Quadrature Compressive Sampling for Radar Signals
正交采样在相干雷达系统中被广泛应用，以提取接收到的雷达信号中的同相和正交（I和Q）分量。然而，采样是低效的，因为所接收的信号仅包含少量的有效目标信号。本文将压缩采样（CS）理论引入正交采样系统的设计中，设计了一种正交压缩采样（QuadCS）系统，实现了低采样率下I、Q分量的采集。QuadCS系统首先将接收到的信号随机地投影成压缩带通信号，然后利用正交采样来输出压缩I和Q分量。压缩输出用于重建I和Q分量。为了理解系统性能，我们建立了QuadCS系统的频域表示。利用波形匹配字典，我们证明了QuadCS系统以压倒性的概率满足约束等距性。对于观测间隔T中的K个目标信号，仿真表明QuadCS仅需要O（Klog（BT/K））个样本来稳定地重建信号，其中B是信号带宽。对于目标数目K中的每一个倍频程增加，重建的信噪比降低3dB，并且对于压缩带宽中的每一个倍频程增加，重建的信噪比增加3dB。理论分析和仿真结果表明，该系统是一种有效的雷达信号I、Q分量提取系统。
2014-01-07 cs.IT math.IT
A Novel Compressive Sensing based Enhanced Multiplexing Scheme for MIMO System
为了进一步提高多输入多输出（MIMO）系统的复用增益，提出了一种基于压缩感知的信号复用方案。在发射端，在传统的空间复用之前采用压缩感知中的高斯随机测量矩阵，以便在底层MIMO系统的可用空间复用流上承载更多的数据流。在接收器侧，提出将复用信号的检测重新公式化为两个步骤。在第一步中，可以使用传统的MIMO均衡来恢复MIMO系统的发射的空间复用信号。而在第二步骤中，利用压缩感知框架中假设的基于标准优化的检测算法来恢复CS复用数据流，其中，使用穷举过完备字典来保证CS复用信号的稀疏表示。为了避免复杂度过高，提出了基于子块字典和基于子块的压缩感知恢复方法。最后，仿真结果表明，所提出的基于CS的增强MIMO复用方案的可行性。本文的工作也为进一步提高MIMO系统的空间复用增益提供了一些启示。
2016-04-04 cs.IT math.IT
Power Allocation and Measurement Matrix Design for Block CS-Based Distributed MIMO Radars
多输入多输出（MIMO）雷达提供更高的分辨率，更好的目标检测，更准确的目标参数估计。由于目标在空间速度域的稀疏性，当采样率远小于奈奎斯特采样率时，可以利用压缩感知（CS）来提高MIMO雷达的性能。在分布式MIMO雷达中，由于接收信号是一个基上的块稀疏信号，因此可以用块压缩感知方法代替经典的压缩感知方法，以获得更好的性能。针对基于分组CS的分布式MIMO雷达，提出了两种提高雷达性能的新方法。第一种方法是一种新的能量分配方法，另一种方法是一种新的测量矩阵的优化设计方法。这些方法基于感测矩阵块相干性的上限的最小化。仿真结果表明，这两种方法提高了多目标参数估计的精度。
2016-03-08 cs.IT math.IT
Three-dimensional (3D) Channel Modeling between Seaborne MIMO Radar and MIMO Cellular System
与通信系统共享雷达频谱是一个新兴的研究领域。在雷达波段部署商用无线通信服务为无线运营商提供了急需的额外频谱，以满足不断增长的带宽需求。然而，为了在这两个根本不同的系统之间实现频谱共享，必须解决干扰问题。为了评估干扰问题，我们设计了一个三维（3D）的雷达和蜂窝基站（BS）之间的信道模型，其中雷达使用一个二维（2D）的天线阵列和BS使用一个一维（1D）的天线阵列。我们制定了一个视线（LoS）信道，然后提出了一种算法，减轻雷达干扰BS。我们扩展了先前提出的零空间投影算法的2D通道的3D通道，并表明，有效的零可以放置通过利用BS的方位角和仰角信息。这导致有效的干扰减轻。此外，我们表明，三维信道模型，使我们能够准确地分类的大小雷达的搜索空间时，零空间投影算法用于干扰缓解。
2015-06-08 cs.IT math.IT
Compressive sensing based differential channel feedback for massive MIMO
大规模多输入多输出（MIMO）正在成为未来5G无线通信的关键技术。由于MIMO信道矩阵维数的大幅增加，大规模MIMO的信道反馈具有挑战性。在这封信中，我们提出了一种基于压缩感知（CS）的差分信道反馈方案，以减少反馈开销。具体地说，时变信道的时间相关性被用来产生在相邻时隙中的两个CIR之间的差分信道脉冲响应（CIR），其具有比原始稀疏CIR更强的稀疏性。因此，基站可以在CS理论的框架下从高度压缩的差分CIR恢复差分CIR。仿真结果表明，与直接基于CS的方案相比，该方案的反馈开销减少了约20%.
