不规则问题驱动下的多维度SAR回波混合粒度并行模拟

With the development of SAR system toward the multidimensional observation, high resolution and wide swath, new SAR system design and imaging processing research require the huge echo data of large scene and complex working modes, and pose a challenge for SAR raw data fast simulation. In the SAR raw data simulation, the signal coherent accumulation process is actually an irregular issue, which seriously decreases the parallel efficiency. Therefore, this study intends on the basis of previous studies and multi-core vector extension method to explore the optimization methods of irregular issue driven multidimensional SAR raw data hybrid-grained parallel simulation, and the research work is as follows: 1) Introduce the parallel reduction method and parallel granularity configuration method to solve the parallelization of irregular issue, thus increase the speed of GPU parallel accumulation. 2) Build the multi-level vectorized system to solve the vectorization problem of the coherent accumulation process. Based on the features of the multidimensional SAR system, study a new vectorization method for irregular issue. 3) Propose a novel hybrid-grained parallel method for multidimensional SAR echo simulation, which can be extended and run in the large-scale heterogeneous computing system, and is expected to contribute to the multidimensional SAR system development, imaging algorithm studies.

随着SAR向着多维度、高分辨率、宽测绘带方向发展，新体制SAR系统设计、成像算法研究需求大场景、复杂工作模式的回波数据提供支撑，同时也给海量回波的模拟效率提出了更高的要求。在SAR回波模拟过程中，回波相干积累过程是唯一的不规则问题，难以细粒度并行化，严重影响模拟效率。因此，本课题拟在之前基于GPU的SAR回波并行模拟基础上，结合多核CPU矢量化并行方法，探索多维度SAR回波的高效模拟方法，从以下方面开展工作：1）通过并行归约和粒度配置的思路，解决不规则问题并行化问题，提高GPU并行累加速度；2）建立多层次多核CPU矢量化体系，解决相干积累过程难于矢量化的问题，并结合多维度SAR体制研究不规则问题矢量化的新方法；3）提出面向多维度SAR回波模拟的混合粒度并行模拟方法，实现多模式SAR回波的统一模拟，并可扩展至大规模异构系统进行实时计算，可望有助于多维度SAR系统的研制、成像方法研究。

对于系统复杂、试验昂贵的星载SAR系统来说，一套完备、可靠、高效的仿真系统是支撑其顺利研制、成功运行的重要一环。随着SAR向着多维度、高分辨率、宽测绘带方向发展，原有的系统设计方法、信号预处理算法、成像处理算法已经不再适用，复杂工作模式、高分辨率、宽测绘带等新体制特性对基础性支撑的系统仿真工作提出了新的要求。具体来说，回波接收过程更加复杂，相干积累的回波量更大，给仿真效率带来挑战。因此，本项目针对回波相干积累这一难以并行优化的不规则累加问题，开展GPU众核并行、CPU多核矢量化并行、CPU/GPU异构协同研究，以解决多维度、复杂模式的SAR回波模拟效率问题，研究主要实现了SAR回波并行模拟中的四个方面内容：（1）采用不规则并行归约方法、3种atomic-free策略实现了SAR回波GPU众核并行模拟中的不规则累加优化；（2）采用混合粒度任务分解、矢量化技术实现了基于CPU多核矢量化并行的SAR回波模拟；（3）采用混合粒度动态调度策略实现了基于CPU/GPU深度协同的SAR回波快速模拟，并应用到SAR成像算法中；（4）采用集群并行、云计算两种分布式计算框架实现了基于GPU集群的SAR回波高速模拟。本项目的研究成果涵盖了GPU并行及优化、CPU多核矢量化并行、CPU/GPU异构并行、GPU集群并行等方法，是对SAR回波快速模拟问题的一种全面、系列化的解决方案，推动了多维度、多模式SAR回波高效模拟技术的发展，形成一套多模式星载SAR回波模拟技术框架，已应用于“高分三号”星载SAR原始数据模拟系统中，并有望应用于后续型号的星载SAR回波模拟工作中。此外，本项目成果能够直接应用于其他领域众核并行、多核矢量化并行算法中的不规则存取问题优化，为促进多核CPU矢量化并行、众核GPU并行技术等细粒度并行技术在更多领域得到合理应用和发展做出贡献。