一种基于GPU的基带数据脉冲搜索方法及系统

未命名 07-23 阅读:84 评论:0

一种基于gpu的基带数据脉冲搜索方法及系统
技术领域
1.本发明涉及天文领域,尤其是一种基于gpu的基带数据脉冲搜索方法及系统。


背景技术:

2.快速射电暴(fast radio burst,frb)是一种在毫秒量级的持续时间内释放出极大能量的射电脉冲信号。截止至2023年5月,一共探测到快速射电暴118例。frb可以帮助我们更好地了解宇宙中的演化历程,揭示恒星爆炸、黑洞合并等高能天体现象的内在机制,推动天体物理的发展。例如,通过比较同时发射的不同能量的光子到达观测者时的时间延迟,快速射电暴也可以用来检验爱因斯坦等效原理。然而frb研究领域仍然有很多未解之谜,如frb的内部结构,辐射机制和起源等等。
3.宇宙中的射电脉冲信号经过星际介质后被地面的望远镜所接收,而星际介质会对脉冲信号的电磁波传播群速度产生影响,导致脉冲信号发生色散现象。色散现象具体表现为脉冲信号低频部分会比高频部分延迟到达。色散现象的存在会导致脉冲相位错乱,脉冲信号轮廓失真,脉冲振幅减弱,信噪比降低,难以被搜索辨识出来。所以在进行脉冲搜索的过程中需要通过消色散处理还原真实的脉冲信号。经典的快速射电暴搜索流程为:首先对观测数据进行预处理,如通道划分,干扰消除等;其次,对频率通道数据进行消色散处理,消除星际介质带来的时间延迟;第三步对信号进行单脉冲搜索,得到一些候选体;最后是对候选体进行筛选和验证。
4.frb搜索研究中存在一些难以被发现窄脉冲,它们的信噪比极低所以对时间分辨率要求也更高。因为脉冲宽度是辐射过程的一个基本观测特性,对确定爆发能量具有重要意义,所以窄脉冲搜索对快速射电暴辐射机制等谜题的探索至关重要。majid等人在时间分辨率为62.5ns的基带数据中搜索到了宽度为100ns的窄脉冲,而fast由于受到数据时间分辨率98us的限制,搜索到的frb121102最窄脉冲是0.4ms。但fast基带数据的时间分辨率为1ns,若对其进行高时间分辨率脉冲搜索将有望搜索出新的窄脉冲。
5.高时间分辨率的脉冲搜索能够提高脉冲信号的发现效率与准确性,但同时也意味着数据量和计算量的增长。脉冲搜索过程中的消色散处理需要进行大量的浮点计算,时间分辨率的提高也意味着计算时间和硬件资源的需求的提高。所以对于庞大的基带数据,数据处理速度和存储空间是实现高时间分辨率脉冲搜索的主要障碍之一。


技术实现要素:

