杂乱仿真

雷达系统工程师经常需要模拟杂波返回测试信号处理算法，例如STAP算法。然而，生成高保真杂波返回涉及许多步骤，因此通常是计算昂贵的。例如，ConstantGammacluttutht使用以下步骤模拟杂乱：

杂波贴片的数量取决于地形覆盖范围，但它通常在数千万到百万的范围内。另外，需要对每个脉冲进行上述所有步骤（假设使用脉冲雷达）。因此，杂波仿真通常是系统仿真中的高杆。

为了提高杂波仿真的速度，可以利用并行计算。请注意，从以后的脉冲返回的杂波可以取决于早期脉冲中产生的信号，因此Matlab提供的某些并行解决方案，例如金宝搏官方网站议案，并不总是适用。但是，由于每个补丁的计算与其他贴片的计算无关，所以它适用于GPU加速度。

如果您有支持的GPU并访问并金宝app行计算工具箱，则可以利用GPU通过使用生成杂乱返回GpuconstantGammaclutter而不是C.OnstantGammaclutter。在大多数情况下，使用aGpuconstantGammaclutter系统对象是您需要的唯一更改。

如果您可以访问Matlab编码器，您还可以通过为C生成C代码来加速杂波仿真OnstantGammaclutter，编译它并运行编译版本。在代码生成模式下运行时，此示例编译Stapclutter使用codegen命令：

codegen（'stapclutter'，' -  args'，... {coder.constant（maxrange），...编码器.constant（patchazspan）}）;

C的所有属性值OnstantGammaclutter必须作为常数值传递。Codegen命令将生成MEX文件stapclutter_mex，该文件将在循环中调用。

比较杂波模拟时间

要比较Matlab解释器，代码生成和GPU之间的杂波仿真性能，通过键入启动以下GUIStapcpugpu.在matlab命令行中。推出的GUI如下图所示：

GUI的左侧包含四个图形，示出了RAG接收信号，接收信号的角度 - 多普勒响应，处理信号和STAP处理权重的角度 - 多普勒响应。同样，细节可以在示例中找到时空自适应处理简介。在GUI的右侧，通过修改方位方向（以度）和最大杂波（IM）修改杂波贴片跨度来控制杂波贴片的数量。然后，您可以单击“开始”按钮开始模拟，这会模拟每个CPI包含10个脉冲的5个相干处理间隔（CPI）。每次CPI都会更新处理的信号和角度多普勒响应。

下一节显示了不同模拟运行的时序。在这些模拟中，每个脉冲由200个范围样本组成，范围分辨率为50米。杂波贴片跨度的组合和最大杂波范围导致各种总杂波贴片。例如，杂波贴片跨度为10度，最大杂波范围为5km意味着3600杂波贴片。模拟是在以下系统配置上执行的：

定时结果如下图所示。

Helpercpugpuliteultplot.

从图中，您可以看到通常，GPU通过几十次提高模拟速度，有时甚至百次。两个有趣的观察是：

代码生成引起的仿真速度提高小于GPU速度改善，但仍然是显着的。代码生成ConstantGammaclutter预先计算收集的杂波作为恒定值的阵列。对于较大数量的杂波贴片，阵列的大小变得太大，因此降低了由于内存管理的开销引起的速度改善。代码生成需要访问MATLAB编码器，但不需要特殊的硬件。

其他模拟时序结果

尽管在该示例中使用的模拟来计算数百万杂波贴片，所得到的数据立方体的尺寸为200x6x10，表示每个脉冲，6个通道和10个脉冲内的200范围样本。与真正的问题相比，这种数据立方体很小。此示例选择这些参数以显示您可以使用GPU或代码生成获得的好处，同时确保示例在Matlab解释器中的合理时间内运行。具有较大数据多维数据集大小的一些模拟产生以下结果：

概括

此示例比较通过使用MATLAB解释器，GPU或代码生成模拟杂波返回来实现的性能。结果表明GPU和代码生成提供了对Matlab解释器的大速度改进。