龚 昊,刘 莹,冯建周,赵仁良,冷佳旭

(1.中国科学院大学计算机科学与技术学院，北京 100089；2.中国科学院大学数据挖掘与高性能计算实验室，北京 100089；3.燕山大学信息科学与工程学院，河北 秦皇岛 066004)

1 引言

雷达信号处理算法的高性能加速是现代雷达技术中至关重要的一环。传统的雷达信号处理技术包括数字信号处理器DSP、现场可编程逻辑阵列FPGA和专用集成电路ASIC等[1 - 3]，虽然这些技术已经得到了大量的应用，但是它们都属于专用设备，具有开发周期长、调试难度大等缺点，在开发和测试过程中需要耗费大量的资源。而GPU属于通用设备，随着NVIDIA、AMD等GPU厂商芯片技术的快速发展，CPU-GPU异构计算体系结构已经走进了千家万户，CUDA的出现更是大大简化了程序员和科学家们对GPU进行编程的难度，基于CUDA的GPU开发环境逐步发展为成熟的货架产品。

与CPU相比，GPU的众核结构特别适合处理雷达信号这种大规模数据[4 - 6]，它的出现让雷达信号处理领域焕发了生机。国内外关于使用GPU加速脉冲多普勒雷达这种目标探测雷达的研究比较少[7 - 19]，大部分研究成果都集中在SAR成像这种对实时性要求高的情景之中。文献[8]针对脉冲多普勒雷达信号处理中的脉冲压缩环节，采用FFTW(Fastest Fourier Transform in the West)和CUFFT(CUDA Fast Fourier Transform library)2种实现方式进行了性能基准测试，并分析了时域脉冲压缩和频域脉冲压缩2种实现方式的性能差异。虽然实验结果表明频域脉冲压缩可以取得更好的性能收益，但是并没有针对脉冲压缩模块进行有针对性的性能提升与优化。……