6.针对现有技术存在的问题,本发明的目的在于提供一种基于gpu的基带数据脉冲搜索方法及系统,该方法能保证1ns时间分辨率的同时,对庞大的基带数据实现实时的脉冲搜索与定位;能筛选出具有脉冲信号的有效数据片段,排除没有信号的数据,减少后续数据处理与存储的数据量;能实现极限为10ns的窄脉冲搜索。本发明的另一目的是提供一种实施上述方法的基于gpu的基带数据脉冲搜索系统。
7.为实现上述目的,本发明一种基于gpu的基带数据脉冲搜索方法,包括以下步骤:
步骤s1:模拟生成时域色散脉冲信号作为匹配滤波器;步骤s2:将匹配滤波器与基带数据做滑动互相关滤波;步骤s3:通过匹配结果筛选出存在脉冲信号候选体的有效数据,若匹配结果不存在单脉冲则说明数据文件不存在脉冲信号,将数据文件标记为无效数据文件;若匹配结果存在单脉冲则说明数据文件中存在脉冲候选体,将数据文件标记为有效数据文件;步骤s4:分析有效数据文件的匹配结果,得到脉冲信号在基带数据文件中的对应位置;步骤s5:只截取脉冲位置附近的数据片段作为脉冲候选体数据。
8.进一步,所述匹配滤波器的生成方法为:1)模拟生成一个脉冲宽度为wt,脉冲高度为q的随机脉冲信号;2)将脉冲信号进行傅里叶变换,把信号从时域变换到频域;3)模拟生成一个在频率带宽内,具有固定色散值dm的色散延迟chirp函数,其中,vc为中心频率,vb为频率带宽;4)将频域脉冲信号与色散延迟chirp函数相乘得到叠加上色散延迟的脉冲信号;5)将频域的色散脉冲信号进行逆傅里叶变换,得到时域色散脉冲信号。
9.进一步,所述时域色散脉冲信号的脉冲周期t不能小于频率带宽内时间延迟的最大值,即,其中,d为色散常数,dm为色散量。
10.进一步,所述匹配滤波器与原始信号基带数据进行滑动互相关计算实现脉冲搜索,每次滑动步长为1ns,且基带数据与匹配滤波器的采样率均为1ns,从而实现脉冲搜索1ns的高时间分辨率。
11.进一步,当所述匹配滤波器与基带数据中的隐藏的真实脉冲信号重合时互相关计算结果最大,并远大于基带数据中噪声信号的互相关计算结果,从而突出脉冲信号部分,抑制噪声部分,实现脉冲搜索与定位;若得到的匹配滤波结果中可以看到突出的脉冲,则基带数据中存在脉冲信号;否则基带数据不存在脉冲信号。
12.进一步,所述互相关计算,具体为:,其中,f(t)和g(t)表示两个要进行互相关计算比较相似程度的信号,τ表示时间偏移量。
13.进一步,对于两个一维数组的互相关计算分解为相关核中的每一个数与原始数据相乘后相加的结果,对所述相关核进行拆分的方法为:长度为lf的相关核与长度为l
data
的原始数据模板进行valid模式的互相关计算,得到的总结果长度为l
result
=l
data-lf+1;对相关核进行拆分,平均拆分为n份,每小份相关核的长度l
f_b
为lf/n;对于第i部
分相关核的相关结果,只截取结果数组的[i*l
f_b : i*l
f_b
+l
result
]部分数据作为有效分批结果;通过将每一份有效分批结果进行对齐后相加,得到完整的未拆分结果l
result

