基于多核DSP的星載雙基FMCW SAR成像算法實現(xiàn)

陳 洋, 肖國堯,*, 全英匯, 任愛鋒, 別博文, 邢孟道

(1. 西安電子科技大學電子工程學院, 陜西 西安 710071;2. 西安電子科技大學前沿交叉研究院, 陜西 西安 710071)

0 引 言

調頻連續(xù)波(frequency modulated continuous wave, FMCW)合成孔徑雷達(synthetic aperture radar, SAR)結合了FMCW技術和SAR技術,推動了小型化、輕量化、低功率高分辨率成像雷達的誕生,使其易于安裝在無人機等小型設備上[1]。與傳統(tǒng)的脈沖式SAR相比,FMCW SAR降低了傳感器的峰值傳輸功率,對SAR發(fā)射機的要求較低[2]。近年來,FMCW SAR成像研究得到了更多關注,國內外也研制出多款FMCW SAR信號處理系統(tǒng)。

基于傳統(tǒng)的SAR成像算法,結合FMCW SAR特征,目前已經提出了一系列FMCW SAR成像算法。文獻[3]研究了正弦非線性函數(shù)對FMCW SAR系統(tǒng)的影響,提出了相位誤差修正算法來檢測目標;文獻[4]基于壓縮感知技術,提出了一種用于恢復FMCW SAR原始數(shù)據(jù)的稀疏重建方法;文獻[5]提出了星載方位中斷FMCW SAR信號模型,并利用廣義正交匹配追蹤算法重構信號;文獻[6-7]基于改進的波數(shù)域成像算法實現(xiàn)了最優(yōu)成像;文獻[8]提出了一種考慮傳感器運動的方法,解決了在發(fā)送/接收過程中由連續(xù)路徑造成影響問題;文獻[9-12]基于改進的距離多普勒(range-Doppler, RD)算法實現(xiàn)了FMCW SAR數(shù)據(jù)聚焦。文獻[13]提出了一種改進的逆線性調頻Z變換算法來處理距離-方位耦合項;文獻[14-16]提出了FMCW SAR稀疏成像方法,可以校正實際機載FMCW SAR數(shù)據(jù)中的運動誤差。

SAR成像的數(shù)據(jù)量大,對實時性有較高的要求。這種情況下,高性能、靈活的處理SAR信號是目前面臨的挑戰(zhàn)之一。傳統(tǒng)的單核數(shù)字信號處理器(digital signal processor, DSP)計算能力有限,難以滿足工程應用的要求,FT-M6678是國防科學技術大學研制的八核高性能浮點數(shù)字信號處理芯片,具有超高的運算能力和傳輸性能。目前,已經有許多科研人員利用DSP處理器進行SAR成像算法的實現(xiàn)。文獻[17]采用多核DSP設計了聚束SAR成像系統(tǒng);文獻[18-20]基于多核DSP提出了大斜視機載SAR的實時成像處理架構;文獻[21]提出了一種混合異構并行加速技術,結合現(xiàn)場可編程門陣列(field programmable gate array, FPGA)和DSP的優(yōu)點,實現(xiàn)了機載SAR的實時處理。文獻[22-23]針對機載前斜視SAR成像的特點,建立了高性能的SAR實時處理系統(tǒng);文獻[24]設計了一種虛擬單節(jié)點并行處理方法,采用8個DSP實現(xiàn)SAR成像處理的大容量分布式存儲;文獻[25]提出了一種基于多核DSP的星載SAR欺騙式干擾實時產生算法優(yōu)化方法;文獻[26-28]基于FMCW SAR提出了一種實時成像的軟件體系結構。

目前,面向雙基地FMCW SAR成像的研究不斷增加,但針對天基平臺的研究較少[29]。這是因為衛(wèi)星運動速度遠大于載機飛行速度,在高分辨或超高分辨成像條件下使用傳統(tǒng)的FMCW SAR成像算法,會導致成像效果不佳。本文在此背景下進行改進研究,建立起一種適宜星載雙基FMCW SAR的頻域算法,并選用實驗室自主研發(fā)的以FT-M6678處理器為主的國產化信號處理平臺構建適用于星載雙基SAR成像算法的并行處理架構,完成軟硬件設計實現(xiàn)。

