基于多核DSP的SAR景象匹配研究.pdf

基于多核DSP的SAR景象匹配研究

摘要

景象匹配导航是一种重要的导航辅助方式。合成孔径雷达（SAR）在精确制导和目

标识别中有着广泛应用，因此机载SAR景象匹配成为导航解决方案的重要组成部分。

然而，由于机载雷达的空间和重量限制，高度集成的雷达数字信号处理器（DSP）显得

尤为关键。随着深度学习的发展，基于深度学习的SAR景象匹配方法在处理复杂场景

的匹配准确性等方面具有显著优势，但在嵌入式DSP设备上部署数据量庞大、结构复杂

卷积神经网络存在挑战。为解决这一问题，本文提出了一种基于超列的多尺度卷积神经

网络，并将其前向推理过程部署在了DSP上。通过实验证明，该方法在网络的准确性和

实时性方面均有优势。

首先，本文通过对传统特征提取方法和经典卷积神经网络进行分析，发现卷积神经

网络主要依赖于最后一层提取的特征，具有语义信息过度抽象和分辨率低等特点。因此，

本文基于超列的概念，提出了一种多尺度的特征提取方法，命名为孪生超列卷积网络

（SHCN），并结合空间注意力机制，提升了对低级特征和局部细节特征的关注，提高网

络的准确性。通过实验，对所提出的网络模型进行了训练，并与其他几种经典景象匹配

算法进行对比。结果表明，SHCN模型在准确性和快速性方面优于其他方法。此外，本

文对网络进行了消融实验，验证了超列和空间注意力机制对模型性能的重要作用。

接着，本文对嵌入式DSP进行了选型，选择高性能多核DSPTMS320C6678作为模

型载体。通过对多核并行方式和同步策略的分析，提出了以主从结构为并行架构、信号

量同步为同步策略的多核并行方案。同时，对多核DSP的任务划分方式进行了分析，并

设计了更适用于卷积神经网络的卷积核通道划分方式。

最后，本文设计了针对多核DSP并行架构的卷积神经网络各模块的具体软件实现

方案。成功将SHCN网络前向推理过程部署在C6678上，并在移动端进行了优化。通过

硬件平台仿真实验验证了SHCN网络在多核DSP上的成功实现，通过时间测试证明了

在DSP端网络的运行速度能够满足精确制导的实时性要求。同时，通过输出结果相似性

热力图和正确率验证了SHCN网络在移动端的特征匹配准确性。

关键词：景象匹配；合成孔径雷达；数字信号处理器；多尺度卷积神经网络；多核并行

基于多核DSP的SAR景象匹配研究

Abstract

Scenematchingnavigationisanimportantnavigationassistancemethod.Synthetic

ApertureRadar(SAR)hasawiderangeofapplicationsinprecisionguidanceandtarget

recognition,makingairborneSARscenematchinganimportantcomponentofnavigation

solutions.However,duetothespaceandweightlimitationsofairborneradar,ahighly

integratedradardigitalsignalprocessor(DSP)isparticularlycrucial.Withthedevelopmentof

deeplearning,SARscenematchingmethodsbasedondeeplearninghavesignificant

advantagesinprocessingcomplexsceneswithmatchingaccuracy.However,deploying

convolutionalneuralnetworkswithlargeamountsofdataandcomplexstructuresonembedded