基于GPU的列车卫星定位接收机捕获引擎设计.pdf

第 20 卷 第 8 期2023 年 8 月铁道科学与工程学报Journal of Railway Science and EngineeringVolume 20 Number 8August 2023基于GPU的列车卫星定位接收机捕获引擎设计黄颂1，巴晓辉1,3，蔡伯根2,3,4，姜维1,2,3，王剑1,2,3(1.北京交通大学 电子信息工程学院，北京 100044；2.北京交通大学 智慧高铁系统前沿科学中心，北京 100044；3.北京市轨道交通电磁兼容与卫星导航工程技术研究中心，北京 100044；4.北京交通大学 计算机与信息技术学院，北京 100044)摘要：下一代列控系统中提出了应用卫星导航提供位置服务的需求，相应的卫星导航硬件接收机价格高昂，不能兼具场景测试的灵活性和设备的便携性。传统软件接收机可根据需求更改基带算法，灵活性高，但由于串行捕获的原因导致其耗时较长，影响用户首次定位的时间。本文针对铁路沿线开阔和存在遮挡的强弱卫星信号场景，设计了基于GPU的双模捕获引擎，分析了信号捕获速度以及灵敏度。首先，介绍了基于FFT的并行码相位捕获算法；其次，利用GPU与CPU异构并行计算平台，设计了强弱信号的并行捕获架构；然后，对捕获的各个模块进行并行性设计，通过对载波多普勒、多颗星并行实现强星的搜索，对于弱信号捕获，提出一种间断性补偿码多普勒的全比特法来提高捕获速度。最后，使用现场轨道坐标测量数据仿真生成了不同载噪比的中频数据来验证并行捕获的正确性，并对捕获耗时、灵敏度进行了分析与对比。仿真结果表明：5 MHz采样率下，冷启动搜索12颗GPS/BDS强星信号只需32.5 ms；对25 dBHz的弱信号，GPS与BDS的捕获概率分别达到90%和80%，捕获时间减少了29.3%，在保证灵敏度的同提升了捕获速度。对2种铁路场景设计了相应的并行捕获架构，在铁路沿线捕获强弱卫星信号的同时能够降低列车首次定位时间，为列车专用软件接收机捕获引擎的设计提供了参考。关键词：列车定位；双模软件接收机；捕获；CUDA；并行计算中图分类号：U284 文献标志码：A 文章编号：1672-7029（2023）08-3093-12Design of acquisition engine for train satellite positioning receiver based on GPUHUANG Song1,BA Xiaohui1,3,CAI Baigen2,3,4,JIANG Wei1,2,3,WANG Jian1,2,3(1.School of Electronics and Information Engineering,Beijing Jiaotong University,Beijing 100044,China;2.Frontiers Science Center for Smart High-speed Railway System,Beijing Jiaotong University,Beijing 100044,China;3.Beijing Engineering Research Center of EMC and GNSS Technology for Rail Transportation,Beijing Jiaotong University,Beijing 100044,China;4.School of Computer Science and Technology,Beijing Jiaotong University,Beijing 100044,China)Abstract:In the next generation train control system,it has been proposed that satellite navigation be used to 收稿日期：2022-08-23基金项目：国家自然科学基金联合基金资助项目(U1934222)；北京交通大学人才基金资助项目(2022XKRC003)通信作者：巴晓辉(1980)，男，山东东营人，教授，博士，从事接收机基带信号处理技术、卫星导航定位研究；Email：DOI:10.19713/ki.43-1423/u.T20221643铁 道 科 学 与 工 程 学 报2023 年 8月provide location services.The