1 星載雙基FMCW SAR成像算法

1.1 回波模型

同航線雙基FMCW SAR成像幾何模型如圖1所示,收發(fā)衛(wèi)星以相同的速度v飛行,沿航線兩衛(wèi)星距離為dx,高度為H。以零時刻星下點為原點建立坐標系。此坐標系中,由星下點指向基線中點和衛(wèi)星運動的方向分別為z軸和y軸,然后根據(jù)二者叉乘確定出x軸。對于任意一個目標p=(xn,yn,zn),收發(fā)衛(wèi)星與它的瞬時斜距記作Rt(ta)和Rr(ta)。

對收發(fā)衛(wèi)星的瞬時斜距進行分析,當采用2階瞬時斜距表達式時,斜距近似精度滿足成像要求。在零點對瞬時斜距Rt(ta)和Rr(ta)進行泰勒展開,并且保留到二次項,得:

(1)

式中:(xT,yT,zT)為參考點的坐標;[x0,t,vx,t,ax,t],[y0,t,vx,t,ax,t],[z0,t,vx,t,ax,t]分別為發(fā)射衛(wèi)星軌跡的三維運動參數(shù);[x0,r,vx,r,ax,r],[y0,r,vx,r,ax,r],[z0,r,vx,r,ax,r]分別為接收衛(wèi)星軌跡的三維運動參數(shù);[k0,t,k1,t,k2,t]和[k0,r,k1,r,k2,r]分別為發(fā)、收平臺到參考點的瞬時斜距泰勒展開系數(shù)。

FMCW SAR發(fā)射連續(xù)的線性調頻信號,其信號模型為

(2)

式中:tr為快時間;ta為慢時間;Tp為發(fā)射信號的脈寬;fc為載波頻率;γ為調頻斜率。則

可以確定R(tr,ta)處接收的回波為

(3)

式中:td是回波時延。需要注意的是,對傳統(tǒng)脈沖SAR而言,發(fā)射信號的脈寬較小,在進行近似處理時主要采用“走-停-走”方法,但FMCW SAR是在整個脈沖重復間隔內發(fā)射信號,需要考慮雷達平臺連續(xù)運動引起的距離偏移[30]。為了避免收發(fā)平臺移位帶來的相位誤差,提高成像精度,不再對回波時延進行近似,可表示為

(4)

傳統(tǒng)的脈沖體制SAR需要構造參考函數(shù)去斜,而FMCW通常采用接收時去斜,具體的實現(xiàn)方式為,將回波信號與參考信號共軛相乘。設置參考距離為Rref,其對應的回波信號的共軛設為參考信號,表達式為

(5)

式中:tref=2Rref/c=(k0,t+k0,r)/c;k0,t和k0,r分別為發(fā)、收平臺到參考點的瞬時斜距泰勒展開系數(shù)。若RΔ=R(tr,ta)-Rref,則去斜之后的信號為

(6)

式中:A是復常數(shù),最末的指數(shù)項是視頻殘余相位(residual video phase, RVP),該指標對成像質量會造成明顯的影響,因而去斜處理后,應該先將RVP去除,之后只需要對距離維進行相應的傅里葉變換就能實現(xiàn)距離脈壓。

1.2 算法實現(xiàn)流程

本文通過分析雷達在信號發(fā)射期間運動所帶來的距離徙動影響,以及去斜所帶來的RVP影響,介紹了一種適于星載雙基的FMCW SAR成像算法,具體操作流程如圖2所示。

圖2 星載雙基FMCW SAR成像處理流程Fig.2 Spaceborne bistatic FMCW SAR imaging processing process

