Spherical Wavefront Near-Field DoA Estimation in THz Automotive Radar
针对THz汽车雷达近场球面波前导致传统远场DoA估计失效的问题，提出一种考虑近场波束偏斜的MUSIC算法，通过阵列变换补偿波束偏斜以构建无偏斜MUSIC谱，准确估计目标DoA和距离。
2023-10-25 cs.IT eess.SP math.IT
Joint Estimation of DOA and Frequency with Sub-Nyquist Sampling in a Binary Array Radar System
近年来，结合亚奈奎斯特技术的几种阵列雷达结构及其相应的算法得到了广泛的研究。研究了阵列雷达在亚奈奎斯特速率下对多个窄带信号的载频和波达方向估计问题。提出了一种新的亚奈奎斯特阵列雷达结构（一个二元阵列雷达分别连接到一个多陪集结构与M支）和一个有效的联合估计算法，可以匹配频率与相应的DOA。本文还提出了一种延迟模式扩充方法，使系统的可识别信号数能力从M-1增加到Q-1（Q为扩展自由度）。我们进一步得出结论，最小总采样率2 MB足以识别$ {K \leq Q-1}$内最大带宽$B$的窄带信号。仿真结果验证了估计算法和增广方法的有效性和性能。
2018-10-26 cs.IT eess.SP math.IT
Search-free DOA Estimation Method Based on Tensor Decomposition and Polynomial Rooting for Transmit Beamspace MIMO Radar
为了提高发射波束域多输入多输出（MIMO）雷达的精度和分辨力，提出了一种基于张量分解和多项式求根的无搜索波达方向（DOA）估计方法。该方法首先利用MIMO雷达接收信号的多线性特性，设计一个三阶张量对接收信号进行建模。然后，利用交替最小二乘（ALS）算法进行张量分解，得到包含目标方位信息的因子矩阵，进而将方位估计问题转化为独立最小化问题。通过利用发送导向矢量的Vandermonde结构，构造多项式函数，通过多项式求根来解决最小化问题。该多项式系数中的因子矩阵可视为广义旁瓣抵消器（GSC）中的分块矩阵，从而在发射波束方向图中形成目标方向上唯一的深零陷。与传统的DOA估计方法不同，该方法不需要谱搜索和波束空间矩阵设计，就可以获得DOA估计。仿真结果验证了该方法的有效性。
2020-10-14 cs.IT eess.SP math.IT
Underdetermined 2D-DOD and 2D-DOA Estimation for Bistatic Coprime EMVS-MIMO Radar: From the Difference Coarray Perspective
研究了双基地互质EMVS-MIMO雷达的欠定二维DOD和二维DOA估计问题。首先，利用接收数据的多维时空特性，建立5维张量模型。然后，通过自相关计算得到了一个8维张量。为了获得发射和接收电磁阀的差分共阵，电磁阀的空间响应和导向矢量之间的解耦过程是不可避免的。因此，通过张量置换和正则多进分解的广义张量化，可以构造一个新的6维张量。根据张量矩阵乘积运算的原理，设计了两个选择矩阵，可以消除差分协阵中的重复元素。利用差分共阵的中心对称性，设计了两个DFT波束空间矩阵，将复数引导矩阵转换为实值引导矩阵，提高了二维DOD和二维DOA的估计精度。然后，构造了一个三阶张量，第三路固定为36，并采用并行因子算法，实现了二维DOA和二维DOD的自动配对估计。仿真结果表明，该算法对欠定的2D-DOD和2D-DOA估计具有较好的估计性能。
2022-06-06 eess.SP
DoA Estimation using MUSIC with Range/Doppler Multiplexing for MIMO-OFDM Radar
针对 MIMO-OFDM 雷达在目标数超过阵列维度时 DoA 估计性能受限的问题，提出利用延迟/多普勒滤波与融合抑制旁瓣的两阶段 MUSIC 方法，提升小阵列高密度场景下的估计性能。
2025-06-16 cs.IT eess.SP math.IT
Adaptive Beam Broadening for DoA Estimation in Dynamic and Resource-Constrained DFRC Systems
International Institute of Information Technology, Bangalore（印度班加罗尔国际信息技术学院）
针对动态和资源受限的DFRC系统，提出利用时间切片波束分配和自适应加窗技术进行视场感知和到达角估计，确保DoA估计可靠性，仿真显示该技术在各方向有一致性能且能适应资源变化。
2026-07-08 eess.SP