corresponding satellite navigation hardware receiver is expensive,which cannot balance the features of flexibility and portability.The traditional software receiver can change the baseband algorithm according to demand,providing high flexibility.However,it takes a long time due to serial acquisition,which affects the users first positioning time.In this paper,a dual-mode acquisition engine based on GPU was designed for open and occluding scenes along the railway,which includes both strong and weak satellite signals.The signal acquisition speed and sensitivity were analyzed.First,a parallel code phase acquisition algorithm based on FFT was introduced.Second,a heterogeneous parallel computing platform consisting of GPUs and CPU,the parallel acquisition architecture for both strong and weak signals.Then,the parallel design of each module was carried out,and the search for a strong signal was realized through carrier doppler and multiple satellites in parallel.For weak signal acquisition,an intermittent compensation code doppler full-bit method was proposed to improve the acquisition speed.Finally,intermediate frequency data with different CNRs were generated by simulating field track coordinate measurements to verify the correctness of parallel acquisition.The time and sensitivity of acquisition were analyzed and compared.The results show that with a 5 MHz sampling rate,it only takes 32.5 ms to search for 12 strong GPS/BDS satellites in cold start.For the weak signal of 25 dBHz,the acquisition probability of GPS and BDS can reach 90%and 80%respectively,and the acquisition time is reduced by 29.3%,which improves the acquisition speed while ensuring the sensitivity.This paper designs the corresponding parallel acquisition architecture for the two railway scenarios,which can reduce the first positioning time of the train while acquiring the strong and