步驟 1對距離維回波信號做傅里葉變換,將二維時域信號轉換為距離頻域信號進行距離脈壓。

步驟 2與補償函數(shù)H_rep相乘,在距離維頻域去除RVP。

步驟 3與補償函數(shù)H_fdc相乘,在距離維頻域進行多普勒中心補償。

步驟 4在距離多普勒頻域和補償函數(shù)Hrcm相乘,實現(xiàn)距離徙動校正。

步驟 5利用匹配濾波函數(shù)H_az在二維頻域實現(xiàn)方位脈壓。

步驟 6將信號轉換到方向維時域,得到聚焦后的SAR圖像。

2 基于多核DSP的星載雙基FMCW SAR成像處理架構

2.1 成像處理平臺設計

本文用于實現(xiàn)星載雙基FMCW SAR成像算法的硬件平臺,是基于全國產化芯片研發(fā)的處理平臺,在滿足百分百國產化要求的基礎上,可以實現(xiàn)多種應用場景下的任務需求。其整體架構如圖3所示。系統(tǒng)采用虛擬路徑交叉連接(virtual path cross-connect, VPX)標準架構,可以劃分成5個功能模塊,各模塊間采用高速數(shù)據(jù)總線進行信息傳輸。

圖3 全國產化信號處理平臺硬件架構Fig.3 Domestically produced signal processing platform hardware architecture

信號采集模塊的職責是采集外部模擬信號,實現(xiàn)多通道模數(shù)轉換功能。采集到的數(shù)字信號在經過預處理后,可以通過高速串行接口(serial rapid I/O, SRIO)傳輸?shù)叫盘柼幚砟K進行成像算法。

信號回放模塊可以按照一定的脈沖重復頻率放出回波信號,然后經過SRIO接口傳輸?shù)叫盘柌杉K進行預處理。

主控模塊負責監(jiān)管每個處理器的工作狀態(tài),為其他模塊分配任務以控制整個系統(tǒng)的工作流程,并可以通過以太網與上位機進行信息傳輸,是整個系統(tǒng)的控制核心。

數(shù)據(jù)交換模塊可以通過配置交換芯片的相關參數(shù)控制SRIO接口進行數(shù)據(jù)路由,這極大提高了系統(tǒng)內通信的靈活性。

信號處理模塊由FPGA和DSP組成。其中,FPGA作為控制芯片,負責時序控制、數(shù)據(jù)交互和通信等功能,其內部大量可編程資源和豐富的接口也可以提高系統(tǒng)的擴展性。DSP作為主算法處理器,負責對輸入數(shù)據(jù)進行實時處理,可以完成大規(guī)模高精度的數(shù)字信號處理。

本文采用國防科大的FT-6678系列8核DSP芯片。此芯片主頻最高為1.25 GHz,單核浮點運算能力可達10 GFLOPS,每個核包含32 KB的一級存儲器,512 KB的二級存儲器,核外集成4 MB的多核共享存儲器,外部掛載8 GB擴展存儲空間,用來儲存成像算法中大量的中間數(shù)據(jù)。綜上所述,FT-M6678在運行速率和存儲空間具有較大優(yōu)勢,可以實現(xiàn)大規(guī)模實時信號處理。

2.2 成像算法軟件設計

2.2.1 多核多任務并行處理設計

SAR成像算法復雜,實時性要求高,需要進行多核并行處理以提高代碼的執(zhí)行效率。鑒于算法各模塊之間存在數(shù)據(jù)依賴現(xiàn)象,本文采用主從方式進行并行運算,0核是主核,負責與外設互聯(lián),任務分配和匯總。非0核是從核,從核之間地位相等,不直接進行數(shù)據(jù)交互與通信,負責子任務執(zhí)行。DSP工作時,0核先初始化外設,當接收到FPGA通過SRIO總線傳輸?shù)拈T鈴信息后就開始執(zhí)行星載雙基FMCW SAR成像算法。為了最大限度地使用硬件資源,需要在DSP的8個核內合理分配任務與數(shù)據(jù)。為避免多核之間不同步導致的數(shù)據(jù)錯誤,本文將采用信號量的方式控制8個核同步執(zhí)行算法的各個模塊,圖4是通過信號量進行核間通信的流程框圖。

圖4 核間通信流程Fig.4 Intercore communication flow

2.2.2 算法功能與硬件映射

FPGA將預處理后的數(shù)據(jù)傳輸?shù)紻SP,可以獲得一個2 048×8 192的復數(shù)矩陣,其中8 192是距離維點數(shù),2 048是方向維點數(shù),該矩陣按照距離維的順序連續(xù)儲存在雙倍率同步動態(tài)隨機存取存儲器(double data rate, DDR)內部,作為后續(xù)算法模塊的輸入數(shù)據(jù)。算法處理過程中使用的一些雷達參數(shù)是不變的,這些不變參數(shù)可以只進行一次計算,之后采用查表的方式獲得相應的數(shù)據(jù),避免重復計算的時間消耗。星載雙基FMCW SAR成像算法的軟件處理流程如圖5所示。

