关于ARM+GPU环境下机载SAR成像算法的并行优化研究-论文

简介：
本文探讨了在ARM+GPU硬件架构下，针对机载合成孔径雷达（SAR）成像算法进行并行化优化的研究，旨在提高计算效率和图像质量。 机载合成孔径雷达（SAR）技术在无人机遥感领域扮演着关键角色，尤其适用于多云雾山丘地区。SAR系统凭借其高分辨率、高机动性和较低的成本等特点，成为重要的信息采集手段。然而，在处理图像时会面临计算资源有限和分析过程耗时的挑战，这限制了无人机实时响应外界环境变化的能力。 为解决这一问题，研究者提出了基于ARM和GPU的并行优化策略。ARM架构因其低功耗、高性能特性在移动设备和嵌入式系统中广泛应用；而GPU则以其强大的并行处理能力，在图形处理与科学计算领域占据重要地位。结合两者的优势，可以在资源受限的机载平台上提升SAR成像的计算性能。 该策略主要关注以下三个方面： 1. 简化计算：通过算法优化减少不必要的步骤以提高效率。 2. 优化访存：合理安排数据存储和访问方式，降低延迟并提高内存利用效率。 3. 减少条件分支：简化程序中的分支判断，避免因预测失败导致的性能损失。 研究者将此策略实现在ARM Mali-T860 GPU架构上，并使用OpenCL平台进行编程。通过这种方式，在多种硬件平台上实现跨平台的应用部署成为可能。实验结果显示，该并行优化策略显著提升了机载SAR成像算法的计算性能，使无人机能够快速响应环境变化。 具体而言，多视处理、旋转放缩和图像量化等算法分别实现了17倍至62倍、48倍至74倍以及31倍至33倍的性能提升。这些显著提高使得无人机能实时处理来自SAR的大数据量信息，并为未来在嵌入式设备中应用提供了广阔前景。 研究还提到，与基于CPU的传统架构相比，采用ARM+GPU方案可有效缓解计算瓶颈问题并大幅缩短算法运行时间。通过这一改进措施，机载SAR成像技术的性能得到了显著提升，从而开拓了无人机遥感领域的新的可能性。