AESA雷达信号处理及体系结构

间、频率和相位以及其他相关数据的数据包。从这里开始，接收链会处理这一数据包而不是接收到的信号。

下一步一般是多普勒处理。首先，脉冲被送入方格阵列中（图3 ）。在阵列中，每一列含有从某一发射器啁啾返回的脉冲。阵列中会有很多列，这取决于系统能够承受多大的延时。阵列中的行表示返回切换时间：距离阵列的x轴越远，发射器啁啾和接收脉冲到达时间之间的延时就越大。这样，延时方格也代表了与某一脉冲反射的目标的距离。

图3 .多普勒处理方格。

把一系列啁啾脉冲置入到正确的方格中后，多普勒处理程序水平移动数据——观察从一个目标返回的脉冲随时间的变化，提取出相对速度和目标头部信息。这一处理方法需要很大的环形缓冲，无论某一多普勒算法一次能够处理多少方格，缓冲都能够容纳所有的方格。

先进系统在阵列中增加了另一个维度。通过把天线划分成子阵列，系统可以同时发送多个波束，然后，使用相同的多旁瓣天线方向图设置接收器进行监听。或者，系统通过聚束或者使用合成孔径方法来扫描波束。现在，当装入压缩后的脉冲时，系统建立一个三维方格阵列：一个轴上是发送脉冲，第二个是返回延时，第三个是波束方位（图4 ）。现在，对于每一路脉冲，我们有两维或者三维方格阵列，同时表示距离和方向——表示物理空间。这种存储器的排列是空时自适应处理（STAP）的起点。

图4 .多维方格为STAP建立矩阵。

这一术语可以解释为："空时"，数据组在3D空间统一了目标的位置，含有与目标相关的啁啾时间。之所以是"自适应"，是因为算法从数据中获得自适应滤波。

概念上，实际情况也是如此，构成自适应滤波器是一个矩阵求逆过程：这一数据要与哪一矩阵相乘，得到噪声中隐藏的结果？据Altera资深技术营销经理Michael Parker，推测的隐藏方向图信息可能来自多普勒处理过程发现的种子，从其他传感器采集的数据，或者来自智能数据。运行在CPU下游的算法把假设的方向图插入到矩阵方程中，解出能够产生预期数据的滤波函数。

很显然，在这一点，计算负载非常大。反变换算法需要的动态范围要求进行浮点计算。对于战斗环境中一个实际的中等规模系统，必须实时进行处理，Parker估算了STAP负载会达到几个TFLOPS.在采用了低分辨率、窄动态范围的系统中，实时性要求并不高，例如，简单的汽车辅助驾驶系统或者合成孔径映射系统等，这一负载会显著减小。

从STAP，信息进入到通用CPU中，复杂但是数字计算量小，软件尝试对目标进行分类，构建环境模型，估算威胁所在，或者告诉操作员，或者直接采取紧急措施。在这一点，我们不但在信号处理域处理信号，而且还进入了人工智能领域。

从一名经验丰富的雷达系统设计师的角度看，我们还只是肤浅的了解了AESA战斗雷达。这一参考方法把网络看成是相对静态的DSP链，都连接至STA模块，其本身是软件受控的矩阵算术单元。除此之外，从DSP专家的角度看，是一组CPU内核。

作为对比，汽车或者机器人系统设计人员会从完全不同的角度看系统。从嵌入式设计人员的角度看，系统只是一大段软件，有一些非常专用的I/O器件，以及需要进行加速的某些任务。有经验的雷达信号工程师考虑到信号处理和通用硬件的相对规模，可能会对这一方法不屑一顾。很显然，机载多功能雷达的数据速率、灵活性和动态范围要求采用专用DSP流水线以及大量的本地缓冲才能完成实时处理。但是对于有几个天线单元的不同应用，简单的环境、更短的距离和较低的分辨率，以CPU为中心的观点带来了一些有意思的问题。

莱斯大学的Gene Frantz教授提出的第一个问题是，定义真实环境的I/O.第二个问题是选择CPU.Frantz注意到，"很少只有一个CPU.更常见的是异构多处理系统。"Frantz建议这一方法不从MATLAB中的DSP函数开始，而是从C语言中描述的完整系统开始。然后，以CPU为中心的设计人员不是定义设计中DSP和CPU域之间的硬件边界，而是"不断优化并加速C代码。"

实际结果可能与以DSP为中心的方法完全不同。例如，以CPU为中心的方法一开始假设在一片通用CPU上执行所有工作。如果速度不够快，这一方法转向多片CPU，共享一个分层的连续存储器。只有当多核不足以完成任务时，这一方法才转向优化的硬件加速器。

相似的，以CPU为中心的设计从假设一个统一的存储器开始。它为每一个处理器分配连续高速缓存，为加速器分配本地工作存储器。它开始时并不假设任何硬件流水线，也不把任务混合映射到硬件资源上。

在要求最严格的应用中，同一个系统设计可能会同时采用两种体系结构方法。几乎每一任务严格的带