張佳佳，姜衛(wèi)東，李 寬

（1.國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院，湖南 長沙410073；2.國防科學(xué)技術(shù)大學(xué)計(jì)算機(jī)學(xué)院，湖南 長沙410073）

1 引言

在逆合成孔徑雷達(dá)（ISAR）成像中，包絡(luò)對齊是決定成像質(zhì)量的關(guān)鍵技術(shù)。包絡(luò)對齊的經(jīng)典算法有最大互相關(guān)法［1～3］、最小熵法［4］、峰值最大法，最大互相關(guān)法包括相鄰互相關(guān)法［1］、積累互相關(guān)法［2］以及整體互相關(guān)法［3］。積累互相關(guān)法和最小熵法性能較好，然而兩者對齊精度直接受限于雷達(dá)距離分辨單元。超分辨技術(shù)［5］可以提高距離分辨率，但是該方法需要足夠的信噪比，工程上難于實(shí)現(xiàn)。而巧妙利用Fourier變換的頻域移位性質(zhì)，可以縮短包絡(luò)對齊處理步長，有效減小一維距離像對齊誤差［6］。

本文采用加矩形窗的積累互相關(guān)法獲得粗對齊包絡(luò)，而后基于頻移因子利用最小熵準(zhǔn)則調(diào)整對齊結(jié)果。一般ISAR 成像原始回波數(shù)據(jù)量大，互相關(guān)法和最小熵法計(jì)算量都很大，在序列成像、實(shí)時成像等條件下對計(jì)算資源是一大挑戰(zhàn)。為提高包絡(luò)對齊速度，文獻(xiàn)中出現(xiàn)多種方案：基于GPU 的最 小 熵 包 絡(luò) 對 齊 法［7］、FPGA 加 多 片 單 核DSP 的ISAR 實(shí)時成像［8］、基于多核DSP的信號處理平臺減少對齊時間［9］等硬件處理手段，但是硬件優(yōu)化結(jié)構(gòu)研制和改進(jìn)周期長、費(fèi)用高昂且維護(hù)不便。

針對上述問題，考慮到CPU 計(jì)算性能飛速提升以及多核處理器的廣泛應(yīng)用，本文提出基于OpenMP（Open Multi－Processing）［10］共享存儲的包絡(luò)對齊優(yōu)化算法，分別將互相關(guān)法和最小熵法劃分為多個獨(dú)立任務(wù)，利用OpenMP 將各任務(wù)映射到不同線程中并行執(zhí)行，充分利用多核處理器資源，提高程序運(yùn)行效率。實(shí)驗(yàn)結(jié)果顯示，并行算法加速效果明顯，加速效率最高可達(dá)98%，并且該方法無需額外硬件支持，費(fèi)用低廉，易于實(shí)現(xiàn)。

2 包絡(luò)對齊算法

逆合成孔徑雷達(dá)成像經(jīng)典算法為距離－多普勒（R－D）成像算法，包含三個步驟：距離壓縮、運(yùn)動補(bǔ)償和方位壓縮，運(yùn)動補(bǔ)償又由包絡(luò)對齊和相位補(bǔ)償組成。R－D 算法如圖1所示。

Figure 1 Range－Doppler algorithm圖1 ISAR 成像距離－多普勒算法

由圖1知，包絡(luò)對齊的前提是原始回波的距離壓縮，其實(shí)質(zhì)為對每個脈沖回波進(jìn)行FFT 獲得相應(yīng)的一維距離像。而由于目標(biāo)相對于雷達(dá)的平動，距離像之間出現(xiàn)未對齊現(xiàn)象。本文包絡(luò)對齊分兩步：加矩形窗的積累互相關(guān)對齊和基于頻移因子的最小熵對齊。

加矩形窗的積累互相關(guān)算法中，參考包絡(luò)是窗長的已對齊包絡(luò)的加權(quán)和產(chǎn)生的合成包絡(luò)（此處為矩形窗加權(quán)，即權(quán)值都為1，窗長盡可能大）。本文對參考包絡(luò)和待對齊包絡(luò)分別進(jìn)行FFT 處理，F(xiàn)FT 結(jié)果相乘，之后進(jìn)行IFFT 處理獲得粗對齊一維距離像，如圖2所示。