weak satellite signal along the railway,and provides a reference for designing the acquisition engine of special software receivers for trains.Key words:train positioning;dual mode software receiver;acquisition;CUDA;parallel computing 以我国北斗、美国GPS为代表的全球卫星导航系统(Global Navigation Satellite System,GNSS)能够为全球范围内的用户提供定位、定速和授时等服务1。随着卫星导航系统在公路、民航等交通运输的广泛应用，下一代列控系统提出了应用BDS系统提供位置服务的需求。在铁路建设中，通过卫星导航接收机测量线路、道岔等关键点的位置坐标，生成高精度轨道数字地图辅助车载传感器完成列车的高精度定位2。在区间内，使用卫星导航接收机接收卫星信号解算列车的速度和位置，来替代依赖应答器与轨道电路进行定位、占用检查的传统方法，降低了区间内轨旁设备的数量，减轻设备维护的工作量3。利用卫星导航系统建立可靠的列车运行控制系统，保障铁路的安全性和可维护性是新型列控系统建设的关键问题。卫星导航接收机作为提供位置服务的终端设备，不同的应用场景对其性能参数有着不同的要求。在用于列车定位过程中，WISS等4结合卫星导航在铁路定位应用领域的需求，归纳形成了GNSS列车定位应用技术开发指导性文件，为卫星导航专用接收机相关技术发展以及实用化奠定了基础。自1997 年起莫斯科 COMPASS 设计局与莫斯科铁路管理局研制列车安全设备 KLUB-U，利用 GPS/GLONASS导航接收机及车载线路地图实现列车位置的精确检测，至今为止已在俄罗斯铁路上千列机车上安装使用5。但随着新体制卫星信号的播发，多模多频信号之间的兼容与互操作性给接收机的设计与发展带来了诸多挑战。常规基于ASIC(Application Specific Integrated Circuits)的硬件接收机因缺乏灵活性及不可编程性，不能对功能结构、计算处理逻辑等进行针对性调整，限制了接收机的性能。为对用于列车定位的接收机进行相应调整与优化，科研人员引入软件接收机的思想，采用可编程的软件化结构完成卫星信号的接收处理功能。软件接收机可对应用于列车的辅助定位算法进行验证以及为虚拟应答器实现以及轨道电子地图的生成提供服务，缩短项目研发周期，降低列车定位系统的成本。BERTRAN等6分析了铁路3094第 8 期黄颂，等：基于GPU的列车卫星定位接收机捕获引擎设计设备引起的电磁干扰对硬件GPS接收机性能的影响，验证了低成本的软件接收机用于列车定位方案的必要性。上官伟等7设计实现了可用于列车定位的软件接收机，但只能捕获强信噪比的卫星信号。由于铁路沿线存在山体、建筑、遮挡物等复杂环境，此环境下卫星信号微弱(小于 30 dBHz)，而普通的商用接收机则不能正确地捕获跟踪信号进行定位。为此，可利用软件接收机的灵活性、通用性等特点，根据不同卫星的信号体制、铁路沿线的应用场景设计相应的基带算法，实现开阔场景、遮挡场景下卫星信号的捕获。冷启动情况下，卫星信号的捕获影响列车首次定位的时间，而传统的软件接收机串行实现的GNSS信号捕获算法耗时长。随着GPU的可编程性的不断提高，对大规模并行数据处理的计算能力已经在云计算、人工智能等领域得到应用，为软件接收机的实时化 提 供 了 解 决 方 案8。捕 获 过 程 可 在 英 伟 达(NVIDIA)推 出 的 CUDA(Compute Unified Device Architecture，即统一计算设备架构)上进行编程开发，并行处理中频数据。针对基于GPU并行捕获国内外学者已进行一些研究，HOBIGER等9首次利用GPU实现了GPS的并行捕获。HUANG等10设计了一种基于高性能 GPU 的实时软件接收机STARx，可 并 行 捕 获 跟 踪 GPS，Galileo，GLONASS和BDS系统与一些区域系统所有频点的民用信号，满足实时性的要求。XU等11设计了一款 基 于 GPU 的 实 时 软 件 接 收 机 NAVSDR，在9.75 MHz复采样率、相干积分时间为10 ms下捕获32 颗 L1 C/A 信号的速度提升约为 CPU 的 3.3 倍。