韓向清，俞育新，任塨曄，付 林

(1.中國(guó)船舶集團(tuán)有限公司第八研究院，南京 211153；2.91007部隊(duì)，浙江 舟山 316000)

0 引 言

隨著新體制雷達(dá)的不斷涌現(xiàn)以及電磁環(huán)境的愈加復(fù)雜，對(duì)雷達(dá)輻射源信號(hào)的準(zhǔn)確、實(shí)時(shí)分選愈加困難[1]。在相控陣體制下，被動(dòng)探測(cè)雷達(dá)利用數(shù)字波束技術(shù)可以產(chǎn)生多個(gè)獨(dú)立的同時(shí)接收波束，其接收的信號(hào)可能來(lái)自多個(gè)方位，且外部環(huán)境信號(hào)復(fù)雜密集，導(dǎo)致需要從海量信號(hào)數(shù)據(jù)中實(shí)時(shí)提取輻射源有效信息以實(shí)時(shí)跟蹤目標(biāo)，這對(duì)被動(dòng)數(shù)據(jù)處理的實(shí)時(shí)性提出了更高要求。

針對(duì)高復(fù)雜電磁環(huán)境和高密度目標(biāo)環(huán)境下，被動(dòng)數(shù)據(jù)處理可能出現(xiàn)的緩存飽和導(dǎo)致不能正常接收、處理數(shù)據(jù)進(jìn)而導(dǎo)致的目標(biāo)增批、丟失、老化率較高等問(wèn)題，本文基于多CPU硬件環(huán)境，從接收/處理/統(tǒng)計(jì)等多任務(wù)并行計(jì)算、多CPU資源分析優(yōu)化分配、算法優(yōu)化等3個(gè)方面進(jìn)行了優(yōu)化設(shè)計(jì)，測(cè)試及試驗(yàn)結(jié)果表明上述優(yōu)化設(shè)計(jì)提高了被動(dòng)探測(cè)數(shù)據(jù)處理的實(shí)時(shí)性。

1 資源優(yōu)化設(shè)計(jì)

1.1 多任務(wù)并行處理

針對(duì)被動(dòng)數(shù)據(jù)處理過(guò)程中諸如接收大數(shù)鋸、小報(bào)文、目標(biāo)關(guān)聯(lián)、統(tǒng)計(jì)、分析等多樣性工程需求，設(shè)計(jì)以多任務(wù)并行方式來(lái)完成上述任務(wù)[2]。脈沖接收頻率最高，而小報(bào)文處理需要及時(shí)，目標(biāo)關(guān)聯(lián)等數(shù)據(jù)處理為最重要任務(wù)，統(tǒng)計(jì)及分析相對(duì)而言為輔助，根據(jù)這些需求將脈沖流接收、小報(bào)文接收、數(shù)據(jù)處理設(shè)為高優(yōu)先級(jí)任務(wù)；統(tǒng)計(jì)、分析等過(guò)程設(shè)為低優(yōu)先級(jí)任務(wù)，通過(guò)基于優(yōu)先級(jí)的多任務(wù)并行處理實(shí)現(xiàn)資源優(yōu)化分配[3]。

1.2 多CPU資源優(yōu)化分配

在多個(gè)CPU同時(shí)并行處理時(shí)，為充分利用硬件資源，需要考慮各CPU任務(wù)分配問(wèn)題[4]。

(1)根據(jù)任務(wù)進(jìn)行CPU任務(wù)劃分：

(a)假定使用N+1塊CPU完成數(shù)據(jù)處理任務(wù)，數(shù)據(jù)處理模塊設(shè)計(jì)為1+n模式，即1個(gè)中心處理模塊、n個(gè)分布式處理模塊，可設(shè)定CPU1和CPU2合稱為模塊1，CPU3和CPU4合稱為模塊2，以此類推，如圖1所示，各個(gè)模塊功能一致流程統(tǒng)一；

(b)設(shè)定一個(gè)CPU為中心處理模塊，如CPU0，中心處理模塊負(fù)責(zé)對(duì)外的高速海量數(shù)據(jù)接收和自動(dòng)分發(fā)、其他模塊資源使用情況統(tǒng)計(jì)等功能。

