机载雷达的数据处理技术有何困难？

对于机载雷达，传统任务对处理能力的需求将继续增加。这些需求将来自广域的长期监视，宽带处理，传感器融合，平台网络，感知，自治和人工智能。
这些需求的增加都是相互关联的，其中许多来自无人驾驶飞机中传感器的使用。计算和散热对于一般计算方案，为了有效利用数量不断增加的并行核，需要进行重大更改。
技术限制可能会导致摩尔定律的失败，但这需要在各个层面进行创新，以找到加速处理能力增长的方法。一直存在的问题是晶体管数量和密度的增加带来的散热问题，这可能会促进封装中有源冷却技术的发展。
宽带·多功能将现有孔径和天线的应用最大化，以满足多传感器应用场景的需求，这为宽带多功能RF处理的兴起提供了机遇，并为其提供了机遇。对宽带频率灵活性的需求也使雷达，ECM，ECCM和通信智能之间的界限变得不太清晰。
宽带多功能RF处理技术对信息处理的影响是在雷达前端附近执行更宽的带宽和更低的延迟处理，这在很大程度上取决于提高FPGA性能或使用定制的硅芯片。在许多平台上，多个传感器的结果已在某种程度上融合在一起。
传感器融合在质量和数量上都可能发生重大变化。这部分是由于网络数据的使用，传感器的认知以及向自主或人工智能系统提供数据的需要。
融合·认知认知感知是利用雷达和其他传感器平台上的已知环境参数来修改和优化包括雷达在内的传感器的操作。认知感知和传感器融合之间存在很大的重叠，但是从信息处理的角度来看，一个不同可能是认知感知需要快速访问大型非易失性存储器并将先前已知的数据传输到正在执行的过程中。
认知感知的一个简单示例是先前收集的数据与当前SAR图像之间的实时相干变化检测，但是认知感知技术的未来将带来更多的机遇和挑战。无人飞行器可以在敌人的活动范围内执行任务，而控制和数据通信却受到限制。
他们需要有能力在没有连续直接控制的情况下到达任务地区。这意味着他们必须能够自主执行飞行任务并以最佳方式控制其传感器。
此功能对所有航空信息处理系统都有很大的启发。吞吐率和实时性能通过使用并行计算技术和管道技术，可以提高数据处理的吞吐率。
在计算级别上，有必要确保流水线上的数据供应没有间隙，并且流水线的各个处理阶段都是正常的。在雷达信号处理管道的水平上，必须为管道上的处理能力的重新分配提供一定程度的灵活性，并且必须有足够的存储空间和总线带宽用于内部变量交换。
FPGA，DSP和微处理解决方案都有其优势。如果存在需要流水线整数算法的连续高速数据，那么FPGA非常适合。
微处理器可以提供支持高级语言编程和双精度浮点运算的通用系统，但是如果需要非常高的时序要求，则操作系统和缓存可能会引起问题。 DSP在FPGA和微处理器之间，并具有良好的性能，但是编程过程比微处理器困难得多。
确定处理解决方案是否具有足够的数据吞吐量以满足应用程序环境的最可靠方法是在实际的硬件场景中实际使用和测试它。如果无法做到这一点，则最可靠的方法是基于基准编程工具包进行预测，该工具包应尽可能接近最终应用方案。
即使处理单元以最有效的方式处理数据，它所花费的时间也要比计算本身花费的时间更长。因此，有效使用高速内存（例如处理器数据高速缓存）可能会对性能产生关键影响。
在评估处理器性能或处理器加速值时，必须考虑处理过程中所有步骤的时间。可以使用阿姆达尔定律找到可以节省时间的步骤