2015-07-16 cs.IT math.IT
Reduced Complexity Angle-Doppler-Range Estimation for MIMO Radar That Employs Compressive Sensing
作者最近提出了一种由小型无线网络实现的MIMO雷达系统。通过在接收节点处应用压缩感知（CS），MIMO雷达超分辨率可以用比传统方法少得多的观测值来实现。这以前的工作考虑了到达方向和多普勒的估计。由于目标在角速度空间中是稀疏的，因此可以通过求解l1最小化问题来提取目标信息。本文通过在具有CS的MIMO雷达中引入步进频率来利用距离信息。该方法在提高距离分辨力的同时，也提高了模糊速度。然而，联合角度多普勒距离估计需要离散化的角度多普勒距离空间，这会导致急剧上升的计算负担的l1最小化问题。为了保持一个可接受的复杂度，提出了一种技术，连续估计角度，多普勒和范围在一个解耦的方式。所提出的方法可以显着降低复杂性，而不牺牲性能。
2009-12-05 cs.IT math.IT
MIMO OFDM Radar IRCI Free Range Reconstruction with Sufficient Cyclic Prefix
在本文中，我们提出了具有足够的循环前缀（CP）的MIMO OFDM雷达，其中从不同的发射机发送的所有OFDM脉冲共享相同的频带，并在离散频域中的每个子载波彼此正交。正交性不受来自发射机的时间延迟的影响。因此，我们提出的MIMO OFDM雷达具有相同的单发射机雷达的距离分辨率，并实现全空间分集。正交设计用于实现跨发射机的这种正交性，利用正交设计，仅需要为第一发射机设计OFDM脉冲。提出了一种联合脉冲压缩和脉冲相干积累的距离重建方法。为了获得最佳的信噪比进行距离重建，我们应用仿酉滤波器组理论设计的OFDM脉冲。然后，我们提出了一种改进的迭代限幅和滤波（MICF）算法的OFDM脉冲的设计联合，当其他重要因素，如峰均功率比（PAPR）在时域上，也被考虑。与我们提出的MIMO OFDM雷达，有没有干扰的范围重建不仅跨发射机，而且跨范围内的小区在一个叫区间小区干扰（IRCI）自由，这是类似于我们以前提出的基于CP的OFDM雷达单发射机。仿真结果表明，基于CP的MIMO OFDM雷达性能优于现有的多相码频段共享MIMO雷达和频分MIMO雷达。
2014-06-01 cs.IT math.IT
Deterministic Sequences for Compressive MIMO Channel Estimation
研究了压缩多输入多输出（MIMO）信道估计中的导频设计问题。特别是，我们感兴趣的是同时估计多个发射机的信道时，导频序列短于组合的信道。现有的工作表明，从压缩感知理论的工具，可以产生准确的多信道估计，每个导频序列是随机产生的。在这里，我们建议从一小组确定性序列中为每个发射机构建导频序列。我们推导出一个理论上的导频序列的长度，以保证高概率的多信道估计的下限。仿真结果证明了所提出的方法的性能。
2013-11-02 cs.IT math.IT
IRCI Free Colocated MIMO Radar Based on Sufficient Cyclic Prefix OFDM Waveforms
本文提出了一种基于循环前缀（CP）的MIMO雷达距离重构方法及其相应的MIMO OFDM波形设计。我们提出的MIMO-OFDM波形设计在距离重构后实现了最大信噪比（SNR）增益，并且其在离散时域中的峰均功率比（PAPR）也是最优的，即，0 dB，当Zadoff-Chu序列在离散频域中用作子载波的加权系数时。我们还调查了性能时，有发送和接收数字波束形成（DBF）指向错误。结果表明，我们提出的基于CP的MIMO-OFDM距离重建是距离小区间干扰（IRCI）免费的，无论是否有发送和接收DBF指向错误或没有。仿真结果验证了该理论，并与传统的OFDM和LFM共址MIMO雷达进行了比较。
2014-06-05 cs.IT math.IT
Ambiguity Function of the Transmit Beamspace-Based MIMO Radar
本文针对远场目标和窄带波形的情况，推导了基于发射波束域（TB）的多输入多输出（MIMO）雷达的模糊函数（AF）。发射相干处理增益和波形分集的影响被纳入AF定义。为了覆盖由不同因素传递的所有相位信息，我们引入了等效发射相位中心。新定义的AF作为一种广义的AF形式，相控阵（PA）和传统的MIMO雷达AF是重要的特殊情况。我们建立之间的关系，定义的基于TB的MIMO雷达AF和现有的AF结果，包括伍德沃德的AF，AF定义为传统的共址MIMO雷达，以及PA雷达AF，分别。此外，我们比较了基于TB的MIMO雷达AF与平方和形式的AF定义，并确定了两种限制情况下，以限制其在多普勒延迟域中的“清晰区域”，即没有旁瓣。导出了这两种情况下的相应界限，并且表明最坏情况下的界限与传输波形的数量K成反比，而最好情况下的界限与K无关。基于TB的MIMO雷达AF的实际“清晰区域”取决于阵列配置，并且在最坏和最好情况界限之间。我们提出了一个TB的设计策略，以减少AF旁瓣的水平，并在仿真中显示，适当的TB矩阵的设计，导致基于TB的MIMO雷达AF的相对旁瓣水平的减少。
2015-03-23 cs.IT math.IT
Spatial Channel Covariance Estimation for the Hybrid MIMO Architecture: A Compressive Sensing Based Approach
空间信道协方差信息可以代替整个信道矩阵的全部知识，用于设计混合多输入多输出（MIMO）架构中的模拟预编码器。然而，空间信道协方差估计对于混合MIMO架构是具有挑战性的，因为在基带处操作的估计器只能通过比天线更少的射频（RF）链来获得更低维的预组合信号。在本文中，我们提出了两种基于压缩感知技术的协方差估计方法。一种是应用时变传感矩阵，另一种是利用协方差矩阵是Hermitian的先验知识。通过理论分析和数值仿真验证了这两种方法的优越性。最后，我们提出的算法从窄带大规模MIMO系统与一个单一的接收天线到宽带系统与多个接收天线的文件。
2017-11-11 cs.IT math.IT
Optimal Joint Target Detection and Parameter Estimation By MIMO Radar