Iterative Marginal Maximum Likelihood DOD and DOA Estimation for MIMO Radar in the Presence of SIRP Clutter
球不变随机过程（SIRP）杂波模型通常用于雷达杂波不能正确建模为高斯过程的情况。在这个简短的通信中，我们设计了一种新的基于最大似然（ML）的迭代估计器的出发方向和到达方向估计的多输入多输出（MIMO）雷达背景下存在的SIRP杂波。建议的估计采用逐步数值浓度的方法w.r.t.目标函数与观测数据的边际似然性有关。我们的估计导致卓越的性能，我们的模拟显示，w.r.t.现有的基于似然的方法，即传统的，条件的和联合的基于似然的估计，和w.r.t.鲁棒子空间分解方法。最后，迭代边际ML估计（IMMLE），迭代联合ML估计（IJMLE）和迭代条件ML估计（ICdMLE）之间的相互联系和比较。
2018-11-07 eess.SP stat.AP
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
Microwave Linear Analog Computer (MiLAC)-Aided MIMO Radar Sensing: Transmit Beamforming Design and DoA Estimation
Imperial College London（帝国理工学院）
本文研究了利用微波线性模拟计算机（MiLAC）辅助MIMO雷达感知的问题，提出了一种基于MiLAC的发射波束成形设计和基于二维离散傅里叶变换（2D-DFT）的方向估计方法，并证明了MiLAC辅助和全数字波束成形在CRB和方向估计性能上具有相同效果，同时降低了硬件成本和功耗。
2026-05-20 cs.IT eess.SP math.IT
Sparse array design for MIMO radar in multipath scenarios
针对多径场景中MIMO雷达虚拟阵列假设失效的问题，本文提出新的稀疏线性阵列设计准则，并采用坐标下降框架下的循环优化策略进行设计，以改善直达路径和多径目标的DOD-DOA成像效果。
2024-01-16 eess.SP
Cognitive Radar Antenna Selection via Deep Learning
目标的波达方向（DoA）估计随着相控阵雷达天线所采用的单元的数量而改进。由于较大的阵列具有高的相关成本、面积和计算负荷，因此最近人们对在不损失远场DoA精度的情况下使天线阵列变薄感兴趣。在这种情况下，认知雷达可以部署一个完整的阵列，然后选择一个最佳的子阵列来发送和接收信号，以响应目标环境的变化。先前的工作已经使用优化和贪婪搜索方法来认知地挑选最佳子阵列。在本文中，我们利用深度学习来解决天线选择问题。具体来说，我们构建了一个卷积神经网络（CNN）作为多类分类框架，其中每个类指定一个不同的子阵列。所提出的网络确定一个新的阵列，每次数据被雷达接收，从而使天线选择的认知操作。我们的数值实验表明，{建议的CNN结构提供了22%更好的分类性能比支持向量机和由此产生的子阵列产生72%更准确的DoA估计比随机阵列选择。
2019-02-04 eess.SP stat.ML
Supervised Learning Based Super-Resolution DoA Estimation Utilizing Antenna Array Extrapolation
针对多输入多输出（MIMO）雷达，提出了一种新的DOA估计算法，该算法可以显著减少精确估计波达方向所需的天线阵元数。新提出的算法预测的接收信号的一个大的天线设置使用减少的天线数量，通过使用耦合字典学习。因此，这使得MIMO雷达能够解析更多的路径，而这些路径无法通过更少的天线来解析。具体来说，我们克服了由于一个小的虚拟阵列设置的DOA估计不准确的问题。例如，我们可以使用字典学习来预测100个虚拟数组元素，只使用25个。为了评估我们的算法，我们使用多信号分类（MUSIC）的DOA估计技术来估计非相干多个目标的DOA。结果表明，该算法利用预测的接收信号可以分辨出场景中的所有目标，而仅利用简化天线阵的接收信号是无法分辨出场景中所有目标的。
2020-09-15 cs.IT eess.SP math.IT
Detection of Ghost Targets for Automotive Radar in the Presence of Multipath
针对汽车雷达多径导致虚假目标的问题，提出基于广义似然比检验的检测方法，结合带LM优化的稀疏压缩感知估计角度，经性能分析验证了方案有效性。
2024-07-15 eess.SP
Target Induced Angle Grid Regularized Estimation for Ghost Identification in Automotive Radar
The Pennsylvania State University（宾夕法尼亚州立大学）
TIGRE算法通过引入物理启发的正则化器，提高低信噪比环境下汽车雷达鬼影目标识别的鲁棒性。
2026-02-11 eess.SP
Exploiting Target Location Distribution in MIMO Radar: PCRB vs. PSBP for Transmit Beampattern Design
University of Electronic Science and Technology of China（电子科技大学）；King’s College London（伦敦国王学院）
本文提出利用目标位置分布优化MIMO雷达发射波束成形，通过PCRB与PSBP方法比较，提升方位角估计性能。
2025-11-19 eess.SP
Antenna Failure Resilience: Deep Learning-Enabled Robust DOA Estimation with Single Snapshot Sparse Arrays
本文提出首个针对单快照稀疏阵列DOA估计的深度学习框架，通过稀疏信号增强层提升天线故障下的鲁棒性，并在仿真与真实数据上验证了有效性。
2024-05-05 eess.SP
A New Atomic Norm for DOA Estimation With Gain-Phase Errors
波达方向（DOA）估计问题作为雷达、无线通信和阵列信号处理相关应用中的一项基本技术已经研究了几十年。本文考虑了幅相误差情况下的DOA估计问题，利用信号在空间域的稀疏性，建立了稀疏模型。通过提出一种新的原子范数GP-ANM，推导出了GP-ANM的对偶范数，并给出了一种优化方法。然后，给出了相应的半定规划（SDP），以有效地估计DOA，其中SDP是基于Schur补获得的。此外，从理论上得到了凸优化问题的正则化参数。仿真结果表明，该方法优于现有的方法，包括基于子空间和稀疏的方法在场景中的幅相误差。
2022-03-19 eess.SP
Low Complexity DoA-ToA Signature Estimation for Multi-Antenna Multi-Carrier Systems
针对多天线多载波系统中在网格DoA-ToA估计受频谱泄漏影响精度不足的问题，提出基于DFT多级微调的低复杂度估计法和基于2D-OMP的压缩感知超分辨率估计法，在接近2D-MUSIC性能的同时大幅降低计算复杂度。
2024-09-13 eess.SP
Harnessing Holes for Spatial Smoothing with Applications in Automotive Radar
本文研究汽车MIMO雷达中故意引入孔洞的稀疏阵列空间平滑DOA估计，提出基于和集分解的几何结构条件，并推导目标可辨识性的充要条件，以提升分辨率并降低计算复杂度。
2024-01-12 eess.SP
Resilient Sparse Array Radar with the Aid of Deep Learning
Ruhr-University Bochum（波鸿鲁尔大学）；University of Moratuwa（莫拉图瓦大学）；University of Pisa（比萨大学）
针对稀疏阵列传感器故障导致DOA估计性能下降的问题，提出基于DNN增强空间平滑和端到端数据驱动两种方法，显著提升故障下的估计性能，并在低信噪比下优于原始阵列。
2023-06-21 cs.LG eess.SP
Robust Covariance-Based DoA Estimation under Weather-Induced Distortion
KTH Royal Institute of Technology（皇家理工学院）；Delft University of Technology（代尔夫特理工大学）
本文提出了一种基于协方差矩阵HT结构的鲁棒DoA估计方法，通过统计特征描述降雨引起的畸变，并利用GLS校准提升恶劣天气下的估计精度和雷达性能。
2026-01-27 eess.SP
Multitarget Bistatic MIMO RADAR
本文提出一种基于阵列流形和流形扩展器的双基地MIMO雷达多目标参数估计新算法，用于在杂波和噪声中估计DOD、DOA、距离和速度，并通过蒙特卡洛仿真验证性能。
2024-11-07 eess.SP
Multi-feed Plane Wave Generator for Compact OTA Multi-Target Emulation With Joint Angle-Delay-Doppler Control
National Mobile Communications Research Laboratory, School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院国家移动通信实验室）；Purple Mountain Laboratories（紫金山实验室）
本文提出一种基于多馈源平面波发生器的OTA雷达目标仿真框架，可在远小于远场距离的测试距离上，通过联合角度-时延-多普勒控制同时仿真多个空间邻近目标，并在3 GHz下实验验证了其角度、时延和速度误差均较小。
2026-10-01 eess.SP
Joint Direction-of-Arrival and Range Estimation for Millimeter-Wave Uniform Linear Array Radar
Politecnico di Milano（米兰理工大学）
提出一种基于FFT的到达角与距离估计框架，用于77 GHz单基地均匀线性阵列雷达，通过窄带和宽带波形实现高精度角度与距离估计。
2026-06-17 eess.SP
Graph Attention Network Based Single-Pixel Compressive Direction of Arrival Estimation
İstanbul Technical University（伊斯坦布尔理工大学）；Queen’s University（女王大学）；Polytechnique Montréal（蒙特利尔理工学院）
在本文中，我们提出了一种利用基于图注意力网络（GAT）的深度学习框架的单像素压缩波达方向（DoA）估计技术。物理层压缩使用编码孔径技术实现，使用一组时空非相干模式探测入射在孔径上的远场源的光谱。然后将该信息编码并压缩到编码孔径的信道中。编码孔径是基于超表面天线设计，它作为一个接收机，表现出单通道，并取代传统的多通道光栅扫描为基础的解决方案的DOA估计。GAT网络使得压缩DoA估计框架能够直接从使用编码孔径获取的测量中学习DoA信息。该步骤消除了对额外重建步骤的需要，并且显著简化了处理层以实现DoA估计。我们表明，所提出的GAT集成单像素雷达框架，即使在相对较低的信噪比（SNR）水平下，也可以检索高保真度的DOA信息。
2021-11-01 cs.IT cs.LG eess.SP
SDOA-Net: An Efficient Deep Learning-Based DOA Estimation Network for Imperfect Array
针对非理想阵列下DOA估计性能退化问题，提出基于深度学习的SDOA-Net，以采样信号为输入，生成与目标数无关的向量，实现高效且鲁棒的DOA估计，并优于现有方法。
2024-03-20 eess.SP
Advancing Single-Snapshot DOA Estimation with Siamese Neural Networks for Sparse Linear Arrays
针对稀疏线性阵列单快拍DOA估计存在的旁瓣高、精度差及深度学习训练数据需求大的问题，提出带稀疏增强层的孪生神经网络，提升了估计精度，并公开了代码。
2025-01-13 eess.SP stat.ML
Adaptive MIMO Radar Architecture for Energy-Efficient Wireless Sensing in the D-Band
本文提出了一种自适应MIMO雷达架构，通过可重新配置的雷达阵列和动态算法选择，提升D波段无线传感的能效与性能。
2025-12-12 eess.SP
Physically Parameterized Differentiable MUSIC for DoA Estimation with Uncalibrated Arrays
Univ Rennes（雷恩大学）；INSA Rennes（雷恩国立应用科学学院）；CNRS（法国国家科学研究中心）；Chalmers University of Technology（查尔姆斯理工大学）
针对未校准阵列的波达方向估计问题，提出物理参数化的可微MUSIC算法，可联合估计波达方向与硬件损伤，支持监督/无监督学习，性能优于经典MUSIC。
2025-03-20 cs.AI cs.IT cs.LG
Constrained optimal design of automotive radar arrays using the Weiss-Weinstein Bound
提出了一种优化配置MIMO雷达线阵天线位置的设计策略，用于窄带信源的远场波达方向（DoA）估计。我们的方法允许考虑任何空间约束和天线的数量，作为优化函数的Weiss-Weinstein界制定的观察模型与随机目标相位和已知的SNR，在一个预先确定的视场（FoV）。最后以77 GHz MIMO雷达为例，计算了3 Tx和4 Rx信道的优化阵列。仿真结果表明，所提出的阵列相比，相应的均匀和最小冗余阵列的SNR值的广泛制度的性能改善。
2018-04-23 eess.SP
Perception Through 2D-MIMO FMCW Automotive Radar Under Adverse Weather
毫米波（mmWave）雷达越来越多地集成在商用车辆中，以支持新的自适应驾驶员辅助系统（ADAS）功能，这些功能需要对物体进行准确的位置和多普勒速度估计，而不受环境条件的影响。为了探索基于雷达的ADAS应用，我们使用德州仪器的4芯片级联FMCW雷达（TIDEP-01012）更新了我们的测试平台，形成了一个非均匀的2D MIMO虚拟阵列。在本文中，我们开发了必要的接收信号模型，应用不同的波达方向（DoA）估计算法和实验验证其性能形成的虚拟阵列在受控的情况下。为了测试毫米波雷达在恶劣天气条件下的鲁棒性，我们通过车载平台收集了各种物体的原始雷达数据集（解调后的I-Q样本），特别是在相机基本无效的下雪和有雾的情况下。从雷达成像算法，这个数据集的初步结果。
2023-01-21 eess.SP
Von Mises Based Uncertainty Quantification for Closely Spaced Automotive Radar Targets
International Institute of Information Technology, Bengaluru, India（印度班加罗尔国际信息技术研究所）
针对汽车雷达波达方向估计，比较了基于冯·米塞斯分布的集成学习与基于正态逆伽马的证据深度学习的不确定性量化方法，发现集成学习在几何一致性和扰动敏感性上更优，且可直接集成到跟踪模块。
2026-07-01 cs.AI eess.SP math.PR
Orthogonal Least Squares with Integrated Information Theoretic Criteria for Joint Number of Targets and DoA Estimation
Université Catholique de Louvain (UCLouvain)（天主教鲁汶大学）；Université Libre de Bruxelles (ULB)（布鲁塞尔自由大学）
提出三种将信息论准则集成到正交最小二乘中的方法，实现目标数量和到达角的联合估计，其中混合方法性能最优。
2026-05-27 eess.SP
DOA Estimation-Oriented Joint Array Partitioning and Beamforming Designs for ISAC Systems
针对ISAC系统多用户通信与雷达感知的性能权衡问题，提出动态分区天线阵列架构，联合设计阵列划分与发射波束成形以最小化DOA估计误差，并开发交替算法及启发式策略，仿真验证其有效性。
2025-02-13 eess.SP
Direction of Arrival Estimation with Virtual Antenna Array Using FMCW Radar Simulated Data
本项目研究77GHz FMCW汽车雷达仿真数据的角度估计问题，对比了FFT、MUSIC和压缩感知算法，发现FFT速度最快但角分辨率远不及后两种超分辨率算法。
2025-08-11 eess.SP
Model-Based Learning for DOA Estimation with One-Bit Single-Snapshot Sparse Arrays
The University of Alabama（阿拉巴马大学）；Temple University（天普大学）
针对一位量化单快拍离格信号DOA估计难题，提出结合拉普拉斯稀疏先验、逻辑伯努利似然与深度展开的领域知识引导学习框架，在低硬件复杂度下实现高精度鲁棒估计，为下一代雷达通信系统提供高效方案。
2025-10-21 eess.SP
Phase Spectrometry For High Precision mm-Wave DoA Estimation In 5G Systems
在本文中，我们介绍了一种波达方向（DoA）估计方法的基础上的技术命名为相位谱（PS），主要适用于毫米波和太赫兹应用作为替代DoA估计使用天线阵列。PS是光学中的一种常规技术，用于测量光谱中不同频率处的两个波之间的相位差。这里，我们在无线电频段中为了相同的目的而调整PS。我们表明，我们可以模拟一个大的阵列，利用只有两个天线。为此，我们使用PS测量不同频率的两个天线之间的相位差。因此，我们证明，我们可以从根本上降低接收机的复杂度，采用PS的DoA估计。我们考虑两种不同的方案实现PS：通过长波导和频率码本。我们表明，使用频率码本，可以实现更高的处理增益。此外，我们还介绍了三种PS架构：用于设备到设备DoA估计，用于上行链路场景中的基站和主要用于雷达、空中和卫星通信的超快速DoA估计技术。仿真和分析结果表明，PS是能够检测和区分多个输入信号与不同的DOA。此外，我们的研究结果还表明，PS的角分辨率取决于两个天线之间的距离和频率码本的带宽。最后，PS的性能进行了比较，它表明，PS可以执行相同的，与一个复杂得多的接收机，并没有空间搜索的前提下，DoA估计。
2021-08-02 cs.SY eess.SP eess.SY
Direction of Arrival Estimation: A Tutorial Survey of Classical and Modern Methods
本文以教程综述形式系统介绍基于均匀线性阵列的经典与现代DOA估计方法，涵盖波束形成、子空间、最大似然和稀疏方法，并提供开源Python实现与性能比较指南。
2025-09-02 eess.SP
Super-resolution Method for Coherent DOA Estimation of Multiple Wideband Sources
本文针对多宽带源相干波达方向估计问题，提出一种基于新聚焦策略和原子范数最小化的超分辨方法，通过半定规划求解，仅需极少快照即可实现更高分辨率和更强噪声鲁棒性。
2021-03-04 eess.SP
IHT-Inspired Neural Network for Single-Snapshot DOA Estimation with Sparse Linear Arrays
针对汽车 MIMO 雷达中单快拍 DOA 估计的矩阵补全求解器依赖调参且计算成本高的问题，提出受 IHT 启发的 IHT-Net，利用循环神经网络和浅层自编码器替代 t-SVD，实现了快速收敛、高精度与强可解释性。
2023-09-15 eess.SP stat.ML
Small Language Model enabled Autonomous agent for Language-Conditioned Cognitive Radar
University of Alabama（阿拉巴马大学）
本文提出一种小型语言模型驱动的自主智能体框架，作为语言条件认知雷达的智能控制器，经实验验证可在多种雷达场景下完成算法选择，且雷达特定提示与基于物理的工具执行是可靠决策的必要条件。
2026-08-25 cs.AI cs.SY eess.SP
G-iMUSIC: Greedy Iterative MUSIC Algorithms for Multi-Target DoA Estimation
Université Catholique de Louvain (UCLouvain)（天主教鲁汶大学）；Université Libre de Bruxelles (ULB)（布鲁塞尔自由大学）
提出两种贪婪迭代MUSIC算法（OMP-iMUSIC和OLS-iMUSIC），通过统一子空间与贪婪估计的框架，在仅需一次初始特征分解且避免逐次迭代特征分解的同时，实现比传统OMP、OLS和MUSIC更好的检测精度和更低的处理时间。
2026-05-27 eess.SP
Adaptive transmission for radar arrays using Weiss-Weinstein bounds
我们提出了一种算法，用于自适应选择脉冲重复频率或天线激活多普勒和DoA估计。使用贝叶斯滤波器和控制器顺序地执行自适应，贝叶斯滤波器负责更新对参数的置信度，控制器负责通过优化估计误差的预测来选择用于下一测量的传输变量。该选择优化了基于窄带远场源的阵列测量的多维频率估计模型的Weiss-Weinstein界。粒子滤波器在每次进行新的测量之后更新后验分布，并且该后验分布进一步近似为高斯分布或均匀分布，其中解析地导出Weiss-Weinstein界的计算快速表达式。我们表征的控制器的最佳选择的SNR和方差的当前信念，讨论其性质的模糊函数，并比较它们与其他Weiss-Weinstein界的建设在文献中的最佳选择。由此产生的算法进行了分析，在模拟中，我们展示了一个实际可行的实时评估的基础上，查找表或小型神经网络训练离线。
2018-08-14 eess.SP
Multi-Target Flexible Angular Emulation for ISAC Base Station Testing Using a Conductive Amplitude and Phase Matrix Setup: Framework and Experimental Validation
National Mobile Communications Research Laboratory, School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院国家移动通信实验室）；Purple Mountain Laboratories（紫金山实验室）
本文提出一种导电幅度和相位矩阵框架，用于多目标柔性角仿真，验证了其在ISAC基站测试中的有效性。
2025-10-17 cs.SY eess.SP eess.SY
Direction of Arrival Estimation and Phase-Correction for Non-Coherent Sub-