雷达信号处理中大数据量FFT实现分析

2021-04-20沈佳琪靳璐

电子技术与软件工程 2021年1期

沈佳琪靳璐

（中国船舶重工集团公司第七二三研究所江苏省扬州市 225001）

毫米波雷达带有小天线口径、高分辨率与高精度等特征，通常来讲，其作用频率在30-300GHz 间，其发射信号内的宽带与距离分辨率呈现反比，若想加强距离分辨率，其要拥有一定的宽带雷达信号。为促进毫米波类雷达信号的整体发展，要合理掌握信号处理的运算速度与点数，使雷达信号处理体系更加具有实时性、大带宽、高精度。

1 大数据量FFT在雷达信号处理中的应用优势

雷达信号处理共分成两项内容，即通信与电子对抗，在进行通信期间，为增强干扰能力，改进无线电信号的随机性与可行性，其要采用科学的调制与编码技术，并对信号进行科学处理，增强信号的准确率，降低错误率。在开展电子对抗的过程中，技术人员要为其配备意象适宜且带有输出性质的脉冲设备，全面分析雷达信号的输入状况，为实现该项数据分析的准确率，在计算大数据量期间运用了FFT。在使用FFT 期间，其能适时改善雷达信号的处理效率、提升雷达测试的准确性及增强真实性，因而FFT 测试在雷达信号处理期间带有极大的应用优势。

1.1 提升信号处理效率

在检测雷达目标的过程中，会发生回波状况，也会出现信息受阻等不良情况，依照当前实际状况，根实物相比，阻碍信号与回波会产生较大区别，运用FFT 测试法不仅能精准找出雷达信号目标，还能有效增强信号的处理效率，促进目标数据的精准度。基于FFT测试法的内部优势，如高精度，其能有效改进受阻碍的信号，增强目标的准确性。

1.2 加强雷达测试的精准度

传统雷达系统在进行测试时，其主要借用模拟法来识别对应目标，并将电路流通当作信号处理的纽带。在信息化快速发展的同时，雷达信号的识别难度也逐渐升高，其信号处理的手段也朝着数字化方向迈进。针对现代雷达系统而言，其在处理信号的过程中，可采用FFT 测试，能切实处理大数据量与高精度信号，提升雷达测试的精准度。此外，当前雷达系统的测试都应带有极强的实时性，技术人员运用多项技术将信息化与信号处理完美融合，在改进信号处理效果的同时，进一步加强其精确性，促进雷达信号处理的整体效率。

1.3 加大真实性

一方面，当前的新型雷达系统已经过多重发展，其整体性能也得到了不同程度的优化，在不断优化与改进期间，雷达信号与检测目标也有了一定的更新，其信号处理的方法应放置在数据的识别与解析上，因此，FFT 测试将会对雷达信号的处理起到较大促进作用。基于目前雷达系统内的数据规模较大、信号检测难度较高，运用FFT 可切实加强雷达信号的处理效果，提升其目标数据的准确性。

另一方面，FFT 测试中还带有较强的仿真效果，在开展雷达信号测试的过程中，针对其生成的测试结果，可进行不同程度的仿真试验，借助雷达系统内部的模拟功能来加强该次测试的真实性。技术人员也需在雷达信号监测中查找出其精准位置。众所周知，雷达信号的处理或监测多用在军事领域，其探测出的数据会给本国军事带来极大帮助，因而信号探测中的真实性较为重要。运用FFT 测试能准确发现雷达系统内各项数据的真实情况，了解与掌握各类信号的实际位置，为国家军事领域提供更为精准的数字[1]。

2 雷达信号处理中的FFT实现过程

2.1 大数据量FFT的算法原理

当前处理雷达信号的方式有两种，即利用算法的改动来适当削减算法运算量；采用并行处理法，通过处理器个数的增加来改变信号处理效果。具体来说，在当前的大数据量FFT 中，其使用并行处理法，如图1所示，借助在同一数据中的多片DSP 开展并行处理，增加该系统的成本与体积。并行处理法的主要工作程序为进行信号输入，并将其分配到对应的并行处理模块中，通常来讲，该模块的数量要至少为2-3 个，继而实行统一的结果输出，确认对应的数据信息。

