8 192點的浮點類型數據轉換需要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, 數據需要被寫入到DDR3中進行存儲, 方便后續的分布式運算, DDR3的寫入速度為11 GB/s, 因此數據全部寫入DDR3所需要的時間為0.045 s。由于后續的處理是分布式處理, 所以數據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跳地址讀取數據的速度為1.1 GB/s, 一半數據采用跳地址讀取的方式讀取耗費的時間為0.23 s。光纖傳輸數據的速度為10 Gb/s, 光纖傳輸的速度不小于DDR3跳地址讀取數據的時間, 因此, 數據分發到子板卡的時間為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, 相位復乘的時間可以忽略不計, 數據主要進行的是距離向的FFT和IFFT運算處理, 由于主板卡中的數據量最大, 所以耗費的時間也就最多。此階段, 進行了一次4 096組8 192點數據類型為浮點的FFT, 一次4 096組8 192點數據類型為浮點的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跳地址寫入數據的速度為0.7 GB/s, 數據跳地址寫入DDR3中的時間為0.35 s。后續需要進行數據的方位向拼接, 主板卡中的數據量最大, DDR3中跳地址寫入數據的總量為128 MB, 需要耗時為0.18 s, DDR3跳地址讀取數據的總量為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據量最大, 且數據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點數據類型為浮點的FFT運算, 參考前面兩個階段可以得出DDR3順序讀取數據需要耗費的時間為0.023 s, FFT運算耗費是時間為1.35 s。隨后, 子板卡中的數據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順序讀取數據的速度遠大于光纖傳輸的速度, 因此需要按照光纖傳輸數據耗費的時間來計算數據拼接耗費的時間, 待拼接的數據量為256 MB, 光纖采用的速度為10 Gb/s, 可以得到數據拼接耗費的時間為0.2 s, 數據上傳至主計算機的數據量是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, 每幀圖像的數據處理總時間約為8.323 s。由于上述估計沒有考慮軟件調度對速度的影響, 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點數據時, FFT IP核中數據執行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讀寫數據的時間為1.23 s。因此, 完成整個算法流程需要的時間為12.03 s。顯然, 分布式數據處理方法的加速效果是明顯的。

3 實驗結果

通過在模擬系統中對512 MB的實測數據進行處理, 得到清晰的圖像, 驗證了分布式系統的計算性能和穩定性。圖9是通過分布式數據處理系統對GF-3實測數據進行處理的結果。3幅圖像包含24.6 km× 24.6 km的場景信息。圖9a為多衛星分布式處理系統處理后的圖像。在分布式數據處理過程中, 由于數據從浮點類型轉換為定點類型[27]造成了數據準確性的降低, 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出來, 驗證了多衛星分布式數據處理系統處理數據的有效性和準確性。

圖9 GF-3數據處理結果圖

注: 圖像覆蓋面積為24.6 km×24.6 km。

4 結論

本文構建的分布式計算模擬系統按照分布式數據處理原理對星上SAR數據進行處理, 提高了各衛星的全軌道利用率, 大大縮短了數據處理時間。采用多星分布式數據處理系統對GF-3衛星數據進行處理, 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, 空間衛星探測某一區域, 根據分布式原理將數據傳輸給多顆衛星。這使得無法探測到該區域的衛星能夠處理該區域的信號數據。而由于每顆衛星的處理任務較小, 一個網絡化的衛星系統可以在每顆衛星攜帶少量計算和存儲資源的情況下完成大量的數據處理工作。系統將流水線處理與并行處理相結合, 將計算任務合理地分配給多個數據處理單元。在不到 8.323 s的時間內完成GF-3數據成像覆蓋面積24.6 km×24.6 km。使用更少的計算存儲資源和更快的數據處理速度, 該系統有利于實現多顆衛星協同成像。它比傳統的成像系統具有更廣闊的應用前景。

[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衛星系統級幾何定位精度初探[J]. 雷達學報, 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實現的星載SAR實時成像系統研究[J]. 計算機研究與發展, 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. 星間光通信鏈路復合跟蹤穩定性研究[D]. 哈爾濱: 哈爾濱工業大學, 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. 一種基于距離補償的分布式小衛星雙基SAR成像方法[J]. 電子與信息學報, 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實時成像處理系統結構設計[J]. 兵工學報, 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實時成像處理關鍵技術設計與實現[D]. 北京: 中國科學院大學, 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實時信號處理技術研究[D]. 北京: 北京理工大學, 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[J]. 北京理工大學學報, 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圖像實時處理系統設計與算法實現[D]. 西安: 西安電子科技大學, 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, 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[D]. 南京: 南京航空航天大學, 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]. 電子科學學刊, 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處理器的設計與實現[D]. 南京: 南京理工大學, 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并行處理應用技術研究[D]. 北京: 北京理工大學, 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實時成像實現技術研究[D]. 成都: 電子科技大學, 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

國家重點研發計劃項目(2017YFC1405600); 廣東省引進創新創業團隊項目

[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)