杨智博等12基于嵌入式 Jetson TX2 平台，在 62 MHz采样率下利用GPU将B3I信号的捕获速度提高16.83倍。覃新贤等1315基于CUDA平台实现了北斗B1I和B3I信号的快速捕获。张武迅16利用数据和导频双通道相干组合能捕获到145 dBm 的B1C 信号，进而实现 B1I 信号的快速位同步。若B1C和B1I的信号总功率一致时，导频通道的BOC(1,1)分量占B1C总功率的29/44，只使用导频进行捕获会损失一定的功率；若数据通道和导频通道联合捕获，也往往忽略BOC(6,1)分量，会损失一定的信号功率；此外若没有对子码剥离，捕获B1C信号只能使用10 ms相干积分长度。本文在上述基础上，结合基于 FFT 的并行码相位捕获算法17，设计了基于GPU的强信号与弱信号的并行捕获架构。在铁路开阔场景下，利用短时间的非相干积分对强信号实现多通道的并行捕获；在具有遮挡的条件下，采用全比特法实现微弱信号的捕获。本文着重论述了GPU架构下并行信号捕获的耗时以及弱信号捕获灵敏度，提出的码多普勒补偿的双模并行捕获方法在强信号场景下提升捕获的速度，在弱信号场景下提高捕获灵敏度的同时有效减少了弱信号的捕获耗时。基于GPU的强弱信号并行捕获架构场景灵活度高，便于算法验证，可在普通的PC机上运行，设备成本低。1 基于FFT的信号捕获算法GPS L1 C/A和 BDS B1I信号经过射频前端下变频、采样后得到的中频信号分别表示如下：sj(k)=AC(k)D(k)cos2kTS(fIF+fd)+0(1)sj(k)=AC(k)NH(k)D(k)cos2kTS(fIF+fd)+0(2)式中：j表示卫星的PRN号；A表示信号幅度；C表示扩频码；D表示扩频码上面调制的导航电文；NH表示调制的二级码；fIF是载波中频频率；fd为载波多普勒；0是载波初始相位。卫星信号捕获的实质是将接收信号与本地复现的载波和扩频码作相关运算，得到相关峰值，根据设置的阈值进行门限判决，从而得到卫星PRN号、码相位和载波多普勒估计值。GPS L1C/A与BDS的B1I信号采用BPSK调制方式，导航电文每20 ms可能出现一次比特翻转，但对于MEO和IGSO卫星B1I信号上还存在的1 kbps的NH码，可能会在相干积分时间内出现二级码翻转，导致相干增益的削减。本文采用补零FFT18的方法来解决B1I信号二级码跳变产生的不利影响，算法原理如图1所示。为了消除电文翻转或者二级码跳变产生的影响，每次使用2 ms的中频数据，这是因为2 ms至少会包含一个完整周期的扩频码，但最终只保留前1 ms有效结果。对于强信号捕获只需对最终产生的1 ms相关值取模进行非相干累积得到捕获检3095铁 道 科 学 与 工 程 学 报2023 年 8月测量。而对于弱信号捕获，本文采用全比特法充分利用一个比特的相干积分时间(20 ms)，需要将1 ms相关值进行20次相干累积，再进行非相干累加得到最终捕获检测量。不同于强信号的是，弱信号捕获不仅需要对不同载波频点、码相位进行搜索，还需要搜索20次导航电文的比特边沿，并且为了减少因码多普勒频移造成的影响，本地复制的码相位需根据当前搜索的载波多普勒进行调整。2 基于CPU与GPU的强弱信号捕获架构设计信号捕获过程中的点乘、相干、非相干累加等都存在大量的重复性工作，且每个采样点的计算都是独立的，符合 GPU 运算单指令多数据流(Single Instruction Multiple Data,SIMD)的规则。其次，不同的卫星在搜索每个频点的处理流程也是相同的，即不同卫星、不同搜索频点之间的相关运算是相对独立的运算过程，故可以采用并行计算方式来处理。英伟达公司开发的CUDA并行计算架构采用了单指令多线程执行模型，可以设计合适的并行结构加速采样点的计算。本文设计的捕获模块采用了CPU与GPU异构并行计算的结构，强弱信号并行捕获架构如图2所示。捕获模块包括本地载波产生、本地扩频码生成、各个多普勒频点的码相位搜索、相干与非相干累加、峰值检测及门限判决等子模块。其中，载波剥离、FFT运算、向量相乘、IFFT运算、向量累加取模等存在大量数据运算的操作，可以将其交与GPU端并行化处理，提升捕获的速度；而CPU端则读取中频数据等复杂的逻辑运算，完成门限判决与存储捕获结果。从CPU端读取中频信号采样点并且生成多颗卫星的扩频码，并将中频信号、扩频码采样点由CPU内存拷贝到GPU显存中进行并行运算，最终得到多个1 ms有效数据。