| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 SAR成像技术的发展与现状 | 第12页 |
| 1.3 超高分辨率机载SAR成像系统的发展与现状 | 第12-13页 |
| 1.4 GPU发展历史 | 第13-15页 |
| 1.5 GPU在SAR成像中的应用 | 第15-16页 |
| 1.6 本文主要工作及结构 | 第16-17页 |
| 第二章 极坐标格式算法 | 第17-31页 |
| 2.1 传统的极坐标格式算法 | 第17-24页 |
| 2.1.1 正侧视情况下的两维徙动校正 | 第20-21页 |
| 2.1.2 斜视情况下的两维徙动校正 | 第21-22页 |
| 2.1.3 基于两维插值的PFA点目标仿真 | 第22-24页 |
| 2.2 基于尺度变换的极坐标格式算法 | 第24-30页 |
| 2.2.1 距离向尺度变换及参数设置 | 第26页 |
| 2.2.2 方位向尺度变换及参数设置 | 第26-27页 |
| 2.2.3 基于尺度变换的PFA点目标仿真 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 自聚焦算法 | 第31-44页 |
| 3.1 相位梯度自聚焦算法 | 第31-35页 |
| 3.1.1 SAR回波信号模型 | 第31-32页 |
| 3.1.2 PGA算法原理 | 第32-33页 |
| 3.1.3 实测数据PGA处理结果 | 第33-35页 |
| 3.2 两维自聚焦算法 | 第35-42页 |
| 3.2.1 PFA残留误差分析 | 第35-37页 |
| 3.2.2 方位向相位误差和残留距离向徙动的自聚焦校正 | 第37-40页 |
| 3.2.3 实测数据处理结果 | 第40-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第四章 GPU及CUDA | 第44-56页 |
| 4.1 GPU通用计算 | 第44-45页 |
| 4.2 CUDA编程模型 | 第45-50页 |
| 4.2.1 主机与设备及编程模型 | 第45-47页 |
| 4.2.2 内核函数的调用与执行 | 第47-48页 |
| 4.2.3 线程结构和硬件映射 | 第48-50页 |
| 4.3 CUDA存储器模型 | 第50-52页 |
| 4.4 CUDA程序优化 | 第52-55页 |
| 4.4.1 存储器访问优化 | 第52-53页 |
| 4.4.2 异步执行 | 第53-54页 |
| 4.4.3 CUDA对开源代码的优化 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 超高分辨率SAR成像方案验证及GPU实现 | 第56-69页 |
| 5.1 成像方案及并行化分析 | 第56-57页 |
| 5.2 基于GPU的并行化处理方案 | 第57-62页 |
| 5.2.1 PFA并行化方案 | 第57-60页 |
| 5.2.2 自聚焦并行化方案 | 第60-62页 |
| 5.3 成像效果验证及GPU处理性能分析 | 第62-67页 |
| 5.3.1 极坐标格式算法+分块一维自聚焦处理流程 | 第62-64页 |
| 5.3.2 极坐标格式算法+分块两维自聚焦处理流程 | 第64-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