Figure 2 Accumulated cross correlation algorithm based on rectangular window圖2 加矩形窗的積累互相關(guān)包絡(luò)對齊法

基于頻移因子的最小熵法以積累互相關(guān)得出的每次回波的對齊偏移量τi為中心，在［τi－Δτ，τi＋Δτ］ 內(nèi) 求 得L個 頻 移 因 子 exp（j2πτilΔfnTs）（Δf為FFT 頻譜分辨單元，Ts為脈內(nèi)采樣周期），與該次回波si（）n相乘，然后依據(jù)最小熵準(zhǔn)則調(diào)整互相關(guān)對齊精度，如圖3所示。

Figure 3 Minimum entropy range alignment algorithm based on frequency shifting property圖3 基于頻移因子的最小熵包絡(luò)對齊法

3 包絡(luò)對齊并行策略

3.1 OpenMP簡介

OpenMP［11］是共享存儲多核處理器編寫并行程序的一套編程接口，由環(huán)境變量、編譯制導(dǎo)指令以及支持它的函數(shù)庫組成。OpenMP 并行執(zhí)行模型為分叉－合并（Fork－Join）模式（如圖4所示）：程序開始時，主線程串行執(zhí)行；遇到派生點(diǎn)后，主線程創(chuàng)建并行線程隊(duì)列，執(zhí)行并行區(qū)代碼；并行代碼執(zhí)行完畢，派生線程掛起或退出，由主線程繼續(xù)執(zhí)行串行程序，直到遇到下一個派生點(diǎn)。

Figure 4 Fork－Join pattern of OpenMP圖4 OpenMP分叉－合并模型

使用OpenMP 開發(fā)并行程序簡單且通用性強(qiáng)，無需關(guān)注并行化細(xì)節(jié)。在源代碼中加入合適的＃pragma編譯指導(dǎo)指令，編譯器自動并行化程序。OpenMP與編譯器無關(guān)，開發(fā)平臺不支持OpenMP時，編譯器自動忽略＃pragma指令，程序轉(zhuǎn)為串行代碼順序編譯并正常運(yùn)行。

3.2 包絡(luò)對齊的并行設(shè)計(jì)思想

包絡(luò)對齊數(shù)據(jù)流為二維矩陣，算法以距離像包絡(luò)為單位循環(huán)執(zhí)行對齊任務(wù)。因此，本文主要是對循環(huán)部分進(jìn)行并行化設(shè)計(jì)，研究帶有循環(huán)結(jié)構(gòu)的大數(shù)據(jù)量計(jì)算的并行方法時，首先分析計(jì)算數(shù)據(jù)之間的相關(guān)性，然后討論計(jì)算執(zhí)行時的數(shù)據(jù)劃分方法，最后進(jìn)行必要的調(diào)整。

原始回波數(shù)據(jù)矩陣由回波個數(shù)和回波采樣點(diǎn)數(shù)組成，一般回波個數(shù)和采樣點(diǎn)數(shù)都較大。距離壓縮時各個脈沖回波相互獨(dú)立，循環(huán)對每個回波進(jìn)行FFT 處理，因此只需在循環(huán)外直接使用OpenMP指令即可有效實(shí)現(xiàn)程序并行優(yōu)化。包絡(luò)對齊基于相鄰脈沖回波的強(qiáng)相關(guān)性，當(dāng)前回波的參考信號依賴前面矩形窗長的已對齊回波距離像包絡(luò)，但是與矩形窗外回波相關(guān)性較小，而且脈沖回波數(shù)目遠(yuǎn)遠(yuǎn)大于矩形窗內(nèi)回波數(shù)目，因此，本文提出依據(jù)處理器核數(shù)對回波數(shù)據(jù)進(jìn)行均勻分塊，每塊回波數(shù)目遠(yuǎn)大于窗長，能夠大大消除數(shù)據(jù)塊間的相關(guān)性。同時，為保證對齊質(zhì)量，本文提出由第一塊待對齊數(shù)據(jù)獲得的參考信號作為其它各塊待對齊回波的參考距離像。因此，本文在多核處理器上進(jìn)行數(shù)據(jù)分塊并行執(zhí)行包絡(luò)對齊任務(wù)，既保證對齊質(zhì)量，又提高對齊速度。

