留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

集群环境下的复合最小不连续相位解缠算法

钟何平 唐劲松 张森 黄攀

钟何平, 唐劲松, 张森, 黄攀. 集群环境下的复合最小不连续相位解缠算法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
引用本文: 钟何平, 唐劲松, 张森, 黄攀. 集群环境下的复合最小不连续相位解缠算法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
ZHONG Heping, TANG Jinsong, ZHANG Sen, HUANG Pan. Combined Minimum Discontinuity Phase Unwrapping Based on Clusters[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
Citation: ZHONG Heping, TANG Jinsong, ZHANG Sen, HUANG Pan. Combined Minimum Discontinuity Phase Unwrapping Based on Clusters[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323

集群环境下的复合最小不连续相位解缠算法

doi: 10.13203/j.whugis20170323
基金项目: 

国家自然科学基金 61671461

国家自然科学基金 41304015

中国博士后科学基金 2015M582813

详细信息
    作者简介:

    钟何平, 博士, 讲师, 主要从事干涉信号处理和并行计算。zheping525@sohu.com

  • 中图分类号: P237

Combined Minimum Discontinuity Phase Unwrapping Based on Clusters

Funds: 

The National Natural Science Foundation of China 61671461

The National Natural Science Foundation of China 41304015

China Postdoctoral Science Foundation 2015M582813

More Information
    Author Bio:

    ZHONG Heping, PhD, lecturer, majors in interferometry signal processing and parallel computing. E-mail:zheping525@sohu.com

图(6) / 表(1)
计量
  • 文章访问数:  486
  • HTML全文浏览量:  41
  • PDF下载量:  76
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-06-30
  • 刊出日期:  2019-09-05

集群环境下的复合最小不连续相位解缠算法

doi: 10.13203/j.whugis20170323
    基金项目:

    国家自然科学基金 61671461

    国家自然科学基金 41304015

    中国博士后科学基金 2015M582813

    作者简介:

    钟何平, 博士, 讲师, 主要从事干涉信号处理和并行计算。zheping525@sohu.com

  • 中图分类号: P237

摘要: 提出了一种集群环境下的复合最小不连续相位解缠算法。首先主线程根据计算资源数将原始缠绕相位分为规则小块,并将未解缠相位块发送至空闲计算节点进行解缠。单块缠绕相位图解缠时,先计算相位质量图,并将缠绕相位分为高低质量区域,然后采用质量引导与最小不连续相结合的复合相位解缠策略进行解缠,最后将解缠结果和区域分割结果发送回主线程。完成所有分块缠绕相位解缠后,主线程在不同解缠相位块边界及其与边界相邻的低质量区域进行最小不连续优化来获取最终的解缠相位。通过集群环境下的并行相位解缠试验,验证了所提算法的正确性和高效性。

English Abstract

钟何平, 唐劲松, 张森, 黄攀. 集群环境下的复合最小不连续相位解缠算法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
引用本文: 钟何平, 唐劲松, 张森, 黄攀. 集群环境下的复合最小不连续相位解缠算法[J]. 武汉大学学报 ● 信息科学版, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
ZHONG Heping, TANG Jinsong, ZHANG Sen, HUANG Pan. Combined Minimum Discontinuity Phase Unwrapping Based on Clusters[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
Citation: ZHONG Heping, TANG Jinsong, ZHANG Sen, HUANG Pan. Combined Minimum Discontinuity Phase Unwrapping Based on Clusters[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1363-1368. doi: 10.13203/j.whugis20170323
  • 二维相位解缠就是根据缠绕相位恢复真实相位的过程,广泛应用于干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)和干涉合成孔径声纳(interferometric synthetic aperture sonar,InSAS)的信号处理过程中。真实相位恢复的精度和速度直接关系到InSAR或InSAS系统的性能[1-3]。理想情况下,如果相邻任意点之间的真实相位差小于π,则真实相位可直接通过沿任意路径积分获取[4]。但在实际信号处理过程中,由于各种去相关现象导致缠绕相位不满足理想条件,使得相位解缠过程变得极其复杂。近年来,随着InSAR和InSAS系统分辨率的不断提高,缠绕相位数据量大小不断增加,解缠效率与解缠精度之间的矛盾越来越突出[5-8]。最小不连续相位解缠算法是一种非常可靠的解缠方法[9],缺点是解缠效率低。质量引导算法[10-11]通过限制优化区域,极大提高了解缠效率。但随着缠绕相位数据量增加,解缠效率仍然难以满足实际应用需求。集群计算通过将计算任务分配到多个计算节点,同时提高计算效率,为快速二维相位解缠提供了有效途径。

