机载雷达的数据处理技术的难点在哪？

对于机载雷达来说，传统任务对处理能力的需求将持续增加。这些需求将来自广域长时间监视、宽带处理、传感器融合、平台网络、感知、自主和人工智能。这些需求的增长都是相互联系的，并且其中许多都是来自于无人飞行器的传感器使用需求。

计算·散热

对于通用计算场景来说，为了有效地利用不断增加的并行内核数量，需要进行重大的更改。技术上的限制可能会导致摩尔定律的失效，但这需要在各级进行创新，以找到加快处理能力增长的方法。

一直不变的问题是随着晶体管数量增多和密度增大带来的散热问题，这或许将促使封装内主动冷却技术的进步。

宽带·多功能

最大限度地将现有孔径和天线运用到多传感器应用场景的需求，促进并给了宽带多功能射频处理异军突起的机会。而产生对宽带频率灵活性的需求，也使得雷达、ECM、ECCM和通信情报之间的界限不那么清晰。

宽带多功能射频处理技术对信息处理的影响是在雷达前端附近进行更宽带宽、更低延迟的处理，这可能很大程度上要依赖于改进FPGA性能或使用定制硅芯片。

多个传感器的结果已经在很多平台上进行了某种程度的融合。传感器融合在质和量方面都可能会发生显著的变化。这在一定程度上是由于利用了网络数据、传感器的认知以及向自主或人工智能系统提供数据的需求。

融合·认知

认知感知是利用雷达和其他传感器平台上已知的环境参数，对包括雷达在内的传感器的操作进行修改和优化。

认知感知和传感器融合之间有很大的重叠性，但从信息处理角度来看，一个区别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递给正在进行的处理过程。

一个简单的认知感知的例子是在以前收集的数据和当前的SAR图像之间进行实时的相干变化检测，但是认知感知技术的未来会出现更多的机会和挑战。

无人飞行器可以在有限的控制和数据通信情况下在敌人的活动范围内执行任务。它们需要具有在连续直接控制缺失的情况下到达任务地区的能力。这意味着它们必须能够自主执行飞行任务并对它们的传感器进行优化控制。这种能力对所有的航空信息处理系统都具有极大的启示意义。

吞吐率·实时性

数据处理的吞吐率可以使用并行计算技术和流水线技术得到提升。在计算层面，要保证流水线上数据供应不能有间隙，且流水线的各个处理阶段是正常的。在雷达信号处理流水线层面，必须要具为流水线上处理能力的重新分配提供一定的弹性，且必须要有足够的存储空间和总线带宽来进行内部变量交换。

FPGA、DSP和微处理解决方案都有其优势。如果有持续的高速数据需要进行流水线型的整数运算，那么FPGA是非常合适的。微处理器能够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，操作系统和缓存可能会引起问题。DSPs介于FPGA和微处理器之间，并有很好的性能，但是编程过程比微处理器要困难的多。

确定某个处理解决方案是否有满足应用环境的足够的数据吞吐率的最可靠的方法是在真实硬件场景下实际使用和测试一下。如果做不到这一点，基于尽可能接近最终应用场景的基准编程套件进行预测是最可靠方法。

即使处理单元以最有效的方式吞吐数据也比它执行计算本身要花费更长的时间。因此，有效使用高速内存(如处理器数据缓存)可能对性能产生关键影响。

当评估处理器性能或处理器提速值的时候，必须考虑处理过程中所有步骤的时间，可以使用Amdahl定律来定位那些最能节省时间的步骤。