对于强信号捕获进行多次非相干积分即可，而微弱信号捕获利用了20 ms相干积分时间，为防止相干增益被抵消需要并行搜索导航电文的比特边沿。得到每个码相位(采样点)的累加值后，最终在GPU端搜索码相位的最大峰值，将其拷贝至CPU中进行门限判决得到捕获结果。综上，强弱信号捕获需具体设计相应的核函数完成各自计算任务的并行处理。图1信号捕获算法示意图Fig.1Schematic diagram of signal acquisition algorithm3096第 8 期黄颂，等：基于GPU的列车卫星定位接收机捕获引擎设计3 并行计算模型设计3.1载波相位并行线程模型CUDA 是由 NVIDIA 推出的专门用于 GPU 编程开发的平台，其编程模型如图 3所示。CPU 与GPU通过PCIe总线相连接来协同工作，CPU所在位置称为为主机端(host)，其包含的存储空间称为主机内存；而 GPU 所在位置称为设备端(device)，包含的存储空间称为设备内存。CUDA的线程组织结构19如图 3 所示，自上到下可以分为 Grid，Block和Thread 3级，多个线程(Thread)组成一个线程块(Block)，多个线程块构成一个网格(Grid)，一个网格对应着一个核函数(运行在GPU上的并行计算函数)。在 CUDA 中每一个线程都要执行核函数，所以每个线程会分配一个唯一的线程号，并且每一级都有其相应的编号，从而利用编号使线程执行并行计算的任务。在进行载波剥离的过程中，本地载波相位的计算是通过数控振荡器的形式来实现，每次步进的长度是由载波多普勒频移计算得到，若在CPU图2信号并行捕获架构Fig.2Signal parallel acquisition architecture3097铁 道 科 学 与 工 程 学 报2023 年 8月以串行的方式计算中频信号采样点数值时，每个点的载波相位和码相位是通过上一个采样点与步进值累加得到。本文利用GPU对每个采样点并行生成，无法依据上一个采样点进行推导，可以根据线程编号来索引每一个采样点。因此本地载波生成的并行计算模型可设计为一维 Block 和二维Grid的结构，由此可以得到每个采样点的载波相位为：carrierphase=(fIF+fd)/fsidx+0(3)idx=(threadIdx.x+blockIdx.xblockDim.x)(4)其中：threadIdx.x 为每个 Block 内线程的列编号，blockIdx.x为 Grid中 Block的列编号，生成不同频点的载波可用blockIdx.y来索引。3.2码相位并行线程模型本地码相位的生成方式与载波相位相同，也是通过数控振荡器的形式来实现，但卫星和接收机之间的相对运动会产生码多普勒效应，卫星信号的扩频码频率会发生偏移，随着时间的推移，接收信号与本地信号的码相位将会发生相对滑动即码相位误差将逐渐变大，可能造成相干积分的峰值下降与移位。考虑码多普勒的码相位步进长度可由式(5)表示：Dcode_dco=()fdopfrf/fcode+fcode/fs(5)其中：frf代表卫星射频频率；fcode为扩频码速率；fs为采样率。捕获强信号时，使用的中频数据短，基本可以忽略接收信号与本地信号的码相位滑动，只需生成1 ms长度的伪码然后补1 ms长度的0作为本地码。本地伪码以并行多路的形式在GPU生成，采用二维的Block和一维的Thread结构，其中Block的X维线程索引本地码相位采样点，Y维线程索引不同卫星本地码的产生。在进行弱信号的捕获时，需要进行长时间的信号累积来提高灵敏度，并且载波多普勒较大时势必造成相干积分的损失，因此需考虑码多普勒的影响。若本地码相位采样点将根据上式计算，则需要连续生成与中频信号相同长度的伪码采样点进行 FFT运算，这将占用大量的显存资源，且进行大点数的 FFT会导致弱信号捕获时间大大增加。为了减少 FFT耗时、节省显存资源，本文提出一种间隔性补偿码多普勒的全比特法：假设t1为接收的中频数据的某个采样时刻，在生成本地伪码时，t1至t1+N(N为20 ms整数倍)时段内N ms的伪码采样点可用从 t1+N/2时刻生成的 1 ms长度的伪码采样点替代，这样2N ms长度的FFT运算量减少到2 ms(补零后的长度)，考虑到码多普勒对码相位滑动的影响，需要对从 t1+N/2时刻生成的 1 ms伪码进行码多普勒补偿，由此可以得到经过码多普勒补偿后t1+N/2时刻开始生成的码相位为：codephase=()fcode+fdopfrf/fcode()t1+N/21 000+()fcode+fdopfrf/fcode/fsidx+code0(6)其中：code0为码相位初值，t1+N/2选取为 t1至 t1+N的中间时刻，可使相关峰值衰减最少。