(c)考慮在實(shí)際應(yīng)用中占據(jù)主導(dǎo)位置的處理，使用CPU1的全部資源處理該任務(wù)，且該任務(wù)設(shè)定高優(yōu)先級(jí)，并負(fù)責(zé)當(dāng)前模塊與中心處理模塊數(shù)據(jù)交互。

(d)CPU2處理主導(dǎo)任務(wù)外的其他任務(wù)，該CPU的主導(dǎo)任務(wù)同樣設(shè)定優(yōu)先級(jí)較其他任務(wù)優(yōu)高。

各CPU之間的數(shù)據(jù)流示意圖見圖1。

圖1 各CPU間數(shù)據(jù)流示意圖

(2)根據(jù)資源使用率分發(fā)數(shù)據(jù)

資源優(yōu)化需使得各模塊處理的數(shù)據(jù)流盡可能均勻。中心處理CPU實(shí)時(shí)獲取模塊1、模塊2等硬件的資源使用率，并將數(shù)據(jù)發(fā)送至空閑的或資源使用率低的模塊，避免某一個(gè)模塊處理數(shù)據(jù)量大緩存飽和而另一個(gè)模塊處理數(shù)據(jù)少、資源分配不均的現(xiàn)象，如此在硬件資源一定情況下實(shí)現(xiàn)了資源的充分利用，數(shù)據(jù)流圖如圖2所示。

圖2 數(shù)據(jù)流發(fā)送示意圖

2 算法優(yōu)化設(shè)計(jì)

2.1 算法耗時(shí)對(duì)比

當(dāng)軟件編碼已經(jīng)完成，需要進(jìn)行處理速度提升，則需對(duì)任務(wù)中各函數(shù)的耗時(shí)進(jìn)行比較分析，確定哪些算法耗時(shí)大，有針對(duì)性地進(jìn)行優(yōu)化設(shè)計(jì)。

(1)通過(guò)軟件自帶的計(jì)算當(dāng)前時(shí)間函數(shù)可獲取不同算法耗時(shí)，某次仿真包含4種算法，各算法在不同時(shí)刻耗時(shí)如表1所示。

表1 不同算法耗時(shí)百分比(單位：%)

可以看出算法D較其他耗時(shí)多，考慮對(duì)該算法進(jìn)行優(yōu)化設(shè)計(jì)，效果更明顯。

(2)通過(guò)相關(guān)軟件查找各算法耗時(shí)，分析如下：

使用軟件獲取不同算法耗時(shí)，數(shù)據(jù)處理過(guò)程分為階段1和階段2，以某次仿真過(guò)程中使用打樁分析軟件獲得的各算法耗時(shí)為例，階段1大約160 μs執(zhí)行2次，階段2大約42 ms執(zhí)行7次，可見階段2耗時(shí)非常大，需對(duì)階段2對(duì)應(yīng)算法進(jìn)行針對(duì)性優(yōu)化設(shè)計(jì)。

2.2 算法優(yōu)化對(duì)比

(1)整型比較代替浮點(diǎn)型比較

算法中有較多for循環(huán)，編寫如下測(cè)試代碼：

N=1000000;i=0;j=0

for(i=0;i

{

if(j

{

k=i-j;

}

}

? 若k為int型，上述代碼耗時(shí)6.9 ms

? 若k為float型，上述代碼耗時(shí)37 ms

? 若j為int型，上述代碼耗時(shí)12 ms

? 若j為float型，上述代碼耗時(shí)53 ms

即：

浮點(diǎn)型計(jì)算比整型計(jì)算耗時(shí)多；

浮點(diǎn)型比較比整型比較耗時(shí)多；

浮點(diǎn)型判斷比整型判斷耗時(shí)多。

根據(jù)上述分析，對(duì)算法進(jìn)行優(yōu)化設(shè)計(jì)：在進(jìn)入處理之前將循環(huán)里float型變量進(jìn)行單位變換，變成int型再作差或比較，記錄到數(shù)組里，處理后再進(jìn)行單位逆變換。