    为实现大块缠绕相位图的快速解缠,本文提出了一种集群环境下的复合最小不连续相位解缠算法。该方法先将大块缠绕相位图分为规则小块缠绕相位图,采用多个计算节点同时解缠;然后主计算节点对各个分块解缠结果进行拼接,并在不同解缠相位块之间和位于边界的低质量区域进行最小不连续优化。单个小块干涉相位图的解缠采用质量引导与最小不连续相结合的复合相位解缠算法,可在保持高质量区域解缠相位精度的同时,提高解缠效率。集群环境下的并行相位解缠试验结果表明,与整体相位解缠相比,分块并行相位解缠在显著提高大块缠绕相位图解缠效率的同时,有效保持了解缠结果的精度。

    • 为有效降低大块缠绕相位的解缠时间,采用分块相位解缠策略,具体方法是将大块缠绕相位图分为规则小块缠绕相位图,先完成小块干涉相位图解缠,再对分块解缠结果进行合并来获取最终的解缠结果。采用分块策略进行相位解缠时,要坚持分割缠绕相位块尽量大的原则,使得少的低质量区域落在分割边界上,减小分块相位合并过程中的优化区域,加速分块相位合并过程。由于每个分块缠绕相位图的质量分布不同,解缠所需的时间也不相同。如果分块数与节点数相等,部分节点先计算完毕,将会造成计算资源的浪费。因此,分块数目的确定一方面需要考虑计算节点数,另一方面也要考虑计算任务的均衡问题。为避免计算资源浪费,缠绕相位分块数需要大于计算资源数目。由于行分块数Mb和列分块数Nb与缠绕相位行列数不一定恰好满足整数倍关系,因此对缠绕相位数据进行任意分块存在4种分块大小,如图 1所示,4种分块数据大小分别采用1、2、3、4进行标识。

      图  1  数据规则分块示意图

      Figure 1.  Sketch Map of Data Regular Blocking

    • 采用分块策略进行解缠时,最重要的就是如何进行计算任务分配,使得不同计算节点的负载最大限度达到均衡,获取最大加速比。由于不同缠绕相位块的解缠时间是不同的,其与当前缠绕相位块的整体质量有关,因此不能采用均衡的计算任务分配方法。为了使不同计算节点的计算任务均衡,采用动态计算任务分配方法,主节点主要进行计算任务分配与分块解缠结果合并,从节点主要进行分块缠绕相位解缠。计算任务分配时,缠绕相位块依次采用1,2…M进行编号,并按照编号从小到大进行排列。主节点保存当前待分配数据块编号,初始化时,数据块编号为1,当完成当前数据块分配后,数据块编号自动加1,直到数据块编号大于M停止。主节点的另一任务是确定计算任务的分配对象,这里采用查询方法。程序初始化时,主节点为每一个从节点创建一个状态标识,用于表示与之对应的从节点是否处于空闲状态,初始化时从节点均处于空闲状态。主节点进行计算任务分配的实质是动态确定缠绕相位数据块编号与空闲节点之间的对应关系,一旦主节点查询到空闲节点后,立即将当前待处理数据块发送至空闲节点,并将节点标识为非空闲状态。主节点接收完从节点的分块计算结果后,再将节点标识恢复为空闲状态,以等待下次计算任务分配。计算任务分配过程如图 2所示。

      图  2  计算任务分配示意图

      Figure 2.  Sketch Map of Computing Task Allocation

    • 分块缠绕相位解缠结果主要包括两个数组,分别存储解缠相位和高低质量区域分割结果。在初始高低质量区域分割结果中,高质量区域用0表示,低质量区域用1表示。由于与分块边界不相邻的低质量区域不需在分块解缠合并过程中再次进行优化,因此将这一部分低质量区域也采用0进行标识,最终区域分割结果实际上表示的是解缠结果合并过程中需要再次优化的区域与不需要进一步优化的区域。

      完成不同解缠相位块的最终高低质量区域分割后,下一步就是采用最小不连续优化策略进行分块解缠结果合并。为加快分块解缠结果合并,将其过程分为两个步骤:(1)在不同解缠相位块的高质量区域边界和高低质量区域边界进行最小不连续优化。(2)在与分割边界相邻的低质量区域进行最小不连续优化。最小不连续优化过程在实现时是通过构造生长树,不断寻找增长环,通过逐步消除增长环来获得最终的解缠相位。