但N的长度需要保证在此时间段内由多普勒引起的码片滑动不能超过0.5码片，否则码多普勒补偿的效果会显著降低。并行搜索不同的载波频率时，会根据该载波频点进行相应的码多普勒补偿。本地伪码并行生成采用二维的Block和一维的Thread结构，其中Block的X维线程索引本地码相位采样点，不同载波多普勒频点对应产生的本地码使用Y维线程索引。3.3比特边沿搜索并行线程模型本地伪码采样点生成后，将其 FFT结果取共轭与中频信号的 FFT结果进行频域相乘，在点乘时采用多采样点并行计算可显著降低相关运算的图3CUDA线程组织架构Fig.3CUDA thread organization architecture3098第 8 期黄颂，等：基于GPU的列车卫星定位接收机捕获引擎设计时间；对相乘的结果调用cuFFT库进行IFFT运算，得到多个IFFT的前1 ms有效结果后，捕获弱信号需要搜索比特边沿搜索即20次并行相干累加，设计的并行线程模型如图4所示。考虑到 20 次相干积分中采样点的相加运算、载波频率的搜索以及比特边沿的搜索，并行计算模型可设计为一维的Block和三维的Grid的结构。比特边沿的搜索通过blockIdx.z索引，不同载波频点的计算则使用 blockIdx.y来索引，同时在 Block内每个线程索引1 ms相干积分的每个采样点。此外，进行相干累加的过程中，BDS与GPS不同的是还需要剥离二级码，即BDS每1 ms的采样点都需要与NH码相乘才能进行相干累加。经过相干积分、非相干积分后的结果需要在GPU端进行峰值检测，可利用CUDA的cuBLAS库实现数据的并行处理，得到峰值所在的位置，最后将结果从显存拷贝到内存中进行门限判决。受限于设备内存的大小，弱信号捕获需要处理较长的中频数据和搜索大量的载波频点，不可能一次性在GPU中进行所有载波频点的并行搜索，而强信号捕获则可以一次进行所有频点的并行搜索。3.4内存分配与程序优化设计在Nvidia GPU内部为不同的数据结构和内存读取方式定义了一些特殊的内存，如寄存器、共享内存、纹理内存、全局内存、锁页内存等，每种不同类型的内存空间都有不同的作用域、生命周期和缓存行为，合理利用内存能够提升程序的并行效率。纹理存储器(texture memory)是一种只读存储器，对数据的读(写)操作通过专门的texture cache(纹理缓存)进行，速度优于全局内存。由于GPS与BDS的伪随机序列是固定不变的，伪随机序列存放在设备端的纹理内存之中能够减少伪码在GPU与CPU之间传输所消耗的时间。页锁定内存是在主机内存中开辟一块供GPU交换数据而不与磁盘进行数据交换的空间，具有更高的内存读取速度，其传输效率高于被交换的可分页内存。在处理中频数据之前，需要将中频数据采样点从CPU的内存空间提前传输到GPU显存中，当弱信号捕获需要较长的中频数据或者采样频率较高时，采样点内存的读取将花费大量的时间，因此可以使用页锁定内存存放采样点数据。对于中频信号进行载波剥离时，载波生成模块载波生成模块有2种常用方式，一种是在核函数中调用sincosf进行单精度浮点三角函数计算；第图4三维并行架构Fig.43D parallel architecture3099铁 道 科 学 与 工 程 学 报2023 年 8月二种是使用查询表的方式得到，将提前计算好的正余弦函数表存放在纹理内存中，每次调用时根据相位读取相应数值，这是一种空间换时间的方式，由于 GPU 具有强大的浮点计算能力，上述 2种方式所花时间相差不大。在上一节的并行计算模型之中，无论是码相位和载波相位的计算，还是点乘、相干与非相干累加，都可以采用一个线程计算多个采样点的策略提高程序的运行速度。而CUDA核函数运算之前需要访问显存读取数据，当满足合并访问时，能够实现显存带宽的最大化利用，提高内核函数的执行性能。综上，设计核函数时让相邻的线程计算相邻的点，这样既实现了合并访问又保证了单个线程计算多采样点。4 实验验证及数据分析4.1实验数据及设备本文实验的硬件环境如下。CPU：Intel Core i7-9750H；GPU：NVIDIA GeForce GTX 1650，计算能力7.5，显存8 G。