| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11页 |
| 1.2 国内外研究历史与现状 | 第11-15页 |
| 1.2.1 视频合成孔径雷达（视频SAR）简介 | 第11-12页 |
| 1.2.2 GPU通用并行计算在雷达成像上的应用和发展 | 第12-14页 |
| 1.2.3 视频SAR成像软件设计 | 第14-15页 |
| 1.3 本文的主要贡献与创新 | 第15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 基本理论 | 第17-29页 |
| 2.1 视频SAR成像算法 | 第17-22页 |
| 2.1.1 SAR成像的基本原理 | 第17-19页 |
| 2.1.2 视频SAR成像算法的对比选择 | 第19-22页 |
| 2.2 GPU通用并行计算架构 | 第22-28页 |
| 2.2.1 GPU的并行工作原理 | 第23-25页 |
| 2.2.2 GPU并行计算平台——CUDA | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 视频SAR成像算法的硬件映射 | 第29-41页 |
| 3.1 成像算法的MATLAB实现和仿真 | 第29-31页 |
| 3.2 ωK算法的计算量分析 | 第31-32页 |
| 3.3 成像算法的CUDA实现 | 第32-38页 |
| 3.3.1 CUDA实现的基本框架 | 第32-33页 |
| 3.3.2 矩阵类接口的实现 | 第33-38页 |
| 3.4 图像显示接口的实现 | 第38-39页 |
| 3.5 波形生成接口的实现 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 视频SAR成像算法的GPU执行分析和优化 | 第41-64页 |
| 4.1 核函数的GPU执行分析和优化 | 第41-54页 |
| 4.1.1 矩阵的多线程模型 | 第41-43页 |
| 4.1.2 核函数的优化配置 | 第43-48页 |
| 4.1.3 核函数的优化配置示例——计算向量的模 | 第48-54页 |
| 4.2 矩阵乘法的实现和优化 | 第54-60页 |
| 4.2.1 矩阵乘法的实现 | 第55页 |
| 4.2.2 矩阵乘法精读的提升 | 第55-56页 |
| 4.2.3 利用共享内存优化 | 第56-57页 |
| 4.2.4 利用显存对齐优化 | 第57-58页 |
| 4.2.5 利用分块矩阵优化 | 第58-59页 |
| 4.2.6 矩阵乘法优化效果总结 | 第59-60页 |
| 4.3 热度图的分析和优化 | 第60-61页 |
| 4.3.1 减少中间矩阵 | 第60页 |
| 4.3.2 简化数据类型 | 第60-61页 |
| 4.4 显存访问的分析和优化 | 第61-62页 |
| 4.4.1 避免存储体冲突 | 第61-62页 |
| 4.4.2 显存对齐 | 第62页 |
| 4.5 优化效果分析 | 第62-63页 |
| 4.6 静态库文件的生成 | 第63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 视频SAR成像软件的规划与实施 | 第64-76页 |
| 5.1 视频SAR成像软件的模块化分析与规划 | 第64-65页 |
| 5.2 雷达交互模块的设计 | 第65-69页 |
| 5.3 成像算法处理模块的设计 | 第69-71页 |
| 5.4 图像和波形显示模块的设计 | 第71-72页 |
| 5.5 软件功能测试与效果展示 | 第72-73页 |
| 5.6 成像质量分析 | 第73-74页 |
| 5.7 本章小结 | 第74-76页 |
| 第六章 全文总结与展望 | 第76-79页 |
| 6.1 全文总结 | 第76-77页 |
| 6.2 后续工作展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的成果 | 第84-85页 |