| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 微波前视成像技术研究背景意义和现状 | 第16-19页 |
| 1.1.1 研究背景及意义 | 第16-18页 |
| 1.1.2 微波前视成像技术研究现状 | 第18-19页 |
| 1.2 基于GPU的雷达信号处理研究背景意义和现状 | 第19-22页 |
| 1.2.1 研究背景及意义 | 第19-20页 |
| 1.2.2 基于GPU的雷达信号处理研究现状 | 第20-22页 |
| 1.3 本文研究内容及安排 | 第22-24页 |
| 第二章 超材料孔径雷达前视成像 | 第24-42页 |
| 2.1 概述 | 第24页 |
| 2.2 压缩感知理论 | 第24-28页 |
| 2.2.1 信号的稀疏表示 | 第25-26页 |
| 2.2.2 信号的压缩采样 | 第26页 |
| 2.2.3 信号的重构算法 | 第26-28页 |
| 2.3 超材料孔径雷达前视成像模型 | 第28-33页 |
| 2.3.1 超材料孔径雷达前视成像原理 | 第28-30页 |
| 2.3.2 超材料孔径雷达前视成像模型建立 | 第30-33页 |
| 2.4 超材料孔径前视雷达目标逆散射求解 | 第33-39页 |
| 2.4.1 正交匹配追踪法重构雷达前视场景 | 第33-36页 |
| 2.4.2 共轭梯度算法重构雷达前视场景 | 第36-39页 |
| 2.5 本章小节 | 第39-42页 |
| 第三章 基于GPU的雷达前视成像方法并行实现 | 第42-66页 |
| 3.1 概述 | 第42页 |
| 3.2 GPU并行技术与CUDA编程模型 | 第42-45页 |
| 3.2.1 GPU硬件模式 | 第42-43页 |
| 3.2.2 CUDA软件模式 | 第43-45页 |
| 3.2.3 kernel的硬件映射 | 第45页 |
| 3.3 算法核心运算单元的GPU实现及优化 | 第45-52页 |
| 3.3.1 双精度复数运算 | 第46页 |
| 3.3.2 矩阵转置并行实现与优化 | 第46-49页 |
| 3.3.3 矩阵-矩阵快速相乘模块 | 第49-51页 |
| 3.3.4 GPU代码优化方法 | 第51-52页 |
| 3.4 正交匹配追踪算法GPU实现 | 第52-58页 |
| 3.4.1 OMP算法GPU实现特点分析 | 第52-53页 |
| 3.4.2 OMP算法GPU处理实现流程 | 第53-54页 |
| 3.4.3 OMP算法核函数编写与执行配置 | 第54-58页 |
| 3.5 共轭梯度算法GPU实现 | 第58-63页 |
| 3.5.1 CG算法GPU实现特点分析 | 第58-59页 |
| 3.5.2 CG算法GPU处理实现流程 | 第59-60页 |
| 3.5.3 CG算法核函数编写与执行配置 | 第60-63页 |
| 3.6 本章小结 | 第63-66页 |
| 第四章 基于GPU的雷达前视成像算法性能分析 | 第66-80页 |
| 4.1 概述 | 第66页 |
| 4.2 超材料孔径雷达前视成像演示软件 | 第66-68页 |
| 4.3 并行OMP算法成像结果检测及性能分析 | 第68-73页 |
| 4.3.1 验证基于GPU的OMP算法准确性 | 第68-70页 |
| 4.3.2 基于GPU的OMP算法计算性能 | 第70-73页 |
| 4.4 并行CG算法成像结果检测及性能分析 | 第73-79页 |
| 4.4.1 验证基于GPU的CG算法准确性 | 第73-76页 |
| 4.4.2 基于GPU的CG算法计算性能 | 第76-79页 |
| 4.5 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 工作总结 | 第80-81页 |
| 5.2 未来展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |