專利名稱：基于gpu架構的分段歸一化最小均方誤差雜波對消方法
基于GPU架構的分段歸一化最小均方誤差雜波對消方法本發明屬于雷達技術領域，主要涉及雜波對消的實現方法，具體來說就是一種基于GPU架構的分段歸一化最小均方誤差雜波對消方法，可在數學仿真軟件MATLAB和微軟提供的軟件集成開發平臺Visual studio上,快速進行雜波對消。
背景技術：
雜波對消廣泛應用于各種信號處理系統中，特別是外輻射雷達信號處理系統。雜波抑制一般位于信號處理的前端，是整個信號處理中最重要的模塊，雜波抑制的好壞直接影響著后續信號處理的性能高低。雜波對消處理的主要是強直達波、多徑雜波干擾的問題，通過主、輔兩個通道的信號相關來對消主通道中摻雜的雜波，理想的情況下，主通道中的雜波可以被完全抑制掉。雜波對消主要有最小均方誤差LMS、直接矩陣求逆SMI和遞歸最小二乘RLS三種方法。歸一化最小均方誤差NLMS屬于最小均方誤差LMS的升級方法，結構簡單，運算量小，但難于進行實時對消處理，如何提高NLMS的處理速度是實現實時對消處理的一個關鍵問題。現有技術中，NLMS雜波對消是基于CPU架構實現的，雜波對消速度受到了硬件的限制，不能滿足各種信號處理系統的需求。
發明內容
本發明的目的在于針對上述基于CPU架構的NLMS雜波對消的不足，提出一種基于GTO架構的分段歸一化最小均方誤差雜波對消方法，在不損失處理精度的情況下，實現雜波對消的實時處理，滿足各種實時信號處理系統的需求。本發明的技術思路是:把雜波對消分兩段分別進行，利用圖形處理器GPU強大的數據并行能力，對雜波對消中涉及到的矩陣運算進行并行加速，實現雜波對消的實時處理。為實現上述目的，本發明方法包括如下步驟:(I)在CPU主機端對歸一化最小均方誤差NLMS濾波器的參數進行初始化:(Ia)將雷達目標信號、雜波信號和噪聲信號作為歸一化最小均方誤差NLMS濾波器主通道的接收信號sig ;將雜波信號和噪聲信號作為歸一化最小均方誤差NLMS濾波器輔助通道的接收信號ref，這兩種信號sigaef的數據長度S根據接收信號的采樣率設定，并根據雜波強度設定雜波對消階數值C ；(Ib)把歸一化最小均方誤差NLMS濾波器主通道信號sig分為兩段，記為sigl、sig2,把輔助通道信號ref分為兩段,記為refl、ref2 ;sigl、sig2、refl、ref2數據長度均為SI，sigl和sig2及refl和ref2重疊的數據長度均為L ；(Ic)在CPU主機端分配雜波對消所需的內存、顯存資源；(Id)設歸一化最小均方誤差NLMS雜波對消分段后，雜波對消權向量wlex1、w2cxl的初始值均為
CX1 ；(Ie)設雜波對消初始時刻迭代初值Ip I2均為O ;(If)設歸一化最小均方誤差NLMS雜波對消分兩段后，誤差信號初始值分別為:el=sigl、e2 = sig2 ；(Ig)在CPU主機端，把主通道信號sig、輔助通道信號ref的數據加載到CPU內存中；(2)在CPU主機端上創建兩個雜波對消的工作線程；(3)選擇兩塊能支持計算統一設備架構CUDA的圖形處理器GPU，并將兩塊圖形處理器GPU與兩個工作線程進行連接；(4)分別確定調用一次圖形處理器GPU內核函數所能計算出的數據點數M，調用GPU內核函數的次數N及分段后的數據長度SI ；(5)每個CPU工作線程在圖形處理器GPU設備端加載各自分段后的主通道、輔助通道信號數據，分別存入sigl、refl、sig2、ref2中，即:
權利要求
1.一種基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于包括如下步驟: (1)在CPU主機端對歸一化最小均方誤差NLMS濾波器的參數進行初始化: (Ia)將雷達目標信號、雜波信號和噪聲信號作為歸一化最小均方誤差NLMS濾波器主通道的接收信號sig ;將雜波信號和噪聲信號作為歸一化最小均方誤差NLMS濾波器輔助通道的接收信號ref，這兩種信號sigief的數據長度S根據接收信號的采樣率設定，并根據雜波強度設定雜波對消階數值C ； (Ib)把歸一化最小均方誤差NLMS濾波器主通道信號sig分為兩段，記為sigl、sig2,把輔助通道信號ref分為兩段,記為refl、ref2 ;sigl、sig2、refl、ref2數據長度均為SI,sigl和sig2及refl和ref2重疊的數據長度均為L ； (Ic)在CPU主機端分配雜波對消所需的內存、顯存資源； (Id)設歸一化最小均方誤差NLMS雜波對消分段后，雜波對消權向量wlex1、w2exi的初始值均為
CX1 ； (Ie)設雜波對消初始時刻迭代初值Ip I2均為O ; (If)設歸一化最小均方誤差NLMS雜波對消分兩段后，誤差信號初始值分別為:el =sigl、e2 = sig2 ； (Ig)在CPU主機端，把主通道信號sig、輔助通道信號ref的數據加載到CPU內存中； (2)在CPU主機端上創建兩個雜波對消的工作線程； (3)選擇兩塊能支持計算統一設備架構CUDA的圖形處理器GPU，并將兩塊圖形處理器GPU與兩個工作線程進行連接； (4)分別確定調用一次圖形處理器GPU內核函數所能計算出的數據點數M，調用GPU內核函數的次數N及分段后的數據長度SI ； (5)每個CPU工作線程在圖形處理器GPU設備端加載各自分段后的主通道、輔助通道信號數據，分別存入sigl、refl、sig2、ref2中，即: sigl = sig[12...S1-1S1]S1X1, refl = ref [12...S1_1S1]S1X1， sig2 = sig[Sl-L+lSl-L+2...S_lS]slxl， ref2 = ref [S1-L+1S1-L+2...S_lS]slxl ； (6)在兩塊圖形處理器GPU設備端上，分別調用內核函數進行歸一化最小均方誤差NLMS雜波對消處理: (6a)設兩個內核函數的線程格grid均為(1，I)，線程塊block均為(C，1)，其中，其中(I, I)表示內核函數由一個線程塊block組成，(C，I)表示線程塊block由C個圖形處理器GPU線程組成； (6b)在兩塊圖形處理器GPU設備端上，分別設置各自迭代初值為^ = 0、k2 = O ; (6c)在第一塊圖形處理器GPU設備端上，獲取!^+I1XM時刻的主通道信號+c+/,xM 丄丄li和輔助通道參考信號U (6d)在第二塊圖形處理器GPU設備端上，獲取k2+l2 XM時刻的主通道信號和輔助通道參考信號； (6e)在兩塊圖形處理器GPU設備端上，利用!^+I1XM時刻和k2+l2XM時刻的主通道信號、Wg2i2+r+;2xM湘輔助通道參考信號χ2 2 ,分別計算這兩個時刻的誤差信號
2.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其中步驟(4)所述的確定調用一次圖形處理器GPU內核函數所能計算出的數據點數M，調用GPU內核函數的次數N及分段后的數據長度SI，按如下步驟進行: (4a)根據關系式M = mXC+1, m = 0，1，...，8, C表示雜波對消階數的值,選擇m確定調用一次GPU內核函數所能計算出的數據點數M ;(4b)根據關系式 MXN+C-1 = SI 和 S/2 < SI < S，N = 1，2，...，S1-C+1，選擇一個 N值，計算出SI。
3.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于步驟^c)所述的在第一塊圖形處理器GPU設備端上，獲取Iidl1XM時刻的主通道信號和輔助通道參考信號Xlii ,按如下步驟進行: (6cl)在該塊圖形處理器GPU的設備端上，直接讀取!^+I1XM時刻的主通道信號
4.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于步驟^d)所述的在第二塊圖形處理器GPU設備端上，獲取k2+l2XM時刻的主通道信號和輔助通道參考信號X2& ,按如下步驟進行:(6dl)在該塊圖形處理器GPU的設備端上，直接讀取k2+l2XM時刻的主通道信號S^S^k2+C+l^xAi ’ (6d2)在該塊圖形處理器GPU的設備端上，先讀取k2+l2XM時刻的輔助通道信號reflh+c+hxM，再將其向前滑動c個采樣周期，c表示雜波對消階數的值，即得到輔助通道參考信號Xl2:
5.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于所述步驟(6e)中計算!^+I1XM時刻的誤差信號el
6.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于所述步驟(6e)中計算k2+l2XM時刻的誤差信號k+C+ψΜ，按如下公式計算:
7.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于所述步驟(6f)中計算步長因子μ 1、μ 2，按如下公式進行:
8.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于所述步驟^g)中更新雜波對消權向量Wla1，按如下步驟進行: (6gl)在第一塊圖形處理器GPU設備端上，計算中間矩陣:
9.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于所述步驟^g)中更新雜波對消權向量W^xi，按如下步驟進行: (6g3)在第二塊圖形處理器GPU設備端上，計算中間矩陣:
10.根據權利要求1所述的基于GPU架構的分段歸一化最小均方誤差雜波對消方法，其特征在于所述步驟(11)中將誤差信號el、e2拼接成長度為S的誤差信號e，將誤差信號e2中后Sl-L點數據連接到誤差信號el的末尾，得到長度為S的誤差信號:e = [el [1...SI]e2[L+l...SI]]sx!。
全文摘要
本發明公開了一種基于GPU架構的分段歸一化最小均方誤差雜波對消方法，主要解決傳統基于CPU架構的自適應雜波對消處理難于實現并行和實時處理的問題。其實現步驟為在CPU主機端對雜波對消的參數進行初始化，將雜波對消的數據分成兩段，分別傳輸至不同的圖形處理器GPU顯存中；兩塊GPU對歸一化最小均方誤差NLMS雜波對消處理涉及到的所有運算進行并行加速，分別得到各自進行雜波對消后的數據；并把兩段雜波對消后的數據傳輸至內存中，CPU將兩段對消后的數據拼接成一段完整的數據繼續后續的處理。本發明具有硬件平臺搭建簡單、穩定性好、運算速度快、精度高、數據擴展性強、易于開發的優點，可用于實際工程中雜波對消實時處理。
文檔編號G06F19/00GK103226648SQ201310090569
公開日2013年7月31日 申請日期2013年3月20日 優先權日2013年3月20日
發明者王俊, 武勇, 湯濤, 夏斌 申請人:西安電子科技大學