在硬件层面，GPU是以线程束的形式在多处理器(Streaming Multiprocessor,SM)来运行实现并行计算，在每个SM中线程束的占用率越高则说明当前程序的并行性越高。共享内存与寄存器的占用也是影响程序效率的重要因素，并且GPU中的硬件资源是有限的，随着线程数量的变化，每个线程可以使用的硬件资源也不同，这是影响线程束占用率的主要因素。实验所使用的GPU硬件资源如表1所示。本文使用模拟器和 2018年 7月京沈客运专线黑山北站沈阳西站区间实测轨迹数据仿真生成了不同信噪比的中频测试数据，以此模拟铁路的强弱信号场景来进行捕获。在采样率为16.368 MHz下生成的GPS和BDS中频数据频谱图如图5和图6所示。由于捕获卫星信号时使用的数据在该时段内列车的速度与卫星的速度变化微小，可认为载波多普勒保持不变。结合以上实验数据，本文将从捕获速度、正确性和捕获灵敏度分析信号并行捕获的性能。4.2捕获速度分析实时性能是衡量软件接收机的数据计算能力的关键因素，对于软件接收机来说，捕获作为计算最大的模块，其消耗的时间会影响到冷启动或卫星信号失锁时重捕的首次定位时间，从而影响到系统接收的实时性，本小节对强弱信号环境下的捕获速度进行分析。设置GPS和BDS强信号捕获的相干积分时间为 1 ms，捕获 GPS L1C/A 与 BDS B1I 采用补零表1GPU硬件资源Table 1GPU hardware resource设备Cuda核心数可用共享内存大小SM多处理器数量可用寄存器数量型号89648 KB1632bit65 536图5GPS中频信号频谱图Fig.5Spectrogram of GPS IF signal图6BDS中频信号频谱图Fig.6Spectrogram of BDS IF signal3100第 8 期黄颂，等：基于GPU的列车卫星定位接收机捕获引擎设计FFT算法，对于1 ms的相干积分需要进行2 ms长度的数据运算。根据第2节可知，捕获模块主要由本地载波生成及剥离，本地码生成，FFT/IFFT和非相干积分等部分组成，当采样率相同时上述模块中参与运算的采样点的数量是相同的，因此2种信号捕获各模块的运算量基本相同，即耗时相同。表 2 给出了 62 MHz 采样率下，单通道以及1 ms相干积分时间内分别搜索1个与21个载波多普勒的耗时。表3列出了不同文献的GPU捕获耗时情况，与文献16相比，非相干次数为1时，搜索一颗卫星本文消耗的时间是其50%左右；与文献10相比，本文捕获所消耗的时间是其 75%左右，由于同等架构下Cuda核心的数量会与运算速度成正比，因此与本文的加速效果相差不大。设置相干积分时间 1 ms，非相干次数 20 次，图7给出了3种采样率下不同通道数GPU捕获的总耗时。采样率为16.368 MHz时，搜索一颗卫星且同时搜索21个频点，需要24 ms左右；降低采样率为5 MHz时，同时搜索10颗卫星且每颗卫星同时搜索21个频点需要27 ms左右。对于弱信号捕获可以通过3.2所述的间隔性补偿码多普勒的全比特法来减少耗时。若处理100 ms的中频数据本地将生成200 ms(补零)长度的伪码采样点作 FFT运算，这会使捕获的耗时显著增加，因此本文用第10 ms开始的1 ms采样点、第30 ms开始的1 ms采样点、第50 ms开始的1 ms采样点、第70 ms开始的1 ms采样点、90 ms开始的1 ms采样点来替代0至20 ms，20 ms至40 ms，40至 60 ms，60 m 至 80 ms，80 m 至 100 ms的 20 ms伪码采样点，因此每个载波频点200 ms长度的伪码FFT运算量降低到了10 ms。表4给出了采用间隔性补偿码多普勒和连续补偿码多普勒的全比特法(对每一毫秒的伪码都进行码多普勒补偿)时，2种采样率下 GPS 与 BDS 弱信号捕获的运行耗时，并且同样采样率下捕获2种弱信号参与运算采样点的数量是相同的，因此捕获各模块的运算量相同。当采样率为 5 MHz时，采用间隔性补偿码多普勒的全比特法搜索单颗GPS/BDS所消耗的时间相比于连续补偿码多普勒的全比特法减少了111.64 ms；在16.368 MHz搜索单颗GPS/BDS消耗的时间减少了778.05 ms。因为采用间隔性补偿码多普勒的方法从产生本地伪码、补零、本地伪码FFT三方面显著减少了捕获耗时，且采样率越高、使用的数据越长，减少耗时越明显。