3.3 距離壓縮并行方法

由于原始回波數(shù)目大，各次回波循環(huán)執(zhí)行FFT，OpenMP利用函數(shù)omp＿set＿num＿threads（）設(shè)置線程數(shù)目，編譯指導(dǎo)指令＃pragma omp for直接作用于循環(huán)語句，程序即自動依照線程數(shù)目并行執(zhí)行循環(huán)運(yùn)算，有效減少距離壓縮時間且實(shí)現(xiàn)簡單。

3.4 加矩形窗的積累互相關(guān)并行方法

積累互相關(guān)包絡(luò)對齊是每個待對齊一維距離像與參考距離像進(jìn)行互相關(guān)得到粗對齊一維距離像。首先，根據(jù)處理器核數(shù)n，將待對齊數(shù)據(jù)順序均勻分成n塊，利用OpenMP 編譯指導(dǎo)指令＃pragma omp section將各塊數(shù)據(jù)分配到各線程，每個線程參考包絡(luò)都使用第一塊數(shù)據(jù)獲得的參考包絡(luò)以保證對齊質(zhì)量。整個并行互相關(guān)運(yùn)算就是各塊待對齊數(shù)據(jù)分別與參考包絡(luò)在各線程中并行執(zhí)行互相關(guān)，執(zhí)行結(jié)果合并即為粗對齊一維距離像，并行過程如圖5所示。

3.5 基于頻移因子的最小熵并行方法

Figure 5 Parallel accumulated cross correlation algorithm圖5 積累互相關(guān)并行方法

該模塊依據(jù)處理器核數(shù)n，將粗對齊數(shù)據(jù)均勻分為n塊，第一塊數(shù)據(jù)計(jì)算得到參考距離像作為其它各塊數(shù)據(jù)的參考包絡(luò)，利用OpenMP 編譯指導(dǎo)指令＃pragma omp section自動將各塊數(shù)據(jù)與參考數(shù)據(jù)分配到各線程，并行執(zhí)行基于頻移因子的最小熵運(yùn)算，并行過程如圖6所示。此時，各數(shù)據(jù)塊的數(shù)據(jù)量基本相同，運(yùn)算量相當(dāng)，因此各線程負(fù)載均衡，并行執(zhí)行效率高。

Figure 6 Parallel minimum entropy algorithm圖6 最小熵并行方法

4 實(shí)驗(yàn)性能評測與結(jié)果分析

4.1 實(shí)驗(yàn)性能評測標(biāo)準(zhǔn)

為方便描述并行性能，采用傳統(tǒng)的加速比和效率性能評價標(biāo)準(zhǔn)。加速比定義為：

其中，Ts是串行算法單線程運(yùn)行時間，Tp是并行算法在多核處理器上用P個核并行處理運(yùn)行時間。

效率定義為：

其中，P為處理器核數(shù)。相同線程下加速比越大，并行效率越高，則并行程序性能越好。

4.2 算法并行效率理論分析

本文包絡(luò)對齊并行方法為依據(jù)線程數(shù)目n對各算法輸入數(shù)據(jù)進(jìn)行分塊處理，即輸入數(shù)據(jù)分為n塊共同執(zhí)行各處理算法，故而理論上各算法并行執(zhí)行時間為串行程序耗時的1/n倍，加速比達(dá)到n，并行效率高達(dá)100%。但是，由于算法程序無法完全并行化、計(jì)算機(jī)性能的影響以及多核處理器共享內(nèi)存訪問帶寬增大訪問開銷，導(dǎo)致并行效率無法達(dá)到理論數(shù)值，后續(xù)工作應(yīng)該盡可能減少搶占內(nèi)存資源帶來的訪問開銷。

4.3 實(shí)驗(yàn)結(jié)果

本文使用Microsoft Visual Studio 2010開發(fā)工具，采用OpenMP 并行編程接口設(shè)計(jì)并行優(yōu)化程序。仿真實(shí)驗(yàn)平臺為八核處理器Intel（R）Core（TM）i7－4770CPU ＠3.40GHz，16GB內(nèi)存，64位操作系統(tǒng)。實(shí)驗(yàn)數(shù)據(jù)為1 024×1 001的雷達(dá)回波數(shù)據(jù)，即單脈沖采樣點(diǎn)數(shù)1 024點(diǎn)，脈沖回波個數(shù)為1 001個，數(shù)據(jù)大小為7 104KB。

