基于CUDA技術模擬雷達余輝的方法

在建立雷達虛擬操作系統或維修訓練系統時，顯示器的仿真效果直接影響模擬器的訓練效果。目前制約余輝實現的主要瓶頸是余輝效果帶來的龐大的計算量，使得效果較好的余輝掃描線轉速難以超過10轉/s，如果要提高轉速，則需要以犧牲顯示畫質為代價。基于光柵掃描余輝模擬的主流方法有畫線法、固定扇掃法、逐點消隱法，由于前兩者圖像易出現輻射狀花紋及掃描速率不穩定，因此后者的應用較多，效果也明顯強于前者[1]。本文在逐點消隱法的基礎上應用CUDA技術，解決了運算量巨大的問題，在光柵顯示器上得到了余輝效果逼真、畫面流暢的余輝圖形。
1 余輝仿真的瓶頸
傳統的雷達P顯采用示波管作為顯示終端，其內部熒光材料具有指數型衰減的余輝效應，電子束掃描線圓周掃過屏幕將留下逐漸消隱的余輝[2]。但光柵顯示器無法自動產生熒光粉的余輝效應，因此必須人為地模擬余輝效應。
軟模擬通常采用光柵顯示器，用計算機編程實現。光柵掃描顯示器具有高亮度、高穩定度、大容量顯示的圖文處理能力、豐富的色彩及多灰度等級的優點。一般采用以下三種方法實現[3-4]。
（1）畫線法較容易實現，原理是在屏幕上以畫直線的方式畫出每一角度的掃描線，形成每次畫一個扇面的灰度遞減的直線簇。但是當程序運行時，掃描線軌跡不斷地在屏幕上轉動，該方法不能無縫地覆蓋整個扇掃區域，從而產生一個輻射狀的固定花紋。
（2）固定扇掃法是在畫線法基礎上改進的一種仿真方法，控制扇形區域的圓心角，依次使不同扇形區域亮度減少。它雖然消除了輻射狀花紋，但在沒有目標到有目標信號時，由于數據量的增加會造成掃描線的轉速不同。
（3）逐點消隱法，主要原理是將每個方位像素的亮度逐次遞減，即每個點都必須被修改，這樣整個屏幕畫面亮度逐漸衰減。其產生的余輝效果比較逼真，掃描線轉速也較穩定。
模擬逼真的余輝效果，一般采用逐點消隱法，十分逼真的余輝仿真需要非常高的數據吞吐率，要求在每一顯示幀的時間內(一般為60 Hz的倒數約16 ms)對屏幕中所有像素進行一次衰減運算。以公認的高效算法，即查表法為例：對于一個像素點而言，最少需要1次讀和2次寫操作，分辨率為1 024×1 024的屏幕中會有1 024×1 024個像素點參與雷達回波的顯示，數量約為1 M。即在16 ms的時間內需要進行1 M次讀操作和2 M次寫操作，分給每個像素點的時間為16 ns。由于Windows屬于通用型操作系統，硬件操作過程極其復雜，無論如何也無法在16 ns內完成1次讀和2次寫操作。需要說明的是，現有的用PC實現的余輝仿真算法都是以犧牲畫質為前提條件的，例如有的算法降低角度分辨率，有的算法只運算部分像素。
2 瓶頸的解決方案
為了解決此瓶頸，本文將國外主要應用于3D游戲設計的CUDA技術移植到余輝的模擬上。CUDA(統一計算設備架構)是NVIDIA公司在2007年推出的針對GPGPU（通用計算GPU）的一個全新構想，使專注于圖像處理的GPU超高性能在數據處理和科學計算等通用計算領域發揮優勢[5]。
GPU特別適合并行數據運算問題，同一個程序可操作許多并行數據元素，并具有高運算密度（算術運算與內存操作的比例），且在高密度運算時，GPU訪問內存的延遲可以被掩蓋。目前高端GPU計算性能已達到Teraflops（每秒萬億次浮點運算）級別，其運算速度遠遠高于CPU的速度[6-7]。2008年初國內建成的首套實驗系統，其計算性能的理論峰值124 Teraflops，可用峰值82 Teraflops。
但是常規的GPU通用計算還存在以下問題[7]：編程過于繁雜，難以學習與使用，在非圖形領域應用很不充分；GPU編程缺乏靈活性，對GPU性能的發揮有很大的限制。
而CUDA采用GPU+CPU的方式，通過標準C語言將GPU的眾多的計算特性結合到一起，由線程來創建應用程序。程序代碼在實際執行中分為兩種，一種是運行在CPU上的主機代碼，另一種是運行在GPU上的設備代碼。它類似于CPU上的多線程程序，但與僅能有很少線程同時工作的多核CPU相比，GPU可以同時執行成千上萬個線程[8-9]。CPU程序以異步的方式調用GPU核程序，GPU作為CPU的協處理器(CoProeessor)提供服務。
當前CUDA提供的主要功能如下[7]：
（1）在GPU上提供標準C編程語言。
（2）為在支持CUDA的NVIDIA GPU的并行計算提供統一的軟硬件解決方案。
（3）支持CUDA的GPU能進行并行數據緩存和線程執行管理。
（4）經過優化的，從CPU到支持CUDA的GPU的直接上傳、下載通道。
（5）CUDA驅動與DirectX和OpenGL等圖形驅動程序兼容。
為了解決巨大計算量的問題，主要采用CPU+GPU的編程模式來模擬余輝，在GPU中為每一個像素點創建一個線程獨立進行亮度衰減處理。由于每個像素的線程并行執行，完成整個屏幕像素的數據處理幾乎不需要計算時間，真正花費時間的是畫面繪制和翻轉。因此繪制畫面在后臺表面進行，繪制完成后翻轉到前臺顯示，這樣繪制和顯示可以同時進行，既為畫面的繪制留足了時間，又能得到流暢不閃爍的畫質。