图1：并行处理法

当前DSP 的主要功能为处理芯片内的主要数据，利用FPGA开展芯片控制的协助工作，而系统外部可借用总线连接到DDR3，DSP 与FPGA 的串行传输则会依赖于SRIO。在架构信号处理器的过程中，其架构内的核心频率需在1.25GHz 左右，其运算能力需带有极强的浮点与定点作用。芯片内部还会带有多重外设，如EDMA、HyperLink、PCIe、RapidIO 及千兆以太网口等。基于芯片内部带有各类硬件加速器，其外设功能较丰富，且带有较强的信号处理能力，可用在多种图像处理或信号处理中，如电子对抗、声纳、雷达与通信等系统中，尤其是在雷达的信号处理中[2]。

此外，分析毫米波雷达内中频信号频谱的过程中，其主要的运用方式为FFT 法，其在处理雷达数字信号期间扮演着关键角色，并广泛作用在信号处理领域内。FFT 算法可处理多重信号，如多媒体信号、生物医学、卫星通讯与雷达信号等，属此类技术中的核心算法。在运行FFT 算法的过程中其计算精度与计算量存有些许矛盾，受技术条件限制，二者较难达成一致。随着信息技术的飞速发展，在处理信号时对其整体精度提出了一定的要求，针对信号的精度需求，多点数信号也需进行一定的FFT 处理，基于信号处理中的实时性需求，技术人员应适当改进其运算过程。

2.2 实现过程

对于FFT 分解算法原理的实现过程来说，技术人员可假定某堆数组的长度属N，并开展相应的FFT 计算。具体来说，由于N的数值较大，在采用FFT 运算期间可将其分解成N1*N2的二维数组，当其点数不足时可采用数据补零法，保证其数据内的地址都能按行相邻。针对N 点DET 的公式为y（k）=x（n）*e-j（2π/N）nk，k=1,2,...,N。通过精准计算后，技术人员可获得FFT 数值，了解雷达信号的处理状况。

在计算FFT 数值的过程中，技术人员应依照顺序，将N2数值当作N1点的FFT，在完成该步骤的运算后，可将每项结果与旋转因子相乘，该旋转因子为e-j2π/N，在得出对应性结果后，将N1数值当作N2点的FFT 进行实际运算，继而获取真正的雷达数据信号。

3 大数据量FFT在雷达信号处理中的试验

3.1 算法试验

为展现FFT 在雷达信号处理中的效果，技术人员需对其进行专业试验，一般来讲，分解DSP 算法的关键为了解与掌握该访问设备中所有系统的存储空间，并将FPGA 内的数据高效传输到DDR3的存储器中，也就是说要将主核内的数据放置到公共储存区内，利用灵活的核间通信法来完成对应任务的调度与分配，技术人员还需继续读取与处理公共储存区中的数据[3]。

FFT 处理器的结构共分成三级，在第一级别中其借助缓冲存储器来保存对应形态的运算核，随着级别的升高，如第二级别与第三级别，其运算核的计算基准也发生了较大改变，比如，当第一级别的运算核为16 蝶形时，则第二、三级别的运算核基准为4 蝶形，通过运算核内数值的改变，可看出FFT 处理结构中的存储性能。

针对核间通信方式，其主要运用主辅拓扑架构，在该结构内外部存储器DDR 可与EDMA 实行数据交换，主核利用该结构中的中断功能来与从核开展通信连接。主核与从核的功能不同，前者的主要作用为控制，而后者的任务多为计算，因而各核间难以有通信产生。

在开展算法试验前，技术人员需利用FPGA 将数据信息放置到外部设备DDR3 中，将此类大数据量内的数据转换形式，如可将其变成以N2*N1 为主的矩阵形态，放置在共享内存内，若其点数不足，可采用补零法进行适当补充。该试验主要程序为将DDR3 分解成核0、核1-7 与核0，由核0 到核1-7 可设置成就绪指令，而反过来需设计为返回指令；核1-7 与DDR3 可带有双重数据处理功能；在完成数据的计算与处理后，核1-7 可对核0 下达运算完成指令，而核0 也可对核1-7 实行存储指令，从而使其顺利完成数据保存，有效开展多核算法试验。