我们考虑宽间距天线的多输入多输出（MIMO）雷达系统。这样的天线配置便于捕获由于目标散射体的独立信号色散而导致的固有分集增益。我们认为一个新的MIMO雷达框架检测目标，位于一个未知的位置。这与传统的MIMO雷达形成对比，传统的MIMO雷达将空间分成小的小区，并且旨在检测指定小区中目标的存在。我们对待这个问题，通过提供一个新的复合假设检验框架的目标检测时，（i）一个或多个参数的目标是未知的，我们有兴趣估计它们，（ii）只有有限数量的观测。所提供的测试优化了一个度量，该度量同时考虑了检测和估计精度。在本文中，作为感兴趣的参数，我们专注于从发射天线发射的波形，直到被观察到的接收天线的时间延迟的向量。分析和实验结果表明，对于由多个独立散射体组成的扩展目标，MIMO雷达的联合目标检测和时延估计性能优于相控阵雷达。然而，对于被建模为单个散射体的点目标，MIMO和相控阵雷达对于这种特定设置（联合目标检测和时延估计）的检测/估计精度是相当的。
2009-08-07 cs.IT math.IT
Measurement Matrix Design for Compressive Sensing Based MIMO Radar
在使用压缩感知（CS）的共位多输入多输出（MIMO）雷达中，接收节点经由线性变换（称为测量矩阵）压缩其接收信号。样本随后被转发到融合中心，在融合中心，针对目标信息制定并求解L1优化问题。基于CS的MIMO雷达充分利用了目标在角度-多普勒-距离空间的稀疏性，从而以更少的观测量获得了传统MIMO雷达的高定位性能。测量矩阵对于CS恢复性能至关重要。本文考虑了测量矩阵的设计，实现了最优性标准，依赖于传感矩阵（CSM）和/或信号干扰比（SIR）的一致性。第一种方法最小化性能损失，该性能损失是CSM和逆SIR的线性组合。第二种方法在测量矩阵上施加一种结构，并确定所涉及的参数，从而增强SIR。根据发射波形，第二种方法可以显着提高SIR，同时保持CSM可比的高斯随机测量矩阵（GRMM）。仿真结果表明，建议的测量矩阵可以提高检测精度相比，GRMM。
2011-02-24 cs.IT math.IT
High Resolution Radar Sensing with Compressive Illumination
我们提出了一种压缩雷达的设计，结合了多音线性调频（LFM）的波形在发射机与一个经典的拉伸处理器和子奈奎斯特采样在接收机。所提出的压缩照明方案具有更少的随机元素，从而与先前提出的基于随机波形的压缩雷达设计相比，减少了存储和实现的复杂性。我们分析了这种照射方案的任务的联合距离到达角估计的多输入多输出（MIMO）雷达系统。我们提出的恢复保证所提出的照明技术。我们表明，对于足够大数量的调制音调，该系统实现了高分辨率的范围，并成功地恢复了稀疏场景中的目标的范围和到达角。此外，我们提出了一种算法，估计目标的距离，到达角，和散射系数的连续。最后，我们提出了仿真结果来说明作为系统参数的函数的恢复性能。
2021-06-22 cs.IT eess.SP math.IT
MU-MIMO Communications with MIMO Radar: From Co-existence to Joint Transmission
本文研究MIMO雷达与多用户MIMO通信的联合传输，提出分离天线与共享波形两种波束成形方案，并通过加权流形优化以更低复杂度实现接近原优化的性能。
2017-07-03 cs.IT math.IT
Network MIMO with Partial Cooperation between Radar and Cellular Systems
为了满足不断增长的频谱需求，未来的蜂窝系统预计将共享其他服务（如雷达）的频谱。在本文中，我们考虑了一个网络多输入多输出（MIMO）与部分合作模型，雷达站与蜂窝基站（BS）的合作，以提供信息给预期的移动用户。因此，雷达站在蜂窝系统中充当BS。然而，由于雷达站发射的高功率用于检测远目标，蜂窝接收机在接收这些高雷达功率时可能烧毁。因此，我们提出了一种新的投影方法，称为小奇异值空间投影（SSVSP），以减轻这些有害的高功率，使雷达站与蜂窝基站合作。此外，我们制定了一个MIMO干扰信道的一般约束（MIMO-IFC-GC）的问题。最后，我们提供了一个解决方案，以最大限度地减少加权和均方误差最小化问题（WSMMSE）与执行功率约束的雷达和蜂窝站。
2015-10-18 cs.IT math.IT
Structured Compressive Sensing Based Superimposed Pilot Design in Downlink Large-Scale MIMO Systems
具有高频谱和能量效率的大规模多输入多输出（MIMO）是未来5G无线通信非常有前途的关键技术。对于大规模MIMO系统，准确的信道状态信息（CSI）获取是一个具有挑战性的问题，特别是当每个用户必须区分和估计来自下行链路中的大量发射天线的众多信道时。与传统的正交导频的导频开销随着发射天线的数量而增加的情况不同，我们提出了一种用于下行链路大规模MIMO场景的频谱有效的叠加导频设计，其中不同发射天线的频域导频在频域中占据完全相同的子载波。同时，大规模MIMO信道的时空共同稀疏性促使我们利用新兴的结构化压缩感知（CS）理论进行可靠的MIMO信道估计，并通过提出的结构化子空间追踪（SSP）算法实现，以低导频开销同时恢复多个信道。仿真结果表明，该方案性能良好，可以接近性能界。
2015-11-27 cs.IT math.IT
Robust MIMO Beamforming for Cellular and Radar Coexistence
在这封信中，我们考虑下行链路多用户多输入多输出（MU-MIMO）通信和MIMO雷达之间的共存和频谱共享。对于给定的下行通信系统的性能要求，我们设计的发射波束形成，使雷达的检测概率最大化。而原来的优化问题是非凸的，我们利用单调增加的关系的检测概率与非中心性参数的概率分布，以获得一个凸的下界优化。所提出的波束形成器被设计为对不完美的信道状态信息（CSI）具有鲁棒性。仿真结果表明，该方法有利于雷达和通信链路之间的共存，并说明了两个系统的性能之间的可扩展的权衡。
2017-07-03 cs.IT math.IT
SUMMeR: Sub-Nyquist MIMO Radar