(2)for循環(huán)使用優(yōu)化

雙層循環(huán)將循環(huán)體長(zhǎng)、次數(shù)多的放入內(nèi)層循環(huán)；

如數(shù)據(jù)有規(guī)律，通過(guò)哈希法等方法替代循環(huán)，減少循環(huán)層數(shù)；

如果循環(huán)有不依賴于循環(huán)體的條件判斷，將條件判斷放到for循環(huán)外；

遍歷前對(duì)PDW濾波，進(jìn)行有效性判斷，去除無(wú)效PDW[5-6]。

無(wú)效性抑制流程如圖3所示。

圖3 無(wú)效性抑制

(3)快速排序方法代替遞歸方法

在數(shù)據(jù)處理過(guò)程中大量數(shù)據(jù)進(jìn)行排序時(shí)，不同排序方法耗時(shí)大不相同，排序好壞從以下幾方面進(jìn)行研究：

? 時(shí)間效率，即排序速度(排序所花費(fèi)的全部比較次數(shù))；

? 空間效率，即占內(nèi)存輔助空間的大小；

? 穩(wěn)定性：若兩個(gè)記錄A和B的關(guān)鍵字值相等，但排序后A、B的先后次序保持不變，則認(rèn)為此排序算法是穩(wěn)定的。

目前使用的排序方法主要有：選擇排序、插入排序、冒泡排序、快速排序、歸并排序、堆排序、基數(shù)排序等。本文研究了快速排序和遞歸排序，當(dāng)PDW個(gè)數(shù)為1 000時(shí)，快速排序比遞歸減少大約15%的時(shí)間。

(4)哈希法代替for循環(huán)

哈希表是根據(jù)關(guān)鍵碼值直接訪問(wèn)的數(shù)據(jù)結(jié)構(gòu)，它通過(guò)把關(guān)鍵碼值映射到表中一個(gè)位置來(lái)訪問(wèn)數(shù)據(jù)，可加快查找速度。設(shè)計(jì)中將預(yù)先明確的數(shù)據(jù)根據(jù)一定映射關(guān)系存儲(chǔ)于結(jié)構(gòu)中，在需要獲取時(shí)根據(jù)下標(biāo)與數(shù)據(jù)的對(duì)應(yīng)關(guān)系可快速讀取所需數(shù)據(jù)，與循環(huán)相比哈希表處理速度更快。

結(jié)合2.1節(jié)，上述4種方法修改后測(cè)試耗時(shí)，結(jié)果如表2所示。

表2 優(yōu)化前后耗時(shí)比較

可以看出，經(jīng)過(guò)上述系列優(yōu)化設(shè)計(jì)，處理速度大幅提高，仿真輸入脈沖流密度為65萬(wàn)/s，目標(biāo)連續(xù)穩(wěn)定跟蹤，結(jié)果如表3所示。上述措施有效改善了基于脈沖流復(fù)雜密集而導(dǎo)致的目標(biāo)增批、老化等不連續(xù)跟蹤現(xiàn)象。

表3 目標(biāo)穩(wěn)定輸出參數(shù)

3 結(jié)束語(yǔ)

本文通過(guò)仿真分析、試驗(yàn)及工程實(shí)踐提出了基于多CPU架構(gòu)的被動(dòng)數(shù)據(jù)高效處理方法。主要從資源分配和算法執(zhí)行兩個(gè)方面進(jìn)行優(yōu)化設(shè)計(jì)，多種方法結(jié)合使得處理速度提升可達(dá)85%，有效緩解了由于脈沖流密度較大、處理速度慢而引起的目標(biāo)老化、丟失等問(wèn)題，提升了目標(biāo)的穩(wěn)定性。本文方法具有較高的工程應(yīng)用價(jià)值。

被動(dòng)數(shù)據(jù)高效處理研究是一個(gè)長(zhǎng)期過(guò)程，后續(xù)將在軟件設(shè)計(jì)、多CPU硬件架構(gòu)布局、系統(tǒng)框架搭建、算法優(yōu)化等方面開展深入研究。