此外，由于中频数据过长、搜索的频点数目过多和比特边沿的搜索，无疑将占用大量的显存资源，使得GPU表2GPS/BDS强信号GPU捕获耗时Table 2Strong signal acquisition time of GPS/BDS模块扩频码FFT载波剥离载波FFT点乘IFFT取1 ms有效数据取模峰值搜索采样率/MHz6262626262626262相干积分时间/ms11111111非相干积分次数11111111多普勒搜索频率数目2121212121212121GPU耗时/ms0.010 40.389 11.275 70.556 51.275 90.198 40.142 90.135 6表3捕获耗时对比Table 3Comparison of acquisition time本文文献10本文文献16采样率/MHz556262实验设备Cuda核心数8965128961 920相干积分时间/ms1111非相干积分次数1111通道数1111GPU总耗时/ms0.270.364.078.033101铁 道 科 学 与 工 程 学 报2023 年 8月的并行资源达到最大限制，因此捕获模块就变成串并混合的形式。4.3不同信噪比的正确捕获能力为验证不同信噪比下2种并行捕获架构的正确捕获能力，仿真产生了不同载噪比的GPS/BDS中频信号测试数据。强星捕获的测试数据参数设置为：采 样 率 16.368 MHz，中 频 4.092 MHz。对20 ms长度的中频数据进行20次非相干积分的基础上启动多颗星、多频点的并行捕获，表 5列出了GPS和BDS不同载噪比下的捕获结果。运行GPU程序将捕获的码相位、多普勒频移与中频数据的原始多普勒频移、码相位对比，以此来验证捕获的正确性。由表45可知，进行多次独立的捕获实验，对不同的卫星设置不同且较高的载噪比，GPS与BDS检测到的码相位和多普勒频移与原始值均在误差范围内，证明了强信号并行捕获的正确性。当信号强度减弱到 33 dBHz时，仅仅是非相干积分已经不能完成弱信号的捕获，必须延长相干积分时间来提高信噪比。为了验证本文算法对GPS/BDS弱信号的捕获性能，实验仿真对比了间隔性补偿码多普勒与连续补偿码多普勒的全比特法在大多普勒频偏、低载噪比下的信号检测概率。弱信号捕获的测试数据参数设置与表3相同，GPS和BDS设置采样率为5 MHz；中频频率1.25 MHz；码片初始值延迟666个码片，载波多普勒频移为4 500 Hz。图8和图9分别表示GPS和BDS在不同载噪比下运行1 000次蒙特卡洛仿真的检测概率比较结果。仿真结果表明采用间隔补偿码多普勒在捕获灵敏度上与连续补偿码多普勒的捕获灵敏度相差甚微，在载噪比为25 dBHz下的GPS捕获概率能达到90%，BDS的图7多通道捕获总耗时Fig.7Total time for multi-channel acquisition表4GPS/BDS弱信号GPU捕获耗时Table 4Weak signal acquisition time of GPS/BDS采样率/MHz516.368全比特法连续补偿码多普勒间隔补偿码多普勒连续补偿码多普勒间隔补偿码多普勒相干积分时间/ms20202020非相干积分次数/次5555多普勒搜索频率数目/个401401401401FFT/IFFT耗时/ms375.01258.372 474.531 696.48总耗时/ms775.21547.774 011.942 846.64表5 GPS/BDS强信号捕获结果Table 5 Acquisition results of GPS/BDS strong singalGPSCNR/dBHz4845423933卫星号PRN515182124多普勒频移/Hz271 87552 2223122 692码相位/chip848.31300.36232.48174.92808.46捕获的多普勒频移/Hz2 5001 0002 000500失败捕获的码相位/chip848.19300.25232.38174.81失败BDSCNR/dBHz4845423933卫星号PRN68202930多普勒频移/Hz28098124642142 413码相位/chip747.25135.171 408.271 527.58740.13捕获的多普勒频移/Hz5001 00025000失败捕获的码相位/chip747.13135.001 408.131 527.38失败3102第 8 期黄颂，等：基于GPU的列车卫星定位接收机捕获引擎设计捕获概率能达到80%，证明了本文算法的有效性，