[0014]
进一步,对所述原始数据模板进行拆分的方法为:对原始数据模板进行拆分,假设拆分为m份,每小份数据长度为l
d_b
;每小份数据必须头尾重叠(l
f-1)长度;最后通过将每小份数据的相关结果进行拼接,得到完整的未拆分结果。
[0015]
一种基于gpu的基带数据脉冲搜索系统,该系统用于实施上述基于gpu的基带数据脉冲搜索方法。
[0016]
本发明一种基于gpu的基带数据脉冲搜索方法及系统,能够保证1ns时间分辨率的同时,对庞大的基带数据实现实时的脉冲搜索与定位;能筛选出具有脉冲信号的有效数据片段,排除没有信号的数据,减少后续数据处理与存储的数据量;能实现极限为10ns的窄脉冲搜索。
附图说明
[0017]
图1为匹配滤波器框架图;图2为滑动相关滤波器示意图;图3为匹配滤波搜索脉冲流程图;图4为匹配滤波器生成流程图;图5为互相关计算原理示意图;图6为匹配滤波器拆分图;图7为数据模板拆分图;图8为模拟生成的匹配滤波器图;图9为匹配滤波结果图;图10为消色散结果的时频图;图11为3.7ms脉冲宽度匹配滤波器的匹配结果图;图12为500ms脉冲宽度匹配滤波器的匹配结果图。
具体实施方式
[0018]
下面将结合附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0019]
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
[0020]
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是
两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
[0021]
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
[0022]
如图1至图12所示,本发明一种基于gpu的基带数据脉冲搜索方法及系统,在时域利用简单的线性计算对庞大的基带数据实现1ns高时间分辨率的脉冲搜索与定位。该方法能对基带数据实现脉冲宽度达到10ns极限的短脉冲搜索,筛选出具有脉冲信号的有效数据片段,排除没有信号的数据,减少后续数据处理的数据量。并在图形处理器上对算法进行并行加速,实现了算法计算实时化,能从计算速度与数据量两个方面同时减少脉冲搜索的数据存储与处理压力。
[0023]
本发明中,匹配滤波是线性滤波器,匹配滤波能获得最高信噪比的输出。假设在时域上存在某段输入信号g(t):g(t)=s(t)+n(t)其中s(t)表示真实的纯信号部分;n(t)表示信号混杂的噪声部分,功率谱密度为。设计一个匹配滤波器如图1所示,将输入信号通过匹配滤波器,达到抑制噪声,突出信号的目标,以此获得最高信噪比的信号输出。
[0024]
假设滤波器的冲击响应函数为h(t),频域传递函数为h(f),经过滤波器后得到的输出信号g0(t)为输入信号g(t)与滤波器冲击响应函数h(t)的卷积:
[0025]
根据卷积定理,函数在时域的卷积等价于在频域的乘积,所以输入信号中的信号部分经过滤波器后输出为:噪声部分的输出功率为:某个采样时刻t0对应的输出信号的信噪比snr可表示为信号部分功率ps与噪声部分功率pn的比值:根据柯西-施瓦兹不等式,则有:
当且仅当,即的时候不等式取等号,获得信噪比最大值。匹配滤波器的冲击响应相当于带有一定时延的信号s(t)的共轭,所以可以将信号经过匹配滤波的过程理解为信号做互相关计算。上述公式中:输入信号为g(t),s(t)表示真实的纯信号部分;n(t)表示信号混杂的噪声部分,功率谱密度为,滤波器的冲击响应函数为h(t),频域传递函数为h(f),输出信号为g0(t),k为常数,为某个特定时刻。其中所有参数的频域表示为大写字母,f表示频率。
[0026]
信号的相关计算分为自相关与互相关,两个信号的相关计算可以理解为计算某个时刻下两个信号的相似程度。将匹配滤波的原理应用于射电天文基带数据处理中,实现窄脉冲信号搜索。
