雷達信號處理：FPGA還是GPU?

　　FPGA和CPU一直是雷達信號處理不可分割的組成部分。傳統上FPGA用于前端處理，CPU用于后端處理。隨著(zhù)雷達系統的處理能力越來(lái)越強，越來(lái)越復雜，對信息處理的需求也急劇增長(cháng)。為此，FPGA不斷在提高處理能力和吞吐量，CPU也在發(fā)展以滿(mǎn)足下一代雷達的信號處理性能需求。這種努力發(fā)展的趨勢導致越來(lái)越多的使用CPU加速器，如圖形處理單元(GPU)等，以支持較重的處理負載。

　　本文對比了FPGA和GPU浮點(diǎn)性能和設計流程。最近幾年，GPU已經(jīng)不僅能完成圖形處理功能，而且成為強大的浮點(diǎn)處理平臺，被稱(chēng)之為GP-GPU，具有很高的峰值FLOP指標。FPGA傳統上用于定點(diǎn)數字信號處理器(DSP)，而現在足以競爭完成浮點(diǎn)處理功能，也成為后端雷達處理加速功能的有力競爭者。

　　在FPGA前端，40 nm和28 nm均報道了很多可驗證的浮點(diǎn)基準測試結果。Altera的下一代高性能FPGA將采用Intel的14 nm三柵極技術(shù)，性能至少達到5 TFLOP。使用這種先進(jìn)的半導體工藝，性能可實(shí)現100 GFLOPs/W。而且，Altera FPGA現在支持OpenCL，這是GPU使用的一款優(yōu)秀的編程語(yǔ)言。

　　峰值GFLOPS指標

　　目前的FPGA性能可達到1TFLOP以上峰值，AMD和Nvidia最新的GPU甚至更高，接近4 TFLOP。但在某些應用中，峰值GFLOP，即TFLOP，提供的器件性能信息有限。它只表示了每秒能完成的理論浮點(diǎn)加法或乘法總數。這一分析表示，在雷達應用中，很多情況下，FPGA在算法和數據規模上超過(guò)了GPU吞吐量。

　　一種中等復雜且常用的算法是快速傅里葉變換(FFT)。大部分雷達系統由于在頻域完成大量處理工作，因此會(huì )經(jīng)常用到FFT算法。例如，使用單精度浮點(diǎn)處理實(shí)現一個(gè)4，096點(diǎn)FFT。它能在每個(gè)時(shí)鐘周期輸入輸出四個(gè)復數采樣。每個(gè)FFT內核運行速度超過(guò)80 GFLOP，大容量28 nm FPGA的資源支持實(shí)現7個(gè)此類(lèi)內核。

　　但如圖1所示，該FPGA的FFT算法接近400 GFLOP。這一結果基于“按鍵式”OpenCL編譯，無(wú)需FPGA專(zhuān)業(yè)知識。使用邏輯鎖定和設計空間管理器(DSE)進(jìn)行優(yōu)化，7內核設計接近單內核設計的fMAX，使用28 nm FPGA，將其提升至500 GFLOP，超過(guò)了10 GFLOPs/W。

圖1.Stratix V 5SGSD8 FPGA浮點(diǎn)FFT性能

　　這一GFLOPs/W結果要比CPU或者GPU功效高很多。對比GPU，GPU在這些FFT長(cháng)度上效率并不高，因此沒(méi)有進(jìn)行基準測試。當FFT長(cháng)度達到幾十萬(wàn)個(gè)點(diǎn)時(shí)，GPU效率才比較高，能夠為CPU提供有效的加速功能。但是，雷達處理應用一般是長(cháng)度較短的FFT，FFT長(cháng)度通常在512至8，192之間。

　　總之，實(shí)際的GFLOP一般只達到峰值或者理論GFLOP的一小部分。出于這一原因，更好的方法是采用算法來(lái)對比性能，這種算法能夠合理的表示典型應用的特性。隨著(zhù)基準測試算法復雜度的提高，其更能代表實(shí)際雷達系統性能。