圖5 星載雙基FMCW SAR成像算法軟件處理流程Fig.5 Software processing flow of spaceborne bistatic FMCW-SAR imaging algorithm

(1) RVP補償和多普勒中心補償

星載雙基FMCW SAR成像算法中有四種補償因子,需要通過雷達參數(shù)構造,每個補償因子的計算結果需要與相應的距離維或方向維快速傅里葉變換(fast Fourier transformation, FFT)、快速傅里葉逆變換(inverse fast Fourier transform, IFFT)結果復乘,才能完成補償操作,考慮到算法的實時性,本文在進行RVP補償和多普勒中心補償時只計算一次補償因子,并將其結果存儲在共享內存(multicore shared memory controller, MCMC)中,從而有效地減少了補償因子的計算時間,具體的軟件處理流程如圖6所示。

圖6 RVP補償和多普勒中心補償?shù)能浖幚砹鞒蘁ig.6 Software processing flow of RVP compensation and Doppler center compensation

由圖6可知,需要先將數(shù)據(jù)按照距離維劃分成8份到每個內核。因為內核對L2的存取速率高于DDR,所以需要通過直接存儲器訪問(direct memory access, DMA)將每一組距離維的數(shù)據(jù)搬移到L2,存放在動態(tài)變量temp1中。DMA可以在后臺進行批量數(shù)據(jù)的傳輸,避免了資源競爭,從而實現(xiàn)DDR與其他讀取速度更快的存儲器之間的數(shù)據(jù)交換。隨后對temp1進行距離維FFT處理并將結果存放在動態(tài)變量temp2中,將temp2與查表所得的RVP補償函數(shù)H_rep和多普勒中心補償函數(shù)H_fdc復數(shù)點乘后,再次存放在temp1中,此操作可有效節(jié)省空間開銷,提升空間利用率。然后對temp1進行距離維IFFT操作并將結果再次放在temp2中,最后基于DMA將temp2搬移到DDR中,按照地址順序合并8個內核中的數(shù)據(jù),方便后續(xù)模塊執(zhí)行。

(2) 轉置

RVP補償和多普勒中心補償處理完成之后,需要對數(shù)據(jù)進行方向維FFT處理,與仿真實驗中提供的抽象機制不同,在DSP中對按照距離維順序儲存的數(shù)據(jù)進行方向維處理時要進行地址跳變,這會浪費時間,因此在距離徙動校正之前需要進行轉置操作。待轉置矩陣大小為2 048×8 192,本文采用矩陣分割拼接法進行處理,步驟如下。

步驟 1將待轉置矩陣橫向均分成8個子矩陣,大小為256×8 192。

步驟 2將每個256×8 192大小的子矩陣縱向均分,使得每個小正方形子矩陣的大小為256×256。

步驟 38個內核同步使用EDMA從源地址按序讀取一個256×256的子矩陣緩存在L2,對每個正方形小矩陣進行轉置。

步驟 4每個內核將轉置后的子矩陣縱向拼接,可以得到大小為8 192×256的矩陣。

步驟 5將8個8 192×256大小的子矩陣橫向拼接即可得到轉置后的矩陣,大小為8 192×2 048。

其中拼接過程是通過EDMA按順序寫回目的地址實現(xiàn)的。在后續(xù)算法流程中還涉及到方向維順序儲存的數(shù)據(jù)進行距離維處理的轉置操作,與上述方法相同,圖7是使用矩陣分割拼接法實現(xiàn)轉置的示意圖。

圖7 矩陣轉置示意圖Fig.7 Schematic representation of matrix transpose

(3) 距離徙動校正

距離徙動校正是對回波數(shù)據(jù)的方向維進行處理,方位向處理模塊參照上述補償操作,將數(shù)據(jù)按方向維均勻劃分成8個區(qū)域到所有內核進行并行運算。首先,通過EDMA將每一組方向維的數(shù)據(jù)搬移到L2的動態(tài)變量temp1中,隨后對temp1進行方向維FFT處理并將結果存放在動態(tài)變量temp2中,將temp2與距離徙動補償函數(shù)H_rcm復數(shù)點乘后,將結果再次存放在temp1中。最后通過EDMA將temp1從L2搬移到DDR中。距離徙動校正的軟件處理流程如圖8所示。