[0027]
根据真实射电天文脉冲信号的特征,模拟生成一个在某段频率范围内的具有固定色散的脉冲信号作为匹配滤波器。
[0028]
匹配源以1ns的步长在原始基带数据上滑动做互相关计算,如图2所示,匹配滤波器滑动到某个位置的相关值等价于两个信号的重叠面积。当匹配滤波器与基带数据中隐藏的脉冲信号部分重叠的时候获得互相关计算结果的最大值,而滑动相关过程中与噪声部分的互相关计算结果会远小于脉冲信号部分的结果,从而抑制基带数据中混杂的噪声成分,突出隐藏的真实信号部分,实现搜索与定位脉冲信号的目标。对于匹配滤波搜索窄脉冲信号方法的具体流程如图3所示,本发明一种基于gpu的基带数据脉冲搜索方法,具体为:步骤s1:模拟生成色散脉冲信号作为匹配滤波器;步骤s2:将匹配滤波器与基带数据做滑动互相关滤波;步骤s3:通过匹配结果筛选出存在脉冲信号候选体的有效数据,若匹配结果不存在单脉冲则说明数据文件不存在脉冲信号,将数据文件标记为无效数据文件。若匹配结果存在单脉冲则说明数据文件中存在脉冲候选体,将数据文件标记为有效数据文件;步骤s4:分析有效数据文件的匹配结果,得到脉冲信号在基带数据文件中的对应位置;步骤s5:只截取脉冲位置附近的数据片段作为脉冲候选体数据;步骤s6:对脉冲候选体数据进行检验与筛选。
[0029]
图4展示了匹配滤波器生成的具体流程。根据相干消色散原理,模拟生成一个中心频率为vc,频率带宽为vb,采样率为1ns,脉冲信号周期为t,色散值为dm,脉冲宽度为wt,脉冲高度为q的脉冲信号。其中脉冲周期t不能小于频率带宽内时间延迟的最大值,即。
[0030]
所述匹配滤波器的生成方法为:
1)模拟生成一个脉冲宽度为wt,脉冲高度为q的随机脉冲信号;2)将脉冲信号进行傅里叶变换,把信号从时域变换到频域;3)模拟生成一个在频率带宽内,具有固定色散值dm的色散延迟chirp函数;4)将频域脉冲信号与色散延迟chirp函数相乘得到叠加上色散延迟的脉冲信号;5)将频域的色散脉冲信号进行逆傅里叶变换,得到时域色散脉冲信号。
[0031]
在互相关滤波过程中,匹配滤波器与原始信号基带数据进行滑动互相关计算实现脉冲搜索,每次滑动步长为1ns。
[0032]
如果基带数据中存在脉冲信号,则当匹配滤波器与基带数据中的脉冲信号重合时互相关计算结果最大,所以得到的匹配滤波结果中可以看到突出的脉冲。
[0033]
如果基带数据中不存在脉冲信号,则得到的匹配结果图中不能看到突出的脉冲。通过对匹配滤波结果是否存在脉冲的判断,筛选出存在脉冲信号的有效基带数据片段。在实现匹配滤波器与基带数据的互相关计算的过程中,由于基带数据具有数据量大的特点,所以会遇到了内存不足的问题。通过将匹配滤波器和基带数据分别进行拆分,然后分批进行互相关计算来解决内存不足的问题。
[0034]
所述互相关计算,具体为:,其中,f(t)和g(t)表示两个要进行互相关计算比较相似程度的信号,τ表示时间偏移量。
[0035]
例如计算示例:。
[0036]
图5为互相关计算原理图。互相关计算的本质是多次的点乘相加运算,是一种线性计算。对于两个一维数组的互相关计算可以分解为相关核中的每一个数与原始数据相乘后相加的结果。第i行是由核中的第i个数乘以数据模板所得,并且第i行的结果需要往前移动i个数。valid模式最终的相关结果为图5中圈出部分的数据沿竖直方向相加的结果。例如图5的结果数组中的第一个数值为。
[0037]
图6为匹配滤波器拆分图。相关核拆分时,长度为lf的相关核与长度为l
data
的原始数据模板进行valid模式的互相关计算,得到的总结果长度为l
result
=l
data-lf+1。
[0038]
对相关核进行拆分,平均拆分为n份,每小份相关核的长度l
f_b
为lf/n。对于第i部分相关核的相关结果,只截取结果数组的[i*l
f_b : i*l
f_b
+l
result
]部分数据作为有效分批结果。通过将每一份有效分批结果进行对齐后相加,得到完整的未拆分结果l
result