多输入多输出（MIMO）雷达相对于传统的雷达阵列系统在灵活性和性能方面具有许多优点。然而，MIMO雷达提出了新的挑战，无论是硬件设计和数字处理。特别地，实现高方位分辨率需要大量的发射和接收天线。此外，以其奈奎斯特速率对从每个发射机到每个接收机的接收信号的样本执行数字处理，当需要高分辨率时，该奈奎斯特速率可能非常大。为了克服速率瓶颈，提出了亚奈奎斯特采样方法，打破了雷达信号带宽和采样率之间的联系。在这项工作中，我们将这些方法扩展到MIMO配置，并提出了一个子奈奎斯特MIMO雷达（SUMMeR）系统，执行时间和空间压缩。我们提出了一个距离-方位-多普勒恢复算法从一个减少数量的发射机和接收机，利用恢复的目标的参数的稀疏性获得的子奈奎斯特样本。这使我们能够实现部署的天线的数量和每个接收器的样本数量的减少，而不会降低时间和空间分辨率。仿真结果表明，不同的压缩水平的SUMMeR的检测性能，并显示，时间和空间分辨率的保留，相对于经典的奈奎斯特MIMO配置。我们还研究了设计参数，如天线的位置和载波频率，对检测性能的影响，并提供指导方针，为他们的选择。
2016-08-28 cs.IT math.IT
MIMO-MC Radar: A MIMO Radar Approach Based on Matrix Completion
在典型的MIMO雷达场景中，发射节点发射正交波形，而每个接收节点利用已知的发射波形集执行匹配滤波，并将结果转发到融合中心。基于从多个天线接收的数据，融合中心形成一个矩阵，该矩阵与标准阵列处理方案（如MUSIC）结合，导致目标检测和参数估计。在具有压缩感知的MIMO雷达（MIMO-CS）中，通过每个接收节点转发少量压缩获得的样本来制定数据矩阵。在本文中，它表明，在一定的条件下，在两种采样情况下，在融合中心的数据矩阵是低秩的，因此可以恢复的基础上，通过矩阵完成（MC）技术的一个小子集的条目的知识。利用该矩阵的低秩属性，我们提出了一种新的MIMO雷达方法，称为MIMO-MC雷达，其中每个接收节点要么执行匹配滤波与少量随机选择的字典波形或获得子奈奎斯特采样的接收信号在随机采样时刻，并将结果转发到融合中心。基于所接收的样本，并且利用采样方案的知识，融合中心部分地填充数据矩阵，并且随后应用MC技术来估计完整的矩阵。MIMO-MC雷达具有最近提出的MIMO-CS雷达的优点，即，更高的分辨率，减少数据量，但与MIMO-CS雷达不需要网格离散化。MIMO-MC雷达的概念是通过一个线性均匀阵列配置说明，并通过仿真证明其目标估计性能。
2014-09-13 cs.IT math.IT stat.AP
Multichannel group sparsity methods for compressive channel estimation in doubly selective multicarrier MIMO systems (extended version)
我们考虑在双选择性MIMO信道上传输的脉冲成形多载波多输入多输出（MIMO）系统中的信道估计。这种设置包括作为特殊情况的MIMO正交频分复用（MIMO-OFDM）系统。我们发现，在延迟-多普勒域的分量信道往往表现出近似的联合组稀疏结构。然后，我们开发了一个压缩信道估计，利用这种结构，以提高性能。提出的信道估计器使用多通道组稀疏压缩感知的方法，它结合了组稀疏压缩感知和多通道压缩感知的方法。我们推导了信道估计误差的上界，并分析了估计器的计算复杂性。通过引入基础扩展产生增强的联合组稀疏性，以及基础优化算法，该算法能够利用先前的统计信息，如果可用的话，估计器的性能进一步提高。使用基于几何的信道模拟器的模拟表明，由于利用联合组稀疏性和优化的基础的性能增益。
2016-08-01 cs.IT math.IT
Target Detection Performance of Spectrum Sharing MIMO Radars
未来的无线通信系统被设想为与诸如雷达的其他服务共享射频（RF）频谱，以便满足不断增长的频谱需求。在本文中，我们考虑蜂窝系统和雷达之间的共信道频谱共享。我们解决的问题，目标检测的雷达是受其波形的方式，它不会造成干扰蜂窝系统。我们考虑多输入多输出（MIMO）雷达和MIMO蜂窝通信系统与$\mc K$基站（BS）。我们提出了一种频谱共享算法，该算法通过将雷达波形投影到干扰信道的零空间上，来引导雷达零值，朝向“选定”BS，从而保护其免受雷达干扰。在$\mc K$ BS中，基于保证最小波形劣化来选择该BS。我们研究了这种零空间投影（NSP）波形的目标检测能力，并将其与正交波形进行了比较。我们推导出广义似然比测试（GLRT）的目标检测和NSP和正交波形的检测器统计。理论分析和蒙特卡罗仿真研究了非相干信号和正交信号的目标检测性能。
2014-08-14 cs.IT math.IT
Optimum Design for Coexistence Between Matrix Completion Based MIMO Radars and a MIMO Communication System
最近提出的基于矩阵完成的多输入多输出雷达（MIMO-MC）采用稀疏采样来减少需要转发到雷达融合中心的数据量，并且因此能够节省通信功率和带宽。本文提出的设计，优化MIMO-MC雷达和通信系统之间的频谱共享，使后者最小限度地干扰前者。首先，通信系统的发送协方差矩阵的设计，以最小化有效干扰功率（EIP）的雷达接收机，同时保持一定的平均容量和发送功率的通信系统。提出了两种方法，即非合作和合作的方法，后者是适用于当雷达采样方案是已知的通信系统。其次，提出了通信发射协方差矩阵和MIMO-MC雷达采样方案的联合设计，进一步降低了EIP。
2015-07-07 cs.IT math.IT stat.AP
Spatial Compressive Sensing for MIMO Radar
我们研究压缩感知在空间域中实现目标定位，特别是到达方向（DOA），使用多输入多输出（MIMO）雷达。针对发射和接收单元随机布置的MIMO阵列，提出了一种稀疏定位框架。这使得所需的元件数量大幅减少，同时仍能获得与填充（奈奎斯特）阵列相当的性能。通过利用结构随机矩阵的属性，我们开发的结果测量矩阵的一致性的约束，并获得条件下，测量矩阵满足所谓的各向同性属性。相干性和各向同性的概念被用来建立均匀和非均匀的恢复保证内提出的空间压缩感知框架。特别地，我们证明了如果发射和接收单元数的乘积MN（也是自由度的数目）与K（log（G））^2成比例，则保证非均匀恢复，其中K是目标的数目，G与阵列孔径成比例，并确定角度分辨率。与其中乘积MN与G线性缩放的填充虚拟MIMO阵列相比，在所提出的框架中对G的对数依赖性支持由虚拟阵列孔径提供的高分辨率，同时使用少量MIMO雷达元件。在数值结果中，我们表明，在所提出的框架中，压缩感知恢复算法能够比经典的方法，如波束成形和MUSIC更好的性能。
2013-10-30 cs.IT math.IT
Antenna Deployment Method for MIMO Radar under the Situation of Multiple Interference Regions
