Документация

Создайте помехи симуляции

Инженеры радиолокационной системы часто должны моделировать помеху, возвращаются к алгоритмам обработки тестового сигнала, таким как алгоритмы STAP. Однако генерация высококачественной помехи возвращается, включает много шагов и поэтому является часто в вычислительном отношении дорогим. Например, поэтапный. ConstantGammaClutter моделирует помеху с помощью следующих шагов:

Количество закрашенных фигур помехи зависит от покрытия ландшафта, но это обычно находится в области значений тысяч к миллионам. Кроме того, все шаги выше должны быть выполнены для каждого импульса (предположение, что импульсный радар используется). Поэтому создайте помехи симуляции, часто высокий полюс в системной симуляции.

Чтобы улучшить скорость симуляции помехи, можно использовать в своих интересах параллельные вычисления. Обратите внимание на то, что помеха возвращается из более поздних импульсов, мог зависеть от сигнала, сгенерированного в более ранних импульсах, таким образом, определенные параллельные решения, предлагаемые MATLAB, такие как parfor, не всегда применимы. Однако, потому что вычисление в каждой закрашенной фигуре независимо от вычислений в других закрашенных фигурах, это подходит для ускорения графического процессора.

Если вы имеете поддерживаемый графический процессор и имеете доступ к Parallel Computing Toolbox, то можно использовать в своих интересах графический процессор в генерации помехи, возвращаются при помощи phased.gpu.ConstantGammaClutter вместо phased.ConstantGammaClutter. В большинстве случаев использование различного Системного объекта является единственным изменением, которое необходимо внести в существующую программу, как показано в следующей фигуре.

Если у вас есть доступ к MATLAB Coder, можно также ускорить симуляцию помехи путем генерации кода С для phased.ConstantGammaClutter, компиляции его и выполнения скомпилированной версии. При выполнении в режиме генерации кода этот пример компилирует stapclutter использование codegen команды:

  codegen('stapclutter','-args',...
              {coder.Constant(maxRange),...
               coder.Constant(patchAzWidth)});

Все значения свойств phased.ConstantGammaClutter должны быть переданы как постоянные значения. codegen команда сгенерирует файл MEX, stapclutter_mex, который будет назван в цикле.

Сравнение времен симуляции помехи

Чтобы сравнить производительность симуляции помехи между интерпретатором MATLAB, генерацией кода и графическим процессором, запускают следующий графический интерфейс пользователя путем ввода stapcpugpu в командной строке MATLAB. Запущенный графический интерфейс пользователя показывают в следующей фигуре:

Левая сторона графический интерфейса пользователя содержит четыре графика, показывая сырым данным полученный сигнал, ответ углового Доплера полученного сигнала, обработанного сигнала и ответа углового Доплера STAP обработка весов. Снова, детали могут быть найдены во Введении в качестве примера в Пространственно-временную Адаптивную Обработку. На правой стороне графический интерфейса пользователя вы управляете количеством закрашенных фигур помехи путем изменения ширины закрашенной фигуры помехи в направлении азимута (в градусах) и максимальной области значений помехи (в км). Можно затем кликнуть по Кнопке запуска, чтобы запустить симуляцию, которая моделирует 5 когерентных интервалов обработки (CPI), где каждый CPI содержит 10 импульсов. Обработанный сигнал и ответы углового Доплера обновляются один раз в CPI.

Следующий раздел показывает синхронизацию для различных выполнений симуляции. В этих симуляциях каждый импульс состоит из 200 выборок области значений с разрешением области значений 50 м. Комбинации помехи исправляют ширину и максимальный результат области значений помехи в различном количестве общих закрашенных фигур помехи. Например, ширина закрашенной фигуры помехи 10 градусов и максимальная область значений помехи 5 км подразумевают 3 600 закрашенных фигур помехи. Симуляции выполняются на следующих конфигурациях системы:

Результаты синхронизации показывают в следующей фигуре.

helperCPUGPUResultPlot

От фигуры вы видите, что в целом графический процессор улучшает скорость симуляции к десяткам времен, иногда даже сотне времен. Два интересных наблюдения:

Улучшение скорости симуляции из-за генерации кода является меньше, чем улучшение скорости графического процессора, но является все еще значительным. Генерация кода для phased.ConstantGammaClutter предварительно вычисляет собранную помеху как массив постоянных значений. Поскольку большее число закрашенных фигур помехи размер массива становится слишком большим, таким образом уменьшая улучшение скорости из-за издержек управления памятью. Генерация кода требует доступа к MATLAB Coder, но не требует никакого специального оборудования.

Другие результаты синхронизации симуляции

Даже при том, что симуляция, используемая в этом примере, вычисляет миллионы закрашенных фигур помехи, получившийся куб данных имеет размер 200x6x10, указывая только на 200 выборок области значений в каждом импульсе, 6 каналов и 10 импульсов. Этот куб данных является маленьким по сравнению с настоящими проблемами. Этот пример выбирает эти параметры, чтобы показать пользу, которую можно извлечь из использования графического процессора или генерации кода при гарантировании, что пример запускается в течение соответствующего времени в интерпретаторе MATLAB. Некоторые симуляции с большим размером куба данных приводят к следующим результатам:

Сводные данные

Этот пример выдерживает сравнение, производительность, достигнутая путем симуляции помехи, возвращают использование или интерпретатор MATLAB, графический процессор или генерация кода. Результат показывает, что графический процессор и генерация кода предлагают большие улучшения скорости по сравнению с интерпретатором MATLAB.