圖8 距離徙動校正軟件處理流程Fig.8 Software processing flow of range migration correction

(4) 方位脈壓

方位脈壓與距離徙動校正模塊一樣都是對信號進行方向維處理,具體實現(xiàn)流程大致相同,不同的是方位脈壓模塊將動態(tài)變量temp1與H_az相點乘后,在方向維進行IFFT操作,即可得到最終結果。其中,H_az是方位匹配濾波函數(shù)。方位脈壓的軟件處理流程如圖9所示。

圖9 方位脈壓軟件處理流程Fig.9 Software processing flow of azimuth pulse pressure

需要注意的是,H_rcm和H_az的構造方式與H_rep和H_fdc不同,前者是在算法處理過程中按照方向維一組一組構造的,存放在L2中,后者是在進行算法處理之前構造的,放在共享內存中。這是因為H_rcm和H_az所占的內存空間很大,只能儲存在DDR中,但內核對L2的存取速率高于DDR,所以采用在L2中按組構造補償因子的方法提高算法執(zhí)行效率。

2.2.3 性能優(yōu)化

在完成成像算法的軟件設計后,為了加快代碼的運行效率,提高程序性能,本文采用了以下2種方法進行優(yōu)化。

(1) 編譯器優(yōu)化

C/C++編譯器在應用過程中可進行高級和低級優(yōu)化,其中前者主要是針對變量、寄存器、函數(shù)相關的對象進行優(yōu)化。后者則是在代碼生成器內處理,主要負責調整代碼尺寸,優(yōu)化代碼。最簡單的激活優(yōu)化的方法是使用編譯程序,在編譯器命令行可以指定優(yōu)化級別控制優(yōu)化的類型和程度,本文主要采用O3優(yōu)化對編譯器進行處理。

(2) 內聯(lián)函數(shù)與循環(huán)展開

在DSP軟件實現(xiàn)過程中,為更好地滿足代碼的可移植性要求,常采用C語言進行編程,然而C語言編譯器無法將DSP的處理性能充分發(fā)揮。匯編語言可以直接對芯片內部寄存器進行操作提高代碼運行效率,但是編程難度大,開發(fā)效率低。與線性匯編類似,內聯(lián)函數(shù)可以充分利用DSP芯片大位寬、并行處理的性能,同時又可以像C語言一樣實現(xiàn)參數(shù)的傳遞增強代碼的可讀性與復用性。因此,在底層函數(shù)編寫過程中,先使用C語言進行功能實現(xiàn),再通過內聯(lián)函數(shù)優(yōu)化程序。德州儀器(Texas instruments, TI)提供的庫函數(shù)可以執(zhí)行FFT、IFFT和四則運算等處理,基本滿足使用需求,但是TI庫中并沒有提供SAR成像算法中常用的復數(shù)點乘、求指等函數(shù),這就需要手動實現(xiàn)對應的運算。本文中,復數(shù)點乘、求指、頻譜搬移等運算都使用了內聯(lián)函數(shù)進行優(yōu)化,以復數(shù)點乘為例,在運算處理時合并了4次32位乘法和2次32位加法,轉換為1次64位乘法運算,減少了時間開銷。此外,還在for循環(huán)中執(zhí)行展開處理,即一個循環(huán)可以計算多組數(shù)據(jù),這可以減少循環(huán)次數(shù)提升資源利用率。

3 仿真結果與分析

系統(tǒng)測試環(huán)境如圖10所示,整個系統(tǒng)綜合化設計,采用統(tǒng)一的軟件進行管理及控制,人機交互友好。采用圖形化用戶界面工具編寫上位機軟件可以控制整個系統(tǒng)的啟止,還可以通過以太網口與硬件平臺進行數(shù)據(jù)交互,實現(xiàn)回波數(shù)據(jù)下發(fā)與成像結果顯示等功能。