[0039]
图7为数据模板拆分图。对原始数据模板进行拆分,假设拆分为m份,每小份数据长度为l
d_b
。为确保拆分后结果的完整性,每小份数据必须头尾重叠(l
f-1)长度。如图7所示,最后通过将每小份数据的相关结果进行拼接,得到完整的未拆分结果。无论是拆分相关核还是原始数据模板都需要注意原始数据模板的数据长度需要不小于相关核的数据长度。
[0040]
验证搜索定位脉冲的可行性:
将匹配滤波的方法应用于frb121102-210基带数据处理,并通过传统的相干消色散算法验证匹配滤波方法搜索脉冲信号的可行性。模拟生成一个中心频率vc为1325mhz,频率带宽vb为10mhz,采样率fs为1ns,脉冲信号周期t为20.2ms,色散值dm为565.1,脉冲宽度为10ns,脉冲高度为1的脉冲信号。图8为模拟生成的匹配滤波器。图9为匹配滤波结果图,可以看到有明显的单脉冲出现。定位出匹配结果中脉冲的位置x,截取基带数据x位置附近0.3s长度的数据进行相干消色散处理。图10为消色散结果的时频图,可看到在1500-1300mhz的频率范围内有明显的脉冲信号。说明基于gpu的基带数据脉冲搜索方法可以准确地搜索出frb121102-210基带数据中隐藏的脉冲信号并给出合理的定位值。对多个frb观测数据进行匹配滤波都能找到相应的已知脉冲信号,验证了基于匹配滤波原理搜索脉冲信号方法的可行性。
[0041]
验证算法对窄脉冲的搜索极限:生成多个不同脉冲宽度的色散脉冲信号作为匹配滤波器,并与frb1211102-210基带数据进行匹配滤波,验证算法对窄脉冲的搜索极限。已知脉冲基带数据121102-210的真实脉冲宽度为3.7ms,分别模拟生成脉冲宽度为10ns,1us,100us,3.7ms,10ms,500ms的匹配滤波器。结果发现脉冲宽度为10ns,1us,100us,3.7ms和10ms的模拟色散脉冲信号均能够找到脉冲宽度为3.7ms的真实脉冲信号,而500ms的匹配结果没有单脉冲,不能搜索出真实脉冲信号。图11为3.7ms脉冲宽度匹配滤波器的匹配结果图,图12为500ms脉冲宽度匹配滤波器的匹配结果图。说明该方法具备窄脉冲搜索宽脉冲的特点,所以可以通过生成脉冲宽度为10ns的匹配滤波器去实现极限为10ns的窄脉冲搜索。验证了该方法进行窄脉冲搜索的可行性。
[0042]
数据处理速度也是实现高分辨率脉冲搜索的重要因素之一。基于匹配滤波的脉冲搜索算法中的互相关计算是简单的线性计算,可以利用gpu实现算法的并行加速。在gpu实现不同长度的基带数据与匹配滤波器的匹配滤波,并计算五次的平均运行时间。从表1的结果说明了在gpu实现的基于匹配滤波的脉冲搜索算法的运行速度已经能实现实时化计算。实时化的计算速度能有效地减少高分辨率脉冲搜索实现过程的数据处理与存储压力。
[0043]
表1:不同长度数据在gpu的运行时间数据长度/ms30405060708090100110120运行时间/ms22272832373642467748数据长度/ms130140150160170180190200210220运行时间/ms56549965636477788184实验结果分析:
[0044]
通过上述实验验证了匹配滤波方法搜索与定位脉冲信号的可行性,说明可以通过对匹配滤波器的脉冲宽度参数的设置,搜索出脉冲宽度大于模拟脉冲宽度的脉冲信号,且对于短脉冲信号搜索极限可以达到10ns的脉冲宽度。通过不同长度数据在gpu的运行时间,说明了算法的计算速度已经达到了实时化水平。
[0045]
本发明一种基于gpu的基带数据脉冲搜索方法及系统,在匹配滤波搜索脉冲的过程中,模拟生成的匹配源信号和基带数据都是1ns的采样率。匹配滤波方法的时间分辨率取决于滑动相关的步长,而该算法采用的互相关计算函数设定了滑动步长是1ns,所以匹配滤波搜索脉冲信号方法的时间分辨率达到1ns,能很好地顺应天文观测高时间分辨率的发展
趋势。
[0046]
由于脉冲信号的脉冲持续时间较短,而实际观测时间较长,所以大量的观测基带数据中只有少量的数据是有效的脉冲信号数据。对基带数据进行基于gpu的脉冲搜索,可以筛选出数据量较小的有效脉冲数据,抛弃无效数据,能减少高时间分辨率脉冲搜索的数据处理与存储压力,大大地减少了后续数据处理的数据量。且基于匹配滤波的脉冲搜索方法是简单的线性计算,具有极高的可并行性,能通过gpu对算法进行加速,本发明中已实现了算法运算实时化。所以基于匹配滤波的脉冲搜索方法可以通过加快计算速度与减少数据量两方面减轻高分辨率脉冲搜索的数据处理与存储压力。
[0047]
本发明针对大数据量的高时间分辨率脉冲搜索过程所遇到的数据处理与存储挑战问题,提出一种基于gpu的基带数据脉冲搜索方法,在进行包含大量的浮点计算的相干消色散之前,利用匹配滤波搜索脉冲的方法对大量的基带数据进行处理。实现脉冲信号的搜索与定位,筛选出具有脉冲信号的有效数据片段,删减掉不含脉冲信号的数据,极大地减少了脉冲搜索的数据量。并利用gpu对基于匹配滤波搜索脉冲的算法进行并行加速,实现计算实时化。匹配滤波搜索脉冲的方法能够从数据量和计算速度两方面解决高时间分辨率脉冲搜索过程中遇到的数据处理与存储问题,对高分辨率的脉冲搜索研究有极大的帮助。该方法对于窄脉冲的搜索极限能达到10ns脉冲宽度,能有助于对窄脉冲信号的搜索研究。算法的时间分辨率也达到1ns,能很好地顺应高分辨率脉冲搜索的发展趋势。本发明具有以下优点:优点一:脉冲搜索的减少数据量;优点二:已经实现实时化,加快数据处理速度;优点三:窄脉冲搜索极限达到10ns脉冲宽度;优点四:算法的时间分辨率达到1ns。