實(shí)驗(yàn)分為距離壓縮和包絡(luò)對齊兩部分。為提高對齊精度，包絡(luò)對齊分兩個模塊：積累互相關(guān)對齊模塊和最小熵對齊模塊。因此，距離壓縮、互相關(guān)法和最小熵法為三個獨(dú)立模塊，包絡(luò)對齊是互相關(guān)法與最小熵法的整體執(zhí)行效果。文中用單線程以及2、4、6、8個線程分別進(jìn)行程序性能優(yōu)化處理，為了得到更直觀的視覺效果，四個模塊的執(zhí)行時間、加速比及并行效率用折線圖表示，如圖7～圖9所示。

Figure 7 Execution time of the serial and parallel algorithms圖7 各算法模塊串行、并行執(zhí)行時間（ms）

由圖7可知，包絡(luò)對齊法執(zhí)行時間略大于互相關(guān)模塊和最小熵模塊運(yùn)算時間的總和，完全符合互相關(guān)法和最小熵法共同執(zhí)行得到對齊包絡(luò)的事實(shí)。距離壓縮、互相關(guān)對齊和最小熵對齊模塊中，相同線程數(shù)目下，距離壓縮處理耗時最少，最小熵法計(jì)算量最大，且隨著線程數(shù)目增加，各模塊執(zhí)行時間逐漸減少，有效提高成像速度。

圖8顯示，隨著線程數(shù)目增加，各模塊加速比逐漸增大。相同線程數(shù)目下進(jìn)行程序優(yōu)化處理時，最小熵法加速比最大，這是因?yàn)樽钚§貙R運(yùn)算量最大，耗時最長，因此多線程性能優(yōu)化最好。但是，包絡(luò)對齊加速比反而小于最小熵模塊加速比，這是因?yàn)榛ハ嚓P(guān)包絡(luò)對齊法運(yùn)算復(fù)雜，多線程并行優(yōu)化性能較差，抑制包絡(luò)對齊整體優(yōu)化性能。

Figure 8 Speed－up of the four algorithms圖8 各算法模塊加速比

圖9為多線程并行優(yōu)化效率，并行線程數(shù)目較少時，并行效率高達(dá)95%以上，隨著線程數(shù)目增加，優(yōu)化效率降低，甚至八線程互相關(guān)并行效率降到50%以下，綜合圖7和圖8內(nèi)容，隨著線程個數(shù)達(dá)到一定數(shù)目，程序執(zhí)行時間減小速度下降且加速比增大速度降低，這是由于OpenMP 是基于共享存儲的并行編程模型，多核處理器共享內(nèi)存訪問帶寬，線程過多會搶占帶寬資源，增大內(nèi)存訪問開銷。但是，最小熵模塊的八線程并行效率依然在60%以上，而且最小熵法各線程并行效率和加速比都高于其他模塊，這是因?yàn)樽钚§靥幚碛?jì)算量大，并行性能優(yōu)化空間大，即耗時長的程序比耗時短的程序優(yōu)化效果更明顯。然而，盡管互相關(guān)法加速比不高，并行效率低，但是相對于最小熵方法，其執(zhí)行時間較短，故而綜合積累互相關(guān)對齊和最小熵對齊的并行效果，包絡(luò)對齊整體優(yōu)化性能較好。因此，多線程并行算法并不是線程越多越好，要根據(jù)數(shù)據(jù)量、算法計(jì)算量以及算法復(fù)雜程度選擇適當(dāng)?shù)木€程數(shù)目進(jìn)行并行優(yōu)化。

Figure 9 Parallel efficiency of the four algorithms圖9 各算法模塊并行效率

5 結(jié)束語

本文設(shè)計(jì)了基于OpenMP的包絡(luò)對齊并行方法，在多核處理器上對程序進(jìn)行多線程并行優(yōu)化。從減少程序執(zhí)行時間和保證對齊質(zhì)量著手，對計(jì)算數(shù)據(jù)分塊，各塊數(shù)據(jù)并行執(zhí)行對齊任務(wù)。仿真實(shí)驗(yàn)結(jié)果表明，包絡(luò)對齊的多線程并行處理有效縮短對齊時間，提高一維距離成像速度，為ISAR 成像的實(shí)時性提供條件。