圖10 系統(tǒng)測試環(huán)境示意圖Fig.10 Schematic diagram of system test environment

3.1 點目標數(shù)據(jù)成像結果驗證

為了說明星載雙基FMCW SAR成像算法工程化實現(xiàn)的正確性,在對算法的性能進行仿真分析時,應用了點目標仿真數(shù)據(jù),其主要參數(shù)如表1所示。

表1 仿真參數(shù)Table 1 Parameter of simulation

圖11(a)和圖11(b)分別是仿真結果和DSP處理結果。對比分析可發(fā)現(xiàn),DSP處理結果與仿真結果基本一致,為進一步分析成像效果,圖12和圖13給出了圖像中心點的二維剖面對比圖。

圖11 成像結果對照圖Fig.11 Comparison of imaging results

圖12 距離向剖面對比圖Fig.12 Distance direction profile contrast diagram

圖13 方位向剖面對比圖Fig.13 Azimuth direction profile contrast diagram

對圖像中心點的二維剖面圖進行評估分析,可以得到距離維和方向維的峰值旁瓣比(peak side lobe ratio, PSLR)和積分旁瓣比(integrated sidelobe level ratio, ISLR),如表2所示。

表2 點目標性能指標Table 2 Point target performance indicator dB

由表2可知,相對于仿真結果,DSP處理結果中的PSLR和ISLR性能指標有所下降,這是因為仿真計算在處理數(shù)據(jù)時默認為雙精度浮點型,但DSP中采用單精度浮點型數(shù)據(jù)進行成像處理,這會導致數(shù)據(jù)精度下降,但最終成像效果差距很小,可以滿足實際應用中的成像需求。

3.2 目標場景數(shù)據(jù)成像結果驗證

在經過對點目標仿真數(shù)據(jù)的處理驗證后,需要更接近實際目標場景的回波數(shù)據(jù)來驗證成像算法工程化實現(xiàn)的有效性。但實驗所需的回波數(shù)據(jù)需要基于衛(wèi)星載體飛行采集,目前尚無法獲得實際數(shù)據(jù),因此本文主要采用模擬機載數(shù)據(jù)進行驗證,實驗所需參數(shù)配置如表3所示。

表3 SAR回波模擬參數(shù)配置Table 3 SAR echo simulation parameter configuration

將模擬得到的回波數(shù)據(jù)傳輸?shù)紻SP端進行成像處理,并將最終成像結果發(fā)送到上位機顯示,圖14(a)、圖14(b)和圖14(c)分別是目標場景圖、仿真結果和DSP處理結果。

圖14 成像結果對照圖Fig.14 Comparison of imaging results

由圖14可知,目標場景中的建筑、車輛等信息被成功分辨出來,驗證了算法的準確性,此外,基于國產化信號處理機實現(xiàn)的成像算法結果與理論仿真結果是一致的,充分驗證了基于FT-M6678多核DSP的成像處理架構的有效性與可靠性。

3.3 實時性分析

本文主要采用了編譯器優(yōu)化和內聯(lián)函數(shù)循環(huán)展開的方式對代碼進行優(yōu)化。優(yōu)化完成后,使用DSP內部計時函數(shù)對算法各模塊的運算時間進行統(tǒng)計,表4給出了優(yōu)化前后各模塊處理時間。

表4 優(yōu)化前后各模塊耗時統(tǒng)計Table 4 Time statistics of each module before and after optimization s

由表4可知,優(yōu)化后算法各模塊加速效果顯著。在輸入回波數(shù)據(jù)大小為8 192×2 048(方位向×距離向)的情況下,該軟件處理架構能夠在3 s內獲得一副8 192×2 048的SAR圖像,可以滿足實時處理需求。

4 結 論

本文基于FT-M6678多核DSP設計適用于星載雙基FMCW SAR成像算法的并行處理方案,并對算法流程中的補償處理、轉置、距離徙動校正和方位脈壓模塊進行流程設計與資源分配,然后通過編譯器優(yōu)化和內聯(lián)函數(shù)循環(huán)展開的方式優(yōu)化代碼,提高程序性能。最后,對比仿真結果與調試結果驗證該軟件架構可以滿足星載FMCW SAR成像的準確性與實時性需求。后續(xù)可以將單片F(xiàn)T-M6678處理器拓展至多片協(xié)同處理,提高系統(tǒng)成像效率。