技术特征:
1.一种基于gpu的基带数据脉冲搜索方法,其特征在于,该方法包括以下步骤:步骤s1:模拟生成时域色散脉冲信号作为匹配滤波器;步骤s2:将匹配滤波器与基带数据做滑动互相关滤波;步骤s3:通过匹配结果筛选出存在脉冲信号候选体的有效数据,若匹配结果不存在单脉冲则说明数据文件不存在脉冲信号,将数据文件标记为无效数据文件;若匹配结果存在单脉冲则说明数据文件中存在脉冲信号候选体,将数据文件标记为有效数据文件;步骤s4:分析有效数据文件的匹配结果,得到脉冲信号在基带数据文件中的对应位置;步骤s5:只截取脉冲位置附近的数据片段作为脉冲信号候选体数据。2.根据权利要求1所述的基于gpu的基带数据脉冲搜索方法,其特征在于,所述匹配滤波器的生成方法为:1)模拟生成一个脉冲宽度为wt,脉冲高度为q的随机脉冲信号;2)将脉冲信号进行傅里叶变换,把信号从时域变换到频域;3)模拟生成一个在频率带宽内,具有固定色散量dm的色散延迟chirp函数,其中,vc为中心频率,vb为频率带宽;4)将频域脉冲信号与色散延迟chirp函数相乘得到叠加上色散延迟的脉冲信号;5)将频域的色散脉冲信号进行逆傅里叶变换,得到时域色散脉冲信号。3.根据权利要求2所述的基于gpu的基带数据脉冲搜索方法,其特征在于,所述时域色散脉冲信号的脉冲周期t不能小于频率带宽内时间延迟的最大值,即,其中,d为色散常数,dm为色散量。4.根据权利要求1所述的基于gpu的基带数据脉冲搜索方法,其特征在于,所述匹配滤波器与原始信号基带数据进行滑动互相关计算实现脉冲搜索,每次滑动步长为1ns,且基带数据与匹配滤波器的采样率均为1ns,从而实现脉冲搜索1ns的高时间分辨率。5.根据权利要求1所述的基于gpu的基带数据脉冲搜索方法,其特征在于,当所述匹配滤波器与基带数据中真实脉冲信号重合时互相关计算结果最大,并远大于基带数据中噪声信号的互相关计算结果,从而突出脉冲信号部分,抑制噪声部分,实现脉冲搜索与定位;若得到的匹配滤波结果中可以看到突出的脉冲,则基带数据中存在脉冲信号;否则基带数据不存在脉冲信号。6.根据权利要求1所述的基于gpu的基带数据脉冲搜索方法,其特征在于,该方法具有可以通过窄脉冲搜索宽脉冲的特点,可以将匹配滤波器的脉冲宽度设置为10ns,从而实现极限为10ns的窄脉冲搜索。7.根据权利要求5所述的基于gpu的基带数据脉冲搜索方法,其特征在于,所述互相关计算,具体为:,其中,f(t)和g(t)表示两个要进行互相关计算比较相似程度的信号,τ表示时间偏移
量。8.根据权利要求7所述的基于gpu的基带数据脉冲搜索方法,其特征在于,对于两个一维数组的互相关计算分解为相关核中的每一个数与原始数据相乘后相加的结果,对所述相关核进行拆分的方法为:长度为l
f
的相关核与长度为l
data
的原始数据模板进行valid模式的所述互相关计算,得到的总结果长度为l
result
=l
data-l
f
+1;对相关核进行拆分,平均拆分为n份,每小份相关核的长度l
f_b
为l
f
/n;对于第i部分相关核的相关结果,只截取结果数组的[i*l
f_b : i*l
f_b
+l
result
]部分数据作为有效分批结果;通过将每一份有效分批结果进行对齐后相加,得到完整的未拆分结果l
result
。9.根据权利要求8所述的基于gpu的基带数据脉冲搜索方法,其特征在于,对所述原始数据模板进行拆分的方法为:对原始数据模板进行拆分,假设拆分为m份,每小份数据长度为l
d_b
;每小份数据必须头尾重叠(l
f-1)长度;最后通过将每小份数据的相关结果进行拼接,得到完整的未拆分结果。10.一种基于gpu的基带数据脉冲搜索系统,其特征在于,该系统用于实施如权利要求1-9任一项所述的基于gpu的基带数据脉冲搜索方法。