此外，通过对该算法试验的掌握，技术人员应看出在分解大数量FFT 时，若分解后的N2与N1仍未能达到试验要求，可对数值较大的项目进行继续分解，如在分解完成后发现N2数值较大，可将其分解成N3*N4或N5*N6等，直到该数值达到试验要求为止。

3.2 实现仿真效果

在完成算法试验后，针对其生成的数值，技术人员要进行适时验证，比如，其可在MATLAB 中开展对应性仿真，并设置其发射信号为s=exp（j[2πf0t+πut2]），在该公式中f0 的数值在35GHz，其也属该发射信号的起始频率，其中T 值代表调制周期、B 属带宽调制，也就是说u=B/T，其目标位置在298m 左右。针对静止目标来说，时延数据为常数，其目标距离信息的公式为s=exp（j[2πf0t+πut2+2πut]）[4]。

在分析仿真结果的过程中，技术人员需假定其调制周期不变，将其对应的带宽分别设置成B1=1GHz、B2=500MHz、B3=250MHz，其调制周期大约在2ms 左右，此类设计不仅满足了大带宽要求，还达到了大数据量的整体需求。与带宽相对应的采样率则分别是4MHz、2MHz、1MHz，此后技术人员可将采样数据补充到8192 点、4096 点与2048 点，即4096 点中的FFT 可分解成64*64 的频谱图；8192 点的FFT 可改变成对应的64*128 点的频谱图，并依照点数的不同来确认对应的目标距离，具体数值如表1所示。

表1：不同点数FFT 的算法精度

通过表1可知，由于FFT 的点数不同，其测出的目标距离也不尽相同，针对同一种输入信号而言，其点数越多，FFT 的分解精度就会越高。若点数超出4000，则FFT 算法的精确程度就会在0.01%以内。相较于直接FFT，分解FFT 的误差仍然较大，在分配到各个核内后，其误差量将会大幅缩减。通过仿真效果的整体分析，技术人员可看出随着算法复杂度与数据量的提升，其性能优势正逐渐凸显。

3.3 分析计算量

针对计算量的分析，借助N 点开展FFT 运算，当技术人员采用传统的运算方式时，其运算量多为N（N-1）次复数加与N2次复数乘；而采用FFT 算法后，若DFT 的N 数值为2 的整次幂，也就是常说的N=2M，都可进行一定的分解，直到DFT 的指数为2，该计算模式下的计算量为log2N*N 次的复数加与log2N*N/2 次的复数乘，通过逐步分解，在适时缩减该算法的运算量的同时，帮助各个从核进行并行运算，并及时缩减运算时间，降低计算成本。在分析计算量的过程中，技术人员需详细考察核间通信要耗费的时间，若雷达信息的数据量较小或算法的复杂程度较低，则DSP 难以凸显出其技术上的优势；当管理者对雷达信号处理带有高精度与大数据量需求时，技术人员可适时运用该算法，改进雷达信号的处理效率。

在完成计算量的分析后，技术人员可了解到此类数据的存放形式，具体来说，在进行存储的过程中其只能依照顺序进行读取，若其读取与存储的方向一致，其读存都较为方便；当二者方向不一致时，应率先将出现变化的数据取出，将正常顺序的数据读取，并对变化数据进行适当修改或及时剔除。在完成数据挑选与运算后，要将其输入到各自的存储单元中，相较于此后的审查工作，在此阶段确认数据的对应单元，有助于帮助其节约时间成本，降低数据变换的损耗，增强数据运算的精准度[5]。

在FFT 中技术人员还可采用直接储存法，不仅给数据信息的搜索与挑选带来便利，还有助于数据的保存与读取。在记录每项数据的过程中，工作人员不仅要严格遵守其放置顺序，还要明确标出每项数据的实际含义，利用机器的自动搜索来完成信息读取工作。此外，由于FFT 运算的方向不同，在存放与读取时应严格遵从正确的读取顺序，如（J=1,N、I=1，N、M=I,J）与（I=1，N、J=1，N、M=I,J），此两种读取顺序皆可用在运算程序中。值得一提的是，采用无格式读取，其存放的速度会更快。