论文部分内容阅读
声纳是探测水下目标特性的唯一有效手段。按功能划分,声纳主要有主动声纳和被动声纳两种形式。近年来,由于降噪技术的不断发展,被动声纳的可探测性越来越低,人们逐渐把研究重点转向主动声纳。早期的主动声纳由于设备限制,主要发射窄带信号进行目标探测和跟踪。相比于窄带信号,宽带信号中包含更多的目标信息,可以获取更高的距离分辨力和更好的参数估计能力,因此在声纳领域中的角色越来越重要。
将声纳系统分为前期设计和后期信号处理两部分,本文旨在研究噪声背景下宽带主动声纳各项参数的分析设计,以及采用基于CUDA(Computer UnifiedDevice Architecture)编程架构的GPU实现宽带主动声纳信号实时处理。
作为研究基础,本文首先从噪声背景下的声纳方程出发,全面深入的分析了各项参数之间的制约因素以及对宽带主动声纳性能的影响,对实际声纳设计和声纳信号处理有较大的参考意义。
声纳信号处理的手段主要分为两类。一类为以CPU为代表的处理平台,另一类为基于FPGA和DSP等大规模集成电路芯片的阵列信号处理平台。前者耗时严重,实时性差；后者虽然能够完成实时信号处理,但是这类处理机有开发周期长、板卡众多和成本高等众多缺点。NVIDIA公司于2007年发布了CUDA以及相应的GPU版本,这类GPU内核有很多流处理器,每个流处理器内包含相当多数量的并行执行单元,可以高效执行各种模型的大规模科学计算。基于以上因素,本文采用基于CUDA编程架构的GPU,设计了一种开发周期短、性价比高、使用灵活的宽带主动声纳信号处理实时系统。同时,针对宽带主动声纳信号处理的特定条件,提出了一种对多个小方阵进行奇异值分解的新方法。
对声纳性能的分析,全面系统的讨论了各项参数之间的制约关系,具有较强的参考价值。本文设计的基于GPU与CPU协作的主动声纳宽带信号实时处理系统以及针对大量小方阵的奇异值分解具有开发周期短、性价比高、移植性好等众多优势,有较强的实用性。随着声纳信号处理数据量的日益增大,将GPU强大的通用计算能力应用到声纳领域的各个环节,是一个值得继续深入研究的课题。