杂波模拟

雷达系统的工程师常常需要模拟杂波回归测试信号处理算法，如STAP算法。然而，产生高保真杂波涉及许多步骤，因此往往是计算昂贵。例如，phased.ConstantGammaClutter使用以下步骤模拟杂波：

杂乱的补丁数量取决于地形的覆盖，但通常在数千至数百万的范围内。另外，为了对于每个脉冲来执行上述需要的所有步骤（假设脉冲雷达被使用）。因此，杂波仿真往往是系统仿真的高高的旗杆。

为了提高杂波仿真的速度，可以利用并行计算。需要注意的是，较晚脉冲产生的杂波回波可能依赖于较早脉冲产生的信号，因此MATLAB提供了一定的并行解，如万博 尤文图斯PARFOR，并不总是适用。然而，由于在每一个片的运算，是独立于其它补丁的计算的，它是适合于GPU加速。

如果你有一个支持的GPU，并万博1manbetx且可以访问并行计算工具箱，那么你可以利用GPU来生成杂乱的返回phased.gpu.ConstantGammaClutter而不是phased.ConstantGammaClutter。在大多数情况下，使用不同的系统对象是唯一的改变，你需要让你的现有程序，如图所示如下图。

如果你有机会到MATLAB编码器，你还可以通过生成C代码为加快杂波仿真phased.ConstantGammaClutter，编译并运行编译后的版本。在代码生成模式下运行时，将编译此示例stapclutter使用codegen命令:

codegen (“stapclutter”,“参数”,…{coder.Constant (maxRange)……coder.Constant (patchAzWidth)});

所有属性值phased.ConstantGammaClutter已被作为常量值传递。该代码生成命令将生成MEX文件，stapclutter_mex，这将在循环中调用。

比较杂波模拟时报

为了比较MATLAB解释器、代码生成和GPU之间的杂波仿真性能，可以输入以下图形用户界面stapcpugpu在MATLAB命令行中。启动的GUI如下图所示:

在GUI的左侧包含四个图，示出了原始的接收信号，所接收的信号，所述处理信号的角度多普勒响应，并且STAP处理权重的角度多普勒响应。再次，详情可以在实施例中找到简介空时自适应处理。在GUI的右侧，您可以通过在方位角方向(以度为单位)和最大杂波范围(以公里为单位)修改杂波块宽度来控制杂波块的数量。然后单击Start按钮开始模拟，模拟5个连贯的处理间隔(CPI)，每个CPI包含10个脉冲。每CPI一次更新处理后的信号和角度多普勒响应。

对于不同的仿真运行下一个部分显示的定时。在这些模拟中，每个脉冲由200个范围样品用50μm的范围内的分辨率。杂波贴片宽度和最大杂波范围结果以各种数目的总杂波补丁的组合。例如，10度的杂波贴片宽度和5公里的最大杂波范围意味着3600个杂波补丁。该模拟是在下述的系统配置进行：

计时结果如下图所示。

helperCPUGPUResultPlot

从图中可以看出，一般情况下GPU的仿真速度提高了几十倍，有时甚至上百倍。两个有趣的发现是:

仿真速度提高，由于代码生成小于GPU速度提高，但仍显著。代码生成的phased.ConstantGammaClutter预先计算所收集的杂波作为恒定值的阵列。对于较大的杂波数补丁阵列的尺寸变得过大，从而降低了速度的提高，由于存储器管理的开销。代码生成需要访问MATLAB编码器，但不需要特殊的硬件。

其他仿真时序结果

尽管本例中使用的模拟计算了数百万个杂波块，但是得到的数据立方体的大小为200x6x10，表示每个脉冲、6个通道和10个脉冲中只有200个范围样本。与实际问题相比，这个数据立方体很小。本例选择这些参数来展示使用GPU或代码生成的好处，同时确保示例在MATLAB解释器中在合理的时间内运行。一些使用较大数据立方体大小的模拟得到以下结果:

总结

本例比较了使用MATLAB解释器、GPU或代码生成来模拟杂波返回的性能。结果表明，与MATLAB解释器相比，GPU和代码生成有较大的速度改进。