本文是在多核處理器上進(jìn)行包絡(luò)對齊并行優(yōu)化研究，在未來的工作中，針對雷達(dá)處理上的多種復(fù)雜算法，考慮使用消息傳遞機(jī)制MPI實(shí)現(xiàn)多機(jī)并行優(yōu)化，以及使用GPU（CUDA）實(shí)現(xiàn)異構(gòu)加速。

［1］ Chen C C，Andrews H C.Target－motion－induced radar imaging［J］.IEEE Transactions on Aerospace Electronic Systems，1980，16（1）：2－14.

［2］ Delisle G Y，Wu H Q.Moving target imaging and trajectory computation using ISAR［J］.IEEE Transactions on Aerospace Electronic Systems，1994，30（3）：887－899.

［3］ Xing Meng－dao，Bao Zheng，Zheng Yi－ming.Rang alignment using global optimization criterion in ISAR imaging［J］.Acta Electronic Sinica，2001，29（12A）：1807－1811.（in Chinese）

［4］ Wang Gen－yuan，Bao Zheng.The minimum entropy criterion of range alignment in ISAR motion Compensation［C］∥Proc of Conference Radar，1997：236－239.

［5］ Wang Kun，Luo Lin，Bao Zheng.Using super resolution technique improve range alignment accuracy of ISAR imaging［J］.Journal of Xidian University，1997，24（Supp）：109－115.（in Chinese）

［6］ Liu Ai－fang，Li Yu－sheng，Zhu Xiao－h(huán)ua.ISAR range alignment using improved envelope minimum entropy algorithm［J］.Journal of Signal Processing，2005，21（1）：49－51.（in Chinese）

［7］ Shi Xin－liang，Xie Xiao－chun.GPU acceleration of range alignment based on minimum entropy criterion［C］∥Proc of IET International Radar Conference 2013，2013：1－4.

［8］ Yang Jian，Du Lin－lin，Xin Yu－lin，et al.Real－time ISAR imaging of multilevel parallel processing based on R－D method［J］.Journal of Astronautics，2010，31（5）：1427－1432.（in Chinese）

［9］ Guo Rui，Zhang Yue，Sun Gang，et al.Research on ISAR real－time imaging technology using multicore DSP［J］.Journal of Signal Processing，2013，29（9）：1238－1243.（in Chinese）

［10］ OpenMP application program interface version 3.0［EB/OL］.［2010－10－10］.http：//www.openmp.org/mp－documents/spec30.pdf.

［11］ Cai Jia－jia，Li Ming－shi，Zheng Feng.OpenMP－based parallel computation on multi－core PC［J］.Computer Technology and Development，2007，17（10）：88－91.（in Chinese）

附中文參考文獻(xiàn)：

［3］ 邢孟道，保錚，鄭義明.用整體最優(yōu)準(zhǔn)則實(shí)現(xiàn)ISAR 成像的包絡(luò)對齊［J］.電子學(xué)報(bào)，2001，29（12A）：1807－1811.

［5］ 王琨，羅琳，保錚.應(yīng)用超分辨技術(shù)提高逆合成孔徑雷達(dá)成像包絡(luò)對齊精度［J］.西安電子科技大學(xué)學(xué)報(bào)，1997，24（增刊）：109－115.

［6］ 劉愛芳，李彧晟，朱曉華.用改進(jìn)的包絡(luò)最小熵法進(jìn)行包絡(luò)對齊［J］.信號處理，2005，21（1）：49－51.

［8］ 楊劍，杜琳，辛玉林，等.基于多級并行處理的R－D 方法的ISAR 實(shí)時成像［J］.宇航學(xué)報(bào)，2010，31（5）：1427－1432.

［9］ 郭瑞，張?jiān)?，孫剛，等.多核DSP上的ISAR 實(shí)時成像技術(shù)研究［J］.信號處理，2013，29（9）：1238－1243.

［11］ 蔡佳佳，李名世，鄭鋒.多核微機(jī)基于OpenMP的并行計(jì)算［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2007，17（10）：88－91.