3 采用CUDA技術來實現余輝效果
為了產生不同方位的掃描線，將方位、距離進行量化，由于掃描區域的分辨率為1 024×1 024，因此半徑為512像素。由于掃描半徑為512個像素，理論上只要角度量化數N大于3 217就不會出現顯示死地址的現象[10]，方位上量化為4 096個等分。這樣初始生成一個4 096×512個像素的圓域。雷達P顯中采用的是極坐標系，而在光柵顯示器中采用的是直角坐標，通過坐標變換，將建立一張坐標變換表，如表1所示。

通過查表可以避免坐標變換帶來的正余弦計算，方便地在極坐標和直角坐標間轉換，從而節省大量的運算時間[11]。考慮到近距離區域，多個角度的距離單元會對應相同的像素點，首先為每個像素點定義一個屬性的結構體：
typedef struct
{ WORD x;//屏幕直角坐標x
WORD y;//屏幕直角坐標y
WORD ScanlinePtIndex;//該點在掃描線上的
//距離索引
BYTE MapTo2Pt;//該點與同一條掃描上的
//點是否重合
BYTE RadEnd;//標記該條掃描線處理完畢
}RADIUSPOINT;
為圓域內的點分配內存空間：
RADIUSPOINT m_pRadPtToLintPtMap=new RADIUSPOINT[4 096×512]。
對于同一條掃描線上相鄰的兩點，如果直角坐標相同就把MapTo2Pt設為1，標記為相同的點；如果相鄰兩點的直角坐標不相同，則把距離索引值賦給ScanlinePtIndex，每條線最后一個點設置RadEnd為1來標記每條線處理已完畢。對于相鄰兩條線上的點，如果當前線上點與前一條線上相鄰4個點的直角坐標相等，設置為m_pPixelOverlap[i]=1，否則設為0。
考慮到余輝呈指數型衰減，而指數運算需要花費大量的時間，對于計算機，其最快的操作是取值和賦值，為了提高光柵掃描雷達顯示系統的實時性，需要提高單位時間內能夠處理的像素點個數。于是對指數運算采用查表法以提高速度，維護一張按角度劃分的指數型衰減因子表m_wAttenuation[4 096]以進行數值的取值和賦值操作。
同時還要建立一個Brightness[4 096×512]的亮度表，來存儲每個像素對應的RGB顏色值。
以上這些工作在程序的初始化中即完成，一經完成即可在后續的程序中直接調用。
通過CUDA編程時，GPU可看作為可以并行執行非常多個線程的計算設備，執行并行計算的線程被組織成線程塊（Block），每個線程塊可以包含多達512個線程，而線程塊又組成了柵格（Grid）。GPU可以支持成百上千萬個并行線程，于是可以為每個像素點開一個線程，這樣每個像素點可以并行處理，能極大地提高對整個屏幕像素的處理速度，為CPU留出足夠多的時間去處理其他相關的任務。
定義線程塊Block包含的線程維數：
dim3 threads(BLOCK_SIZE,BLOCK_SIZE)；
定義柵格Grid包含的線程塊數：
dim3 grid(Width/threads.x,Height/ threads.y)；
每個像素點對應的線程處理工作如下：
由于某型雷達轉速為10轉/min，相當于每次更新的掃描線數應為4 096×10/60/1 000=0.683條/ms，像素處理在GPU中并行進行，對CPU的占用率幾乎為零，所消耗的時間主要是Direct3D紋理的繪制和表面的翻轉，大約為16 ms，因此每次更新的掃描線數目約為16×0.683=10.928，即每次更新11條。將當前要更新的掃描線上的像素點設為初始亮度，其后的每條掃描線上的像素點的亮度按與當前掃描線角度差m_anglediff取m_wAttenuation[m_anglediff]的亮度進行衰減。由于近距離區域多個角度的距離單元對應相同的像素點，因此中心部位被消隱的次數明顯要比其他部位多，導致效果有些失真。于是需要對這些坐標相同的點進行處理，對于屬性MapTo2Pt為1的點，比較坐標相同的點處于不同距離時的亮度，取其大者賦值給亮度表Brightness[4 096×512]。對于屬性m_pPixelOverlap為1的點，比較處于各個角度時的亮度，取其大者賦值給亮度表。這樣對于同一個點只顯示一次且取其最亮者顯示，較好地避免了中心部位被消隱次數過多的情況。
對于實現余輝等級的情況，只需要調制m_wAttenuation的大小就可以方便地調節余輝等級。如果需要提高轉速，只需增大每次更新的掃描線數目即可，且基本不會影響程序運行速度。
通過CPU+GPU組合的方式模擬不同等級余輝效果如圖1、圖2所示，此時對應的CPU占用率幾乎為零，如圖3所示。該方法得到的余輝效果逼真、畫面流暢、掃描速度達到了預定的10轉/s的要求，且CPU占用率極低，并不妨礙CPU處理其他數據。