一种基于中间结果误差预算的SAR抗干扰算法跨平台一致性评定方法与流程

摘要: 本技术涉及合成孔径雷达抗干扰,尤其是涉及一种基于中间结果误差预算的sar抗干扰算法跨平台一致性评定方法。背景技术:1、随着合成孔径雷达(sar)抗干扰算法从理论...
一种基于中间结果误差预算的SAR抗干扰算法跨平台一致性评定方法与流程

本技术涉及合成孔径雷达抗干扰,尤其是涉及一种基于中间结果误差预算的sar抗干扰算法跨平台一致性评定方法。

背景技术:

1、随着合成孔径雷达(sar)抗干扰算法从理论验证向工程化部署推进,算法代码往往需要从matlab等数值计算环境移植到c++、cuda或fpga等高性能计算平台。不同计算架构在底层算术逻辑上存在本质差异,快速傅里叶变换的归一化系数约定、复数运算的截断精度、特征值分解的排序规则以及掩膜索引的行列优先顺序等细微差别,会在多层级联的信号处理链路中逐层传播并累积,导致跨平台输出结果出现难以解释的数值偏差。

2、现有的验证手段通常仅对比最终输出图像的视觉一致性或统计指标,这种"黑盒"测试无法透视中间处理环节,难以确定首个产生偏差的算子;而简单的分层比对方法若缺乏统一的误差预算分配机制,极易因数据块索引错位、数组维度定义不一或参数版本不匹配,导致后续算子读取错误的中间结果,从而无法准确界定算法移植过程中的数值一致性边界。

3、现有技术中,第一类方法侧重于sar抗干扰算法的参数误差分析与干扰效能评估。例如,公开号cn116027286a公开了一种sar侦查误差对干扰效能影响的定量化分析方法,该方法通过建立截获信号调制模型,分析调频率误差与散焦程度之间的映射关系,定量评估系统参数估计误差对干扰信号距离和方位调频斜率的影响,从而自适应调整干扰策略。

4、然而,该方法仅针对干扰效能的参数误差进行分析,并未涉及sar抗干扰算法从matlab环境移植到c++或cuda实现时的跨平台数值一致性评定问题;其误差分析聚焦于干扰信号调制层面的物理参数偏差,而非软件算法逐层计算过程中的复数精度、fft归一化约定、特征值排序差异和掩膜索引对齐等数值传播问题,无法为跨平台移植提供分层基准中间结果与误差预算分配机制。

5、第二类方法侧重于sar图像干扰抑制算法本身的性能优化。例如,专利号cn116804756b公开了一种基于分块迭代消除的sar图像弱干扰抑制方法,该方法对原始数据做距离向fft得到矩阵,计算每列峭度并利用mad方法检测离群点获得一维掩膜,统计连通分量实现干扰分块,通过变历迭代消除强干扰对弱干扰检测的影响,最终合并掩膜进行频域陷波处理。

6、该方法有效提升了弱干扰抑制效果,但其技术目标聚焦于干扰检测与抑制算法本身的性能改进,未涉及抗干扰算法软件实现层面的跨平台一致性评定;该方法不提供分层基准中间结果的建立机制,不进行误差预算分配,也无法定位由fft约定、复数精度、特征分解次序或掩膜索引差异引起的层间偏差来源。

7、第三类方法侧重于数值计算的可复现性保障。例如,《计算机工程与科学》2025年发表的《面向国产芯片的可复现矩阵分解》一文中,提出基于无误差变换技术实现分块lu分解、cholesky分解和qr分解的可复现算法,在国产处理器上验证了浮点计算的可复现性。

8、该方法通过无误差变换技术保证同一芯片架构下多次运行的位级一致性,但其研究范围限定于单一平台内的数值复现,未涉及跨平台的数值一致性评定;该方法不提供分层基准中间结果的建立方法,不针对sar抗干扰算法特有的协方差估计、特征分解、检测掩膜和抑制重构等环节进行误差预算分配,也无法输出首个超差层级以定位跨平台差异的具体来源。

9、综上所述,现有技术在sar抗干扰算法的跨平台移植评定方面存在明显不足:参数误差分析方法仅关注物理参数偏差,不处理软件数值传播问题;干扰抑制算法优化方法仅关注检测抑制性能,不涉及软件一致性评定;数值可复现性方法仅保障单一平台内的位级一致,不解决跨平台差异定位问题。

10、因此,亟需一种能够建立分层基准中间结果、按误差传播权重分配预算、逐层比较复数数值误差与几何索引差异,并自动输出首个超差层级的sar抗干扰算法跨平台一致性评定方法。

技术实现思路

1、本发明的目的在于提供一种基于中间结果误差预算的sar抗干扰算法跨平台一致性评定方法,以解决现有技术中存在的上述技术问题。

2、为了实现上述目的,本发明采用如下技术方案:一种基于中间结果误差预算的sar抗干扰算法跨平台一致性评定方法,包括以下步骤:

3、步骤s1,读取同一测试数据、跨平台算法实现和分层误差预算,按照数据块索引、算子依赖序列和任务时间顺序排列输入数据,确定后续步骤共用的数据范围和参数集合;

4、步骤s2,基于步骤s1确定的数据范围,为输入读取、快速傅里叶变换、协方差估计、特征分解、检测掩膜、抑制残差和重构结果建立分层基准中间结果,所述分层基准中间结果采用带字段名称、数据索引和有效性标志的结构化数据记录;

5、步骤s3,以步骤s2输出的分层基准中间结果为输入,按照各层误差向最终结果的传播权重分配总体误差预算,得到层级预算;

6、步骤s4,接收步骤s2输出的分层基准中间结果和步骤s3输出的层级预算,逐层计算目标平台结果与基准中间结果之间的复数数值误差、几何索引差异和数据类型差异,形成层级一致性标志;