技术总结
本发明公开了一种基于GPU的基带数据脉冲搜索方法及系统,包括:S1:模拟生成色散脉冲信号作为匹配滤波器;S2:将匹配滤波器与基带数据做滑动互相关滤波;S3:通过匹配结果筛选出存在脉冲信号候选体的有效数据,若匹配结果不存在单脉冲则说明数据文件不存在脉冲信号,将数据文件标记为无效数据文件;若匹配结果存在单脉冲则说明数据文件中存在脉冲候选体,将数据文件标记为有效数据文件;S4:分析有效数据文件的匹配结果,得到脉冲信号在基带数据文件中的对应位置;S5:只截取脉冲位置附近的数据片段作为脉冲候选体数据。本发明实现实时的1ns高时间分辨率的脉冲搜索与定位,降低脉冲搜索的数据处理与存储需求,并实现10ns极限的窄脉冲搜索。窄脉冲搜索。窄脉冲搜索。


技术研发人员:詹映柔 马晓耘 段然 余诗玲 李菂 刘飞 王培
受保护的技术使用者:中国科学院国家天文台
技术研发日:2023.06.16
技术公布日:2023/7/22
版权声明

本文仅代表作者观点,不代表航家之家立场。
本文系作者授权航家号发表,未经原创作者书面授权,任何单位或个人不得引用、复制、转载、摘编、链接或以其他任何方式复制发表。任何单位或个人在获得书面授权使用航空之家内容时,须注明作者及来源 “航空之家”。如非法使用航空之家的部分或全部内容的,航空之家将依法追究其法律责任。(航空之家官方QQ:2926969996)

航空之家 https://www.aerohome.com.cn/

飞机超市 https://mall.aerohome.com.cn/

航空资讯 https://news.aerohome.com.cn/

分享:

扫一扫在手机阅读、分享本文

相关推荐