CPU+GPU异构环境下的干涉合成孔径声纳信号并行处理方法研究

This subject investigates a high efficient signal processing method for interferometric synthetic aperture sonar (InSAS) in heterogeneous environment based on graphic processing unit (GPU), which aims to solve the low efficiency of signal processing for InSAS system. Based on the analysis of synthetic aperture sonar imaging algorithm, interferometric signal processing algorithm, the algorithm design and optimization technology on computing platform with the GPU　heterogeneous environment, we construct a prototype system for InSAS signal processing in multi-GPU environment. The structure characteristics of different processing units should be match with the characteristics of algorithm, and we will further optimize the algorithm from the task allocation, blocks of thread allocation and the method of memory access optimization, which will enhance the whole processing capability of InSAS system. This project is aimed to establish the prototype system for InSAS signal processing in multi-GPU environment, including the full interchange mode and the pipeline mode, which helps to meet the demand for real-time InSAS signal processing and provides a foundation for the application of InSAS system.

针对高分辨率干涉合成孔径声纳(InSAS)系统信号处理效率低，不能满足实际应用需求的难题，本项目以通用图形处理器(GPU)为计算平台，研究异构环境下的高效率InSAS信号处理方法。在深入研究合成孔径声纳成像算法、干涉信号处理算法、GPU异构计算平台下的并行算法设计与优化的基础上，构建多GPU环境下的InSAS信号处理原型系统，实现不同计算单元的结构特征与算法的计算特征相匹配，并从计算任务分配、线程块分配和访存优化等方面进一步优化算法，提高InSAS系统信号处理的整体性能。研究旨在建立GPU环境下的InSAS信号处理原型系统，包络全互换和流水线两种并行计算模式，力争在高效InSAS信号处理方面取得进展，以满足InSAS实时信号处理系统对处理时间的高要求，为InSAS系统走向应用奠定基础。

本课题针对异构环境下的干涉合成孔径声纳信号处理方法进行了深入研究，在此基础上构造了实时干涉合成孔径声纳信号处理原型系统。在合成孔径声纳成像方面开展了共享内存环境下的并行算法设计、异构环境下的并行算法设计、异构环境下的大数据量合成孔径成像方法研究和异构环境下的后向投影成像方法研究，实现了高效合成孔径声纳成像。复图像配准方面主要进行了共享内存环境下的复图像配准方法和异构环境下的复图像配准方法研究，有效加速了复图像配准过程。为进一步提升配准干涉相位质量，提出了基于有理函数曲面拟合和分段曲面拟合的复图像配准方法。相位解缠方面研究了集群环境下的复合最小不连续算法、分层质量引导算法和CPU与GPU协同计算的快速质量引导算法，采用分块并行策略加速了相位解缠过程。通过试验验证，结果表明干涉信号处理的主要计算步骤效率均得到了显著提升，极大加速了干涉合成孔径声纳数字高程模型重建过程，为干涉合成孔径声纳走向应用奠定了重要基础。