    • 采用并行分块策略,解缠相位块的行列数变小,而且不同解缠相位块的解缠过程是完全独立的,可以采用多个计算节点同时进行解缠,从而显著提升效率。在集群环境下实现分块并行相位解缠算法,主节点和从节点执行不同的计算流程,分别如图 3图 4所示。主节点负责完成计算任务分配、分块解缠结果接收与合并,同时控制各从节点运行状态。从节点主要完成分块缠绕相位解缠,并将解缠结果发送回主节点。并行程序启动后,主节点首先载入原始缠绕相位数据,并按照指定的行列分块数对原始缠绕相位进行分块,存储每一个分块缠绕相位的行列分块索引和当前分块缠绕相位的行列数。之后启动分块解缠结果接收线程,初始化各从节点的空闲标识,设置当前待解缠相位块。如果存在空闲节点,主节点先将当前待解缠相位块的参数信息发送至空闲节点,然后将待解缠的缠绕相位块发送至从节点。如果所有数据块均已解缠完毕,主节点向从节点发送停止消息后,再进行分块解缠结果合并。

      图  3  主节点运行流程

      Figure 3.  Working Flowchart of the Master Node

      图  4  从节点运行流程

      Figure 4.  Working Flowchart of the Slave Node

      并行程序启动后,从节点首先等待从主节点发送的参数消息。如果接收到计算结束停止命令,从节点结束运行,否则根据参数中的分块参数信息分配内存空间,接收主节点发送的缠绕相位块数据,并采用质量引导与最小不连续相结合的相位解缠方法对分块缠绕相位进行解缠。完成解缠结果计算后,从节点将分块解缠结果和区域分割结果发送回主节点,并释放内存空间,等待接收下一次参数信息。

    • 为了验证所提集群环境下的并行复合最小不连续相位解缠算法的性能,在集群环境下进行了仿真干涉相位图和InSAS干涉相位图解缠试验。试验过程中所用的软硬件平台详细信息如下:8个刀片处理器,单个刀片配置Intel(R) Xeon(R) CPU E5-2690 V2 3.00 GHz;内存32 GB;操作系统Windows Server 2008 R2标准版64位;软件环境Visual Studio 2008,并行软件库MPICH2。试验过程中,质量图选用的是相位梯度变化质量图,单个子干涉相位块解缠采用质量引导与最小不连续相结合的复合相位解缠算法,量化质量等级设置为1 000。图 5图 6分别为仿真数据和InSAR干涉图解缠试验结果,干涉图取值范围进行了归一化处理,各种相位解缠结果的单位均为rad。

      图  5  仿真干涉图解缠试验

      Figure 5.  Unwrapping Test on the Simulated Interferogram

      图  6  InSAS干涉图解缠试验

      Figure 6.  Unwrapping Test on InSAS Interferogram

      图 5(a)是一幅大小为2 000×2 000像素且包含3个低质量区域的仿真干涉相位图。仿真时,低质量相位区域的相干系数设为0.6。对图 5(a)所示的干涉相位图采用量化质量引导算法、最小不连续相位解缠算法和所提算法整体相位解缠,其结果分别如图 5(b)图 5(c)图 5(d)所示。图 5(b)中,低质量区域存在严重的累积误差,图 5(c)图 5(d)解缠相位连续性较好。采用多个刀片节点进行相位解缠时,仿真干涉相位图被分为3×3的子相位块。利用多个计算节点直接对子相位块同时解缠,分块解缠结果直接拼接后的整体相位如图 5(e)所示,分块解缠相位边缘存在显著的相位跳变。分块解缠相位合并时的优化区域如图 5(f)所示,这里将最小不连续优化过程中的增长圈限制在采用1表示的低质量区域和不同负数表示的高质量区域的边缘,从而达到快速优化的目的。完成增长圈消除后的最终分块解缠相位合并后的解缠结果如图 5(g)所示,其消除了解缠相位块之间的跳变,且与整体解缠结果之间的差值如图 5(h)所示,两者差异主要集中在低质量区域,不影响整体解缠结果。

      图 6(a)是一幅大小为1 440×8 800像素的真实InSAS干涉相位图,该图中干涉条纹宽度沿着距离向逐渐变宽。由于干涉图整体质量较高,采用量化质量引导算法、最小不连续相位解缠算法和所提算法整体相位解缠结果分别如图 6(b)图 6(c)图 6(d)所示,3种算法的解缠结果均没有出现显著的不连续位置,但计算效率存在显著差异。采用多个刀片进行分块解缠时,分块数设置为3×4,各子相位块解缠后的结果如图 6(e)所示,各相位块边缘存在不同程度的相位跳变。由于原始干涉相位整体质量高,在进行分块相位合并时,分块解缠结果合并主要集中在如图 6(f)所示的相位块边缘。消除相位块之间的不连续性后,最终合并相位解缠结果如图 6(g)所示,相位块之间的不连续性得到了有效消除,与单块解缠结果差异仅体现在孤立位置,整体差异如图 6(h)所示,两者之间保持了高度一致。