研究了分布式多输入多输出（MIMO）雷达同时考虑多个干扰区域的天线优化配置问题。提出了一种基于多目标粒子群优化（MOPSO）的天线优化部署方法，解决了天线优化部署问题。首先，我们建立了一个多目标优化问题的MIMO雷达天线部署，选择不同区域的干扰功率密度为目标函数。然后，为了在不浪费时间和计算资源的情况下获得最优部署结果，提出了一种基于间隔距离的迭代收敛准则。迭代收敛准则可以用来停止MOPSO优化过程中有效地当最优天线部署算法达到所需的收敛水平。最后，数值结果验证了所提出的算法的有效性。
2017-01-20 cs.IT math.IT
Distributed Compressive CSIT Estimation and Feedback for FDD Multi-user Massive MIMO Systems
为了充分利用大规模MIMO的空间复用增益或阵列增益，必须在发射端获得信道状态信息（CSIT）。然而，传统的CSIT估计方法不适合FDD大规模MIMO系统，因为压倒性的训练和反馈开销。在本文中，我们考虑多用户大规模MIMO系统，并部署压缩感知（CS）技术，以减少训练以及CSIT估计的反馈开销。多用户大规模MIMO系统由于物理传播环境中共享的局部散射点，在用户信道矩阵中表现出隐藏的联合稀疏结构。因此，而不是天真地应用传统的CS的CSIT估计，我们提出了一个分布式压缩CSIT估计方案，使压缩的测量在用户本地观察，而CSIT恢复在基站联合执行。提出了一种联合正交匹配追踪恢复算法，利用用户信道矩阵中隐藏的联合稀疏性进行CSIT恢复。我们分析所获得的CSIT质量的归一化平均绝对误差，并通过封闭形式的表达式，我们获得简单的见解如何联合信道稀疏性可以被利用，以提高CSIT恢复性能。
2014-05-12 cs.IT math.IT
Cognitive Sub-Nyquist Hardware Prototype of a Collocated MIMO Radar
我们提出的设计和硬件实现的雷达原型，演示了一个亚奈奎斯特配置多输入多输出（MIMO）雷达的原理。该设置允许以远低于奈奎斯特采样定理所规定的速率在空间域和频谱域中进行采样。我们的原型实现了一个X波段MIMO雷达，可以配置为具有最多8个发射和10个接收天线元件。我们使用频分复用（FDM）来实现MIMO波形的正交性，并应用XDIF框架进行信号恢复。该原型还实现了一种认知传输方案，其中每个传输波形被限制到接收器采样和处理的全信号带宽的那些预定子带。实时实验显示合理的恢复性能，同时作为一个4 × 5稀疏随机阵列，其中组合的空间和光谱采样因子减少是填充的8 × 10阵列的87.5%。
2016-08-04 cs.IT math.IT
MIMO UWB Radar System with Compressive Sensing
Tennessee Technological University（田纳西理工大学）
本文提出基于压缩感知的多输入多输出超宽带认知雷达，通过压缩感知实现稀疏目标信号重建，减少ADC硬件复杂度并提高雷达带宽。
2016-04-14 cs.IT cs.SY eess.SY
Distributed Compressive Sensing Based Doubly Selective Channel Estimation for Large-Scale MIMO Systems
大规模多输入多输出（MIMO）系统中的双选择性（DS）信道估计是一个具有挑战性的问题，由于无法承受的导频开销和禁止的复杂性的要求。在本文中，我们提出了一种新的分布式压缩感知（DCS）的信道估计方案来解决这个问题。在该方案中，我们引入基扩展模型（BEM），以减少所需的信道系数和导频开销。由于所有发射-接收天线对在延迟域中的共同稀疏性，我们考虑DCS框架来估计BEM系数，该框架具有简单的线性结构和低复杂度。此外，提出了一种线性平滑方法，以提高估计精度。最后，我们进行各种模拟，以验证所提出的计划的有效性，并证明所提出的计划相比，传统的计划的性能增益。
2015-11-09 cs.IT math.IT
Frequency-Hopping MIMO Radar-Based Communications: An Overview
在射频技术进步的推动下，雷达和通信系统的融合变得越来越有前途，并被设想为未来6 G网络的关键特征。近年来，跳频MIMO雷达被引入到双功能雷达通信系统中。FH-MIMO基于雷达的DFRC（FH-MIMO DFRC）优于许多以前的以雷达为中心的DFRC设计，其符号率可以超过雷达脉冲重复频率。然而，许多实际问题，特别是那些关于有效的数据通信的问题，尚未探索/解决。为了提高人们对新DFRC的认识和理解，本文对FH-MIMO DFRC进行了介绍。我们全面回顾了新DFRC的许多重要方面：信道/信号模型，信令策略，调制/解调处理和信道估计方法，仅举几例。我们还强调了FH-MIMO DFRC中存在的主要问题，并提出了潜在的解决方案，以阐明未来的研究工作。
2020-10-19 cs.IT eess.SP math.IT
MIMO Radars and Massive MIMO Communication Systems can Coexist
该研究针对单小区大规模MIMO通信系统与MIMO雷达的共存场景，利用随机矩阵理论推导二者可实现速率与联合系统速率区域，发现基站的大量自由度可在无协同设计时实现低干扰，并通过仿真验证了结论。
2023-07-22 cs.IT eess.SP math.IT
Co-Designing Statistical MIMO Radar and In-band Full-Duplex Multi-User MIMO Communications -- Part II: Joint Precoder, Radar Code, and Receive Filters Design
本文针对统计MIMO雷达与带内全双工多用户MIMO通信的频谱共享问题，提出基于复合加权和互信息的联合设计框架，并采用块坐标下降与交替投影方法优化雷达码、预编码器和接收滤波器，实验验证了算法收敛性、干扰抑制能力和数据速率稳定性。
2024-03-28 cs.IT eess.SP math.IT
Compressive Sensing with Prior Support Quality Information and Application to Massive MIMO Channel Estimation with Temporal Correlation
在本文中，我们考虑的问题，压缩感知（CS）恢复与先验支持和先验支持质量信息可用。与传统的盲目利用先验支持度的算法不同，本文提出了一种基于质量信息自适应地利用先验支持度的CS恢复算法。我们分析了所提出的算法恢复信号的失真范围，我们表明，一个更好的质量先验支持可以导致更好的CS恢复性能。我们还表明，该算法将收敛于$\mathcal{O}\left(\log\mbox{SNR}\right)$步骤。为了容忍可能的模型失配，我们进一步提出了一些鲁棒性设计，以打击不正确的先验支持质量信息。最后，我们提出的框架，稀疏信道估计在大规模MIMO系统的时间相关性，以进一步减少所需的导频训练开销。
2015-06-02 cs.IT math.IT
A Novel Antenna Placement Algorithm for Compressive Sensing MIMO Radar
在共址压缩感知MIMO雷达中，测量矩阵由天线位置确定。为了保证可接受的恢复性能，该测量矩阵应该满足某些属性，例如，一个小的连贯性。文献中的先前工作通常采用优化天线位置的先验分布的随机布局算法。这些算法的性能是次优的，因为它们可以很容易地通过删除来增强。在本文中，我们提出了一个迭代的天线布局算法，确定性的天线位置。所提出的算法联合定位的发射和接收阵列上的天线元件，从而得到的测量矩阵的相干性最小化。数值模拟表明，该算法的性能明显优于基准，即使在删除。
2022-10-24 cs.IT eess.SP math.IT
Joint Robust Transmit/Receive Adaptive Beamforming for MIMO Radar Using Probability-Constrained Optimization
针对多输入多输出（MIMO）雷达的发射和接收信号导向矢量同时存在高斯和任意分布失配的情况，提出了一种基于概率约束优化的MIMO雷达发射/接收联合鲁棒自适应波束形成方法。利用对偶理论还推导出了概率约束的紧下界。所提出的概率约束鲁棒波束形成问题是一个非凸的NP-困难问题。然而，我们将其成本函数重新表示为双二次函数，而概率约束分为发送和接收部分。然后，提出了一种基于二阶锥规划的块坐标下降法来解决双凸问题。仿真结果表明，与最坏情况和其他现有的最先进的MIMO雷达联合发射/接收鲁棒自适应波束形成方法相比，所提出的波束形成方法具有更好的鲁棒性。
2015-08-10 cs.IT math.IT
Frequency-domain Compressive Channel Estimation for Frequency-Selective Hybrid mmWave MIMO Systems
信道估计在毫米波（mmWave）MIMO通信系统中是有用的。信道状态信息允许在诸如互信息或信号干扰噪声（SINR）比的不同度量下优化预编码器和组合器的设计。在毫米波，MIMO预编码器和组合器通常是混合的，因为这种架构提供了一种权衡功耗和可实现速率的方法。然而，当使用这些架构时，信道估计是具有挑战性的，因为不存在对阵列中的不同天线元件的输出的直接存取。MIMO信道只能通过模拟组合网络来观察，模拟组合网络充当接收信号的压缩级。大多数关于混合架构的信道估计的现有工作假设频率平坦的毫米波信道模型。在本文中，我们考虑了频率选择性毫米波信道，并提出了基于压缩感知的策略，以估计在频域中的信道。我们评估不同的算法，并计算其复杂性，暴露权衡复杂性开销性能相比，以前的方法。
2017-04-27 cs.IT math.IT
MIMO Radar Using Compressive Sampling
提出了一种MIMO雷达系统，用于获取潜在目标的角度和多普勒信息。发送器和接收器是小规模无线网络的节点，并且被假设为随机地分散在圆盘上。发送节点发送不相关的波形。每个接收节点对接收信号应用压缩采样以获得少量样本，节点随后将其转发到融合中心。假设目标稀疏分布在角度-多普勒空间中，融合中心根据接收节点转发的样本建立l1优化问题，求解该问题可得到目标角度和多普勒信息。所提出的方法实现了MIMO雷达的高分辨率与远少于其他方法所需的样本。这意味着在接收节点和融合中心之间的通信阶段期间的功率节省。性能在干扰机的存在下进行了分析的情况下，缓慢移动的目标。讨论了与形成跨越角度多普勒空间的基矩阵以及为该空间选择网格有关的问题。大量的仿真结果证明了所提出的方法在不同的干扰和噪声水平的性能。
2009-11-25 cs.IT math.IT
Structured Compressive Sensing Based Spatio-Temporal Joint Channel Estimation for FDD Massive MIMO
大规模MIMO由于其高频谱和能量效率而成为未来5G通信的一种有前途的技术。为了实现其潜在的性能增益，准确的信道估计是必不可少的。然而，由于基站（BS）处的大量天线，传统信道估计方案所需的导频开销将是无法承受的，特别是对于频分双工（FDD）大规模MIMO。为了克服这个问题，我们提出了一种基于结构化压缩感知（SCS）的时空联合信道估计方案，以减少所需的导频开销，从而利用延迟域MIMO信道的时空公共稀疏性。特别地，我们首先提出在CS理论的框架下，在BS处的非正交导频，以减少所需的导频开销。然后，提出了一种用户端自适应结构子空间追踪（ASSP）算法，利用有限导频对多个OFDM符号的信道进行联合估计，从而利用MIMO信道的时空共同稀疏性提高信道估计精度。此外，通过利用信道的时间相关性，我们提出了一个空时自适应导频方案，以进一步减少导频开销。此外，我们还讨论了多小区情况下的信道估计方案。仿真结果表明，该方法能够在降低导频开销的情况下准确估计信道，并能逼近最优的oracle最小二乘估计器。
2016-04-23 cs.IT math.IT
QPSK Waveform for MIMO Radar with Spectrum Sharing Constraints
多输入多输出（MIMO）雷达是雷达信号处理领域中一个相对较新的概念。通过考虑各种性能指标和约束，已经开发了许多新颖的MIMO雷达波形。在本文中，我们表明，有限字母恒定包络（FACE）正交脉冲移位键控（QPSK）波形可以被设计为实现一个给定的协方差矩阵，通过将约束非线性优化问题转化为无约束非线性优化问题。此外，我们设计的QPSK波形的方式，他们不造成干扰的蜂窝系统，通过转向零点朝向选定的基站（BS）。根据我们的算法，保证最小的退化，由于零空间投影（NSP）的雷达波形的雷达性能的BS选择。我们设计QPSK波形与频谱共享的限制，为一个固定和移动的雷达平台。我们表明，设计用于固定MIMO雷达的波形匹配所需的波束方向图密切，当BS天线的数量$N^{\text{BS}}$是相当少的雷达天线的数量$M$，由于准静态干扰信道。然而，对于运动雷达，由于快速变化的信道，设计波形与期望波形之间的差异比静止雷达大。
2014-08-14 cs.IT cs.NI math.IT
Compressive Sensing for Feedback Reduction in MIMO Broadcast Channels
我们提出了一个广义的反馈模型和压缩感知的机会反馈机制，在MIMO广播信道的反馈资源减少的假设下，上行链路和下行链路信道都经历块瑞利衰落。反馈资源被共享，并且由强用户（即，其信道质量信息高于某个固定阈值的用户）机会性地访问。强用户在所有共享渠道上发送相同的反馈信息。它们由基站经由压缩感测来识别。模拟和数字反馈被认为是。建议的模拟和数字机会反馈方案示出，以实现相同的和速率吞吐量所实现的专用反馈方案，但与反馈信道增长的用户数仅为几何。此外，还存在反馈负载的减少。在模拟反馈的情况下，我们表明，该方案减少了反馈噪声，最终导致更好的吞吐量，而在数字反馈的情况下，该方案在嘈杂的情况下，几乎实现了在一个无噪声的专用反馈的情况下获得的吞吐量。我们还表明，对于一个固定的给定预算的反馈比特，存在一个折衷之间的共享信道的数量和阈值的反馈SINR的准确性。
2009-07-10 cs.IT math.IT
Robust Design of Transmit Waveform and Receive Filter For Colocated MIMO Radar
本文针对共置MIMO雷达在信号相关干扰下的角度不确定性，提出基于秩一松弛和半定规划的循环优化算法，联合设计发射波形与接收滤波器以最大化最坏情况输出SINR。
2015-06-05 cs.IT math.IT
Resource Allocation in MIMO Radar With Multiple Targets for Non-Coherent Localization
针对MIMO雷达多目标非相干定位场景，在功率与带宽资源受限条件下，以Crámer-Rao下界为性能指标，通过求解序列凸问题得到三类资源分配近似解，仿真验证带宽分配对定位性能影响远强于功率分配。
2013-08-29 cs.IT math.IT
Target Localization Accuracy Gain in MIMO Radar Based Systems
本文提出了一种分析的目标定位精度，可通过使用MIMO（多输入多输出）雷达系统，配置有多个发射和接收传感器，广泛分布在一个给定的区域。针对相干和非相干处理，提出了目标定位精度的克拉美-罗下界。相干处理需要所有发射和接收传感器的公共相位参考。CRLB被示出为在非相干情况下与信号有效带宽成反比，但在相干情况下与载波频率近似成反比。我们进一步证明，优化的传感器的位置降低CRLB的一个因素，等于产品的发送和接收传感器的数量。针对MIMO目标定位问题，推导了最佳线性无偏估计器（BLUE）。BLUE的效用在于提供闭合形式的定位估计，其便于分析传感器位置、目标位置和定位精度之间的关系。几何精度因子（GDOP）等值线用于绘制给定地理区域内给定雷达布局的相对性能精度。
2008-09-24 cs.IT math.IT
Near-Optimal Signal Detector Based on Structured Compressive Sensing for Massive SM-MIMO
大规模空间调制（SM）-MIMO，它采用大规模的低成本天线，但在发射机的功率消耗很少的发射射频（RF）链，最近被提出为未来的绿色通信提供高频谱效率和能源效率。然而，在大规模SM-MIMO中，最佳最大似然（ML）检测器具有过高的复杂度，而用于常规小规模SM-MIMO的现有技术的低复杂度检测器遭受明显的性能损失。在本文中，通过利用多个SM信号的结构稀疏性，我们提出了一种低复杂度的信号检测器基于结构压缩感知（SCS），以提高信号检测性能。具体来说，我们首先提出了在发射机的分组传输方案，其中多个SM信号在几个连续的时隙被分组携带共同的空间星座符号，以引入所需的结构稀疏。因此，在接收器处提出结构化子空间追踪（SSP）算法以通过利用结构化稀疏性来联合检测多个SM信号。此外，我们还提出了SM信号交织置换SM信号在同一个传输组，从而可以利用信道分集，以进一步提高信号检测性能。理论分析量化了SM信号交织的性能增益，仿真结果表明所提出的方案的性能接近最优。
2016-04-23 cs.IT math.IT
Super-Resolution MIMO Radar
多输入多输出（MIMO）雷达用多个发射天线发射探测信号，用多个接收天线记录来自目标的反射。从接收到的信号估计相对角度、延迟和多普勒频移允许确定目标的位置和速度。基于数字匹配滤波或压缩感测的MIMO雷达的标准方法仅解析$(1/(N_T N_R), 1/B,1/T)$网格上的角度延迟多普勒三元组，其中$N_T$和$N_R$是发射和接收天线的数量，$B$是探测信号的带宽，并且$T$是观察反射的时间间隔的长度。在这项工作中，我们表明，\emph{continuous}角度延迟多普勒三重峰和相应的衰减因子可以通过求解凸优化问题完美地恢复。假设角度-延迟-多普勒三元组在角度上被$10/(N_T N_R-1)$分开，在延迟上被$10.01/B$分开，或在多普勒方向上被$10.01/T$分开，则该结果成立。此外，该结果在可以恢复的角度延迟多普勒三重峰的数量方面是最佳的（最多对数因子）。
2016-05-10 cs.IT math.IT
A Cognitive Sub-Nyquist MIMO Radar Prototype
我们提出了一个认知原型，演示了共址，频分复用，多输入多输出（MIMO）雷达，实现时间和空间的亚奈奎斯特采样。信号通过Xcovery框架进行采样和恢复。认知是由于发射机通过仅发射接收机采样和处理的那些子带来调整其信号频谱的事实。实时实验表明，该方法在低于奈奎斯特的条件下对目标场景进行MIMO恢复，时空带宽降低了87.5%，信噪比为-10 dB。
2019-06-13 cs.IT eess.SP math.IT
MIMO Radar Target Localization and Performance Evaluation under SIRP Clutter
多输入多输出（MIMO）雷达在过去的几十年里已经成为一个蓬勃发展的研究课题。在MIMO雷达背景下，有时将雷达杂波建模为非高斯过程更准确，更具体地说，通过使用球不变随机过程（SIRP）模型。本文主要研究了SIRP杂波下MIMO雷达目标角间距的估计和性能分析。首先，我们提出了一个迭代的极大似然以及迭代的最大后验估计，在SIRP杂波背景下的目标的间距参数估计。然后，我们推导和比较各种Cramér-Rao-like边界（CRLB）的性能评估。最后，我们解决的问题，通过使用的角度分辨率限制（ARL）的概念，目标的可分辨性，并推导出一个解析的，封闭形式的表达式的ARL的基础上史密斯准则，两个紧密间隔的目标之间的MIMO雷达背景下SIRP杂波。为了这个目的，我们还获得了非矩阵，封闭形式的表达式为每个CRLB。最后，我们提供了数值模拟来评估所提出的算法的性能，推导出的ARL表达式的有效性，并揭示ARL的有见地的属性。
2016-03-29 cs.IT math.IT stat.AP
Bayesian Compressive Channel Estimation for Hybrid Full-Dimensional MIMO Communications
高效的信道估计在全维多输入多输出通信系统中是具有挑战性的，特别是在具有混合数模架构的通信系统中。在压缩感知框架下，这封信首先设计了一个统一的字典的基础上的球形Fibonacci网格表示在稀疏域中的通道，产生更小的角度误差在三维波束空间比传统的字典。然后，贝叶斯推理辅助贪婪追求算法的频率域信道估计。最后，仿真结果表明，所设计的字典和提出的贝叶斯信道估计优于基准方案，并获得较低的归一化均方误差的信道估计。
2021-12-29 cs.IT eess.SP math.IT
Coexistence of Communications and Cognitive MIMO Radar: Waveform Design and Prototype
新一代雷达系统将需要与其他射频（RF）系统共存，预测它们的行为并做出适当的反应以避免干扰。针对这一需求，本文设计、实现了基于自定义认知多输入多输出（MIMO）雷达原型的纯相位序列（恒功率），并对其性能进行了评估。所提出的发射波形避免了窄带干扰器或通信链路占用的频段，同时彼此之间具有小的互相关，以使它们在MIMO雷达接收机处具有可分离性。通过求解一个非凸双目标优化问题得到的优化序列集的性能，与最先进的同行相比，其适用性说明了开发的原型。一个现实的长期演进（LTE）的下行链路用于通信，和实时系统的实现进行了验证和评估，通过吞吐量计算的通信和雷达系统的检测性能测量。
2021-03-08 cs.IT eess.SP math.IT
Triple-Structured Compressive Sensing-based Channel Estimation for RIS-aided MU-MIMO Systems
可重构智能表面（RIS）被认为是5G之后的潜在技术，并引起了巨大的研究关注。然而，由于级联信道中的参数数量过多，在RI辅助系统中的信道估计仍然是一个关键的挑战。现有的基于压缩感知（CS）的RIS估计方案仅采用不完全稀疏性，这会导致冗余导频消耗。在本文中，我们利用级联通道的特定三重结构稀疏性，即，公共列稀疏度、偏移补偿后的结构化行稀疏度和所有用户之间的公共偏移。在此基础上提出了一种新的多用户联合估计算法。仿真结果表明，我们的方法可以显着减少导频开销在两个CDMA和UPA场景。
2021-08-31 cs.IT eess.SP math.IT
Using Massive MIMO Arrays for Joint Communication and Sensing
在超5G和6 G无线通信系统领域中越来越重要的趋势之一是对联合执行通信和环境感测的系统的研究。本文提出了使用基站（BS），我们称之为\textit{radar-BS}，配备了一个大规模的天线阵列来执行，使用相同的频率范围，与移动用户通信，并通过雷达扫描感测/监视周围环境。大规模天线阵列实际上既可以作为具有协同定位天线的MIMO雷达（发射指向正仰角的雷达信号）运行，又可以执行信号空间波束成形，以主要基于地面与用户进行通信。我们的研究结果表明，使用一个大规模的MIMO雷达基站的通信和雷达系统可以共存，相互干扰很小。
2019-12-01 cs.IT eess.SP math.IT
Joint DOD and DOA Estimation in Slow-Time MIMO Radar via PARAFAC Decomposition
针对慢时间MIMO雷达多普勒域样本不足问题，提出基于新张量模型与改进交替最小二乘的PARAFAC分解方法，利用阵列范德蒙德结构实现性能更优的联合DOD与DOA估计，仿真验证了有效性。
2020-07-30 cs.IT eess.SP math.IT
Co-existence Between a Radar System and a Massive MIMO Wireless Cellular System
在本文中，我们考虑使用5G新无线电兼容多址的大规模MIMO通信系统的上行链路，该系统将与使用相同频带的雷达系统共存。我们提出了一个系统模型，考虑到混响（杂波）所产生的雷达系统在大规模MIMO接收机。然后，我们提出了几个线性接收机的上行链路数据检测，范围由简单的信道匹配波束形成器的迫零和线性最小均方误差接收机的杂波干扰抑制。我们的研究结果表明，杂波可能有很强的影响蜂窝通信系统的性能，但在基站使用大规模的天线阵列是关键，以提供更强的鲁棒性对它，至少就数据检测而言。
2018-05-20 cs.IT eess.SP math.IT
Transmit Design for Joint MIMO Radar and Multiuser Communications with Transmit Covariance Constraint
在本文中，我们考虑设计的多输入多输出（MIMO）发射机，同时作为MIMO雷达和基站的下行链路多用户通信。为了保证MIMO雷达的性能，除了功率约束外，还要求发射波形的协方差等于给定的最优协方差。在此约束下，我们制定和解决信号干扰噪声比（SINR）的平衡问题，多用户发射波束成形通过凸优化。考虑到这种约束不能完全消除干扰，我们引入脏纸编码（DPC），以进一步消除干扰，并制定在DPC制度的SINR平衡和和速率最大化问题。虽然这两个问题都是非凸的，我们表明，他们可以重新制定凸优化通过拉格朗日和下行链路-上行链路的对偶。此外，我们提出了基于梯度投影的算法来解决等效的对偶问题的SINR平衡，在发射波束成形和DPC制度。仿真结果表明，DPC的发射波束形成的显着性能改善，也表明，通信发射机的自由度是由协方差的秩的限制。
2021-09-02 cs.IT eess.SP math.IT
