基于GPU和代码生成的杂波加速仿真

杂波模拟

雷达系统工程师经常需要模拟杂波回波来测试信号处理算法，如STAP算法。然而，产生一个高保真杂波返回涉及许多步骤，因此往往计算成本高。例如,constantGammaClutter使用以下步骤模拟杂波:

把整个地形分成小的杂波斑块。补丁的大小取决于方位角补丁跨度和距离分辨率。
对每个贴片，计算其对应的参数，如随机返回，掠射角，天线阵列增益。
结合所有杂波补丁的回报，生成总杂波回报。

杂波斑块的数量取决于地形覆盖范围，但通常在数千到数百万之间。此外，需要对每个脉冲执行上述所有步骤(假设使用脉冲雷达)。因此，杂波仿真往往是系统仿真中的高杆。

为了提高杂波模拟的速度，可以利用并行计算的优势。注意，后期脉冲的杂波返回可能依赖于早期脉冲产生的信号，因此由MATLAB提供的某些并行解，如parfor，并不总是适用的。但是，由于每个补丁上的计算是独立于其他补丁上的计算的，所以它适合于GPU加速。

如果您有一个支持的GPU，并可以访问并行计算工具箱，那么您可以利用GPU生成杂波返回通过使用gpuConstantGammaClutter而不是constantGammaClutter．在大多数情况下，使用gpuConstantGammaClutter系统对象™是您需要做的惟一更改。

如果你有MATLAB Coder，你也可以通过为C生成C代码来加速杂波模拟onstantGammaClutter，编译它，并运行编译后的版本。在代码生成模式下运行时，此示例将编译stapclutter使用codegen命令:

codegen(“stapclutter”,“参数”,…{coder.Constant (maxRange)……coder.Constant (patchAzSpan)});

c的所有属性值onstantGammaClutter必须作为常数值传递。codegen命令将生成MEX文件stapclutter_mex，该文件将在循环中调用。

对比杂波模拟次数

要比较MATLAB解释器、代码生成和GPU之间的杂波模拟性能，请键入下面的GUIstapcpugpu在MATLAB命令行中。启动的GUI如下图所示。

GUI的左侧包含四个图，分别显示原始接收信号、接收信号的角度-多普勒响应、处理后的信号和STAP处理权值的角度-多普勒响应。所涉及的处理的详细信息可以在示例中找到时空自适应处理导论．在GUI的右侧，您可以通过修改方位角方向上的杂波斑块跨度(以度为单位)和最大杂波范围(以公里为单位)来控制杂波斑块的数量。然后您可以单击开始按钮启动模拟，模拟5个相干处理间隔(CPI)，其中每个CPI包含10个脉冲。处理后的信号和角多普勒响应在每个CPI中更新一次。

下一节将展示不同模拟运行的时间安排。在这些模拟中，每个脉冲由200个距离样本组成，距离分辨率为50米。杂波斑块跨度和最大杂波范围的组合会产生不同数量的杂波斑块。例如，杂波斑块跨度为10度，最大杂波范围为5公里，意味着有3600个杂波斑块。在以下系统配置下进行了仿真:

CPU: Xeon X5650, 2.66 GHz, 24gb内存
GPU:特斯拉C2075, 6gb内存

计时结果如下图所示。

helperCPUGPUResultPlot

图中包含6个轴对象。坐标轴对象1包含3个bar类型的对象。Axes对象2包含3个bar类型的对象。标题为杂波模拟时间图的Axes对象3包含3个类型为bar的对象。这些对象代表MATLAB, MEX, GPU。坐标轴对象4包含4个类型为bar、line的对象。坐标轴对象5包含4个类型为bar、line的对象。Axes对象6包含2个line类型的对象。这些对象代表GPU加速、MEX加速。

从图中可以看出，总的来说，GPU将模拟速度提高了几十倍，有时甚至是数百倍。有两个有趣的发现:

当杂波补丁的数量较小时，只要数据能够装进GPU的内存，GPU的性能几乎是恒定的。对于MATLAB解释器来说，情况并非如此。
一旦杂波补丁的数量变大，数据就无法再容纳到GPU内存中。因此，GPU在MATLAB解释器上提供的速度开始下降。然而，对于接近千万的杂波补丁，GPU仍然提供超过50倍的加速。

由于代码生成导致的模拟速度的提高低于GPU速度的提高，但仍然是显著的。代码生成的constantGammaClutter将收集到的杂波预计算为常值数组。对于大量的杂波补丁，数组的大小会变得太大，从而由于内存管理的开销而降低了速度的提高。代码生成需要访问MATLAB Coder，但不需要特殊的硬件。

其他模拟计时结果

尽管本例中使用的模拟计算了数百万个杂波补丁，但得到的数据立方体的大小为200 × 6 × 10，表示每个脉冲、6个通道和10个脉冲中只有200个范围样本。与实际问题相比，这个数据集很小。本例选择这些参数来展示使用GPU或代码生成的好处，同时确保示例在MATLAB解释器中合理的时间内运行。一些具有较大数据立方体大小的模拟得到以下结果:

使用GPU进行模拟，为一个50元素的ULA生成50个脉冲，每个脉冲中有5000个范围样本，即一个5000 × 50 × 50的数据立方体。距离分辨率为10米。雷达覆盖总方位角60度，每个杂波斑块1度。最大杂波范围为50公里。杂波斑块的总数是305,000个。
使用GPU进行类似上面的模拟，60倍加速，除了180度方位角覆盖和最大杂波范围等于地平线范围(约130公里)。在本例中，杂波斑块的总数为2,356,801。

总结

这个例子比较了通过使用MATLAB解释器、GPU或代码生成模拟杂波返回所达到的性能。结果表明，与MATLAB解释器相比，GPU和代码生成的速度有很大的提高。