      为了定量分析集群环境下的分块复合最小不连续相位解缠算法的性能,比较了量化质量引导算法[10]、最小不连续相位解缠算法、整体复合最小不连续相位解缠算法(串行(1×1))、分块串行复合最小不连续算法(串行(3×3)、串行(3×4))和集群环境下的并行复合最小不连续相位解缠算法(并行(3×3)、并行(3×4))的解缠效率和解缠结果中的不连续性,其结果如表 1所示。从表 1中可以看出,对仿真数据和真实InSAS数据解缠时,量化质量引导算法的解缠效率最高,但其解缠结果中的不连续性最大。最小不连续算法解缠效率最低,但其解缠结果中的不连续长度和不连续大小显著降低。采用整体复合最小不连续相位解缠算法进行解缠时,干涉相位不需要分块,等价于分块数为1×1的串行相位解缠。仿真数据和真实InSAS数据作为整块进行解缠所需要的时间分别为21 073 ms和15 767 ms,可以看出,相位解缠所需要的时间与原始数据块的大小没有直接关系,它与干涉相位的质量密切相关。通常在干涉相位质量相当的情况下,解缠时间才与相位块大小成正比。采用分块策略进行解缠后,仿真干涉相位图在串行条件下的解缠总时间下降到11 532 ms,其中子相位块解缠和相位块合并所需要的时间分别为10 005 ms和1 527 ms。采用集群进行并行相位解缠后,分块相位解缠时间得到了显著下降,减少为3 241 ms。由于每个小块干涉相位质量不同,解缠时间也不同,分块解缠时间主要受限于解缠时间最长的分块相位。分块串行与分块并行相位解缠算法的加速比分别为1.83和4.25,其中分块并行后的相位解缠时间只占不分块相位解缠时间的23.5%。分块串行与分块并行相位解缠结果中不连续性长度和不连续性大小相同,分别为84 031和84 048,分别占量化质量引导相位解缠结果的50.6%和33.7%。真实InSAS干涉相位的整体相位解缠时间为15 767 ms, 采用分块串行方式解缠时解缠总时间降为12 490 ms, 其中分块解缠时间为10 017ms, 增加了由于分块导致的分块解缠结果合并时间2 473 ms。采用集群环境进行解缠后,分块解缠时间得到显著下降,变为1 933 ms。真实InSAS干涉图分块串行和并行相位解缠的加速比分别为1.26和3.33,不连续性长度和不连续性大小均为7 471和7 528。分块并行后的相位解缠时间为不分块相位解缠时间的30.0%,不连续性长度和不连续性大小分别为量化质量引导相位解缠结果的83.2%和80.8%。

      表 1  算法并行化前后性能比较

      Table 1.  Performance Comparison of the Algorithm Before and After Parallelization

      干涉图 解缠算法 子块解缠时间/ms 相位合并时间/ms 解缠总时间/ms 加速比 不连续长度 不连续大小
      仿真数据 量化质量引导 428 428 165 923 249 165
      最小不连续 53 928 53 928 83 996 84 013
      串行(1×1) 21 073 21 073 1 83 987 84 013
      串行(3×3) 10 005 1 527 11 532 1.83 84 031 84 048
      并行(3×3) 3 241 1 721 4 962 4.25 84 031 84 048
      InSAS 量化质量引导 1 334 1 334 8 983 9 320
      最小不连续 251 458 251 458 5 946 5 946
      串行(1×1) 15 767 15 767 1 8 232 8 446
      串行(3×4) 10 017 2 473 12 490 1.26 7 471 7 528
      并行(3×4) 1 933 2 804 4 737 3.33 7 471 7 528
    • 本文提出了一种集群环境下的复合最小不连续相位解缠算法,通过降低相位解缠问题规模和多节点并行计算方式以达到加速相位解缠的目的。所提算法中主节点首先将原始干涉图分为规则小块,然后将分块后的干涉图发送至空闲从节点进行相位解缠,最后主节点接收从节点的分块解缠结果,并将分块解缠结果进行合并优化来获取最终的解缠结果。通过仿真和真实InSAS干涉图的并行相位解缠试验,验证了所提算法的正确性和高效性。由于单块缠绕相位解缠时间不仅与数据块大小有关,还与缠绕相位质量有关,均匀分块时,解缠效率受限于解缠速度最慢的数据块,分块方法有待进一步优化。

参考文献 (11)

目录

    /

    返回文章
    返回