7、步骤s5,根据步骤s4输出的逐层差异向量和层级一致性标志,按数据流顺序逐层检查各层差异是否超过对应误差预算,当任一层的差异超过对应误差预算时,输出首个超差层级;全部层满足误差预算时,输出跨平台一致性判定结果。

8、进一步地,步骤s1中,对同一测试数据、跨平台算法实现和分层误差预算的数据格式、坐标基准和参数定义进行统一;各算子输入输出采用一致的数据块索引、数组维度和复数存储格式;发生坐标变换或数值精度转换时,转换结果及对应参数一并输入步骤s2。

9、进一步地,步骤s2中,按数据块、算法算子和计算设备分别计算分层基准中间结果,保留公式规定的量纲和数据索引;步骤s3按照数据索引读取步骤s2输出的分层基准中间结果,并沿用分层基准中间结果的空间索引或时间索引。

10、进一步地,步骤s3中,各软件后端或计算设备的输出采用相同的数据块索引、数组维度和数值精度定义;不满足数据接口约定的输出不进入后续计算;所述层级预算满足:

11、

12、其中为基准中间结果层数,为第层允许误差,为该层误差向最终结果传播的权重,为总体误差预算;层级预算随算法版本保存。

13、进一步地,步骤s4中,仅使用与当前数据索引对应的步骤s2输出的分层基准中间结果和步骤s3输出的层级预算,不混用其他数据块或算子的参数;逐层差异向量和层级一致性标志与对应数据块、算法算子或计算设备采用同一索引。

14、所述层级一致性标志满足:

15、

16、其中为第层复数数值误差,为对应数值预算,为块边界、掩膜或索引几何不一致计数,为数据类型、字节序或复数布局不一致计数,表示该层是否通过。

17、进一步地,内存、数值精度或输入维度不满足算子执行条件时,当前数据块不进入相应算子,并保持已完成图像块的处理结果不变;若内存分配失败、算子输出形状不符或设备计算未完成,则停止写入当前数据块结果,并保持已完成数据块的输出不变。

18、进一步地,数据块尺寸、数值精度、资源限额、误差容差和设备选择条件由步骤s1配置表显式输入,并在一次处理过程中保持不变;候选配置不满足数组维度、设备资源或数据接口条件时,不进入后续分派或计算。

19、进一步地,所述s5中,所述首个超差层级和跨平台一致性判定结果满足:

20、

21、其中为首个超差层,集合为空时记为无超差层,为跨平台一致性判定结果,为零时输出首个超差层及对应差异类型;

22、步骤s5输出的逐层误差向量、首个超差层级和跨平台一致性判定结果与步骤s1采用相同的数据索引;输出包含复数数据时,实部与虚部采用同一数据索引。

23、进一步地,采用cpu、gpu或星上异构平台的分块与流式实施方式,将数据块、算法算子和计算设备组织为数据矩阵、区域集合或时间序列,统一数据块索引、数组维度、复数存储格式和数值精度,批量执行步骤s2至步骤s5。

24、进一步地,采用分块异构计算实施方式,输入数据按核心区和扩展区划分为数据块,每个数据块具有唯一块索引;分层基准中间结果在不同计算设备上采用相同的输入输出形状和数值精度约定;步骤s4根据内存占用量、计算时限和可用计算资源确定并行度或设备分派;步骤s5按块索引合并结果,核心区仅写入一次,扩展区不直接覆盖最终输出;多个计算单元输出相同数据索引时,按照索引关系合并结果,避免重复写入或结果覆盖。

25、作为优选方案,步骤s1将复数sar数据、算子描述表、图像块几何参数、参数版本、设备资源状态和输出数据结构作为显式输入;所述算子描述表记录每个算子的输入维度、输出维度、边界支撑、统计样本需求、数值精度和依赖关系;分层误差预算按输入读取、频域变换、协方差、特征分解、掩膜、抑制和重构七层分配。

26、与现有技术相比,本发明具有如下有益效果:

27、1、通过为输入读取、快速傅里叶变换、协方差估计、特征分解、检测掩膜、抑制残差和重构结果建立分层基准中间结果,突破了现有"黑盒"测试仅对比最终输出图像的局限,实现了对sar抗干扰算法处理链各中间环节的逐层透视,能够将快速傅里叶变换归一化约定、复数运算截断精度、特征分解次序和掩膜索引行列优先顺序等细微差别造成的层间差异逐层定位,从根本上解决了现有方法无法确定首个产生偏差算子的技术问题。

28、2、通过按照各层误差向最终结果的传播权重分配总体误差预算,以数据量级、算子条件数、特征值间隔等关键因素综合确定各层权重,将总体误差预算按传播灵敏度比例分配至各层,克服了简单分层比对方法缺乏统一误差预算分配机制的缺陷,避免了因各层误差容差设置不合理导致的误判或漏判,使误差预算分配与算法实际误差传播规律相匹配。

29、3、通过逐层计算目标平台结果与基准中间结果之间的复数数值误差、几何索引差异和数据类型差异三类检查,并形成层级一致性标志,当任一层的差异超过对应误差预算时立即输出首个超差层级,实现了跨平台移植问题的精准定位,解决了现有方法因数据块索引错位、数组维度定义不一或参数版本不匹配导致后续算子读取错误中间结果、无法准确界定数值一致性边界的技术问题。

30、4、通过在统一的数据索引和参数定义下组织全部处理步骤,各算子输入输出采用一致的数据块索引、数组维度和复数存储格式,不满足数据接口约定的输出不进入后续计算,保证了评定过程的严格可控性;同时支持cpu、gpu和星上异构平台的分块与流式实施,适应了sar抗干扰算法在不同计算架构间移植的工程化部署需求。