　　算法基準測試

　　相比依靠供應商的峰值GFLOP指標來(lái)驅動(dòng)處理技術(shù)決策，另一方法是使用比較復雜的第三方評估?？諘r(shí)自適應處理(STAP)雷達常用的算法是Cholesky分解。這一算法經(jīng)常用于線(xiàn)性代數，高效的解出多個(gè)方程，可以用在相關(guān)矩陣上。

　　Cholesky算法在數值上非常復雜，要獲得合理的結果總是要求浮點(diǎn)數值表示。計算需求與N3成正比，N是矩陣維度，因此，一般對處理要求很高。雷達系統一般是實(shí)時(shí)工作，因此，要求有較高的吞吐量。結果取決于矩陣大小以及所要求的矩陣處理吞吐量，通常會(huì )超過(guò)100 GFLOP。

　　表1顯示了基于Nvidia GPU指標1.35 TFLOP的基準測試結果，使用了各種庫，以及Xilinx Virtex6 XC6VSX475T，其密度達到475K LC，這種FPGA針對DSP處理進(jìn)行了優(yōu)化。用于Cholesky基準測試時(shí)，這些器件在密度上與Altera FPGA相似。LAPACK和MAGMA是商用庫，而GPU GFLOP則是采用田納西州大學(xué)開(kāi)發(fā)的OpenCL實(shí)現的(2)。對于小規模矩陣，后者更優(yōu)化一些。

　　表1.GPU和Xilinx FPGA Cholesky基準測試 (2)

　　Altera測試了容量中等的Altera Stratix^® V FPGA (460K邏輯單元(LE))，使用了單精度浮點(diǎn)處理的Cholesky算法。如表2所示，在Stratix V FPGA上進(jìn)行Cholesky算法的性能要比Xilinx結果高很多。Altera基準測試還包括QR分解，這是不太復雜的另一矩陣處理算法。Altera以可參數賦值內核的形式提供Cholesky和QRD算法。

　　表2.Altera FPGA Cholesky和QR基準測試

　　應指出，基準測試的矩陣大小并不相同。田納西州大學(xué)的結果來(lái)自[512 × 512]的矩陣，而Altera基準測試的Cholesky是[360x360]，QRD則高達[450x450]。原因是，矩陣規模較小時(shí)，GPU效率非常低，因此，在這些應用中，不應該使用它們來(lái)加速CPU。作為對比，在規模較小的矩陣時(shí)，FPGA的工作效率非常高。雷達系統對吞吐量的要求很高，每秒數千個(gè)矩陣，因此，效率非常關(guān)鍵。采用了小矩陣，甚至要求把大矩陣分解成小矩陣以便進(jìn)行處理。

　　而且，Altera基準測試是基于每個(gè)Cholesky內核的。每個(gè)可參數賦值的Cholesky內核支持選擇矩陣大小，矢量大小和通道數量。矢量大小大致決定了FPGA資源。較大的[360 × 360]矩陣使用了較長(cháng)的矢量，支持FPGA中實(shí)現一個(gè)內核，達到91 GFLOP。較小的[60 × 60]矩陣使用的資源更少，因此，可以實(shí)現兩個(gè)內核，總共是2 × 42 = 84 GFLOP。最小的[30 × 30]矩陣支持實(shí)現三個(gè)內核，總共是3 × 25 = 75 GFLOP。

　　FPGA看起來(lái)更適合解決數據規模較小的問(wèn)題，很多雷達系統都是這種情況。GPU之所以效率低，是因為計算負載隨N3而增大，數據I/O隨N2增大，最終，隨著(zhù)數據的增加，GPU的I/O瓶頸不再是問(wèn)題。此外，隨著(zhù)矩陣規模的增大，由于每個(gè)矩陣的處理量增大，矩陣每秒吞吐量會(huì )大幅度下降。在某些點(diǎn)，吞吐量變得非常低，以至于無(wú)法滿(mǎn)足雷達系統的實(shí)時(shí)要求。

　　對于FFT，計算負載增加至N log2 N，而數據I/O隨N增大而增大。對于規模較大的數據，GPU是高效的計算引擎。作為對比，對于所有規模的數據，FPGA都是高效的計算引擎，更適合大部分雷達應用，這些應用中，FFT長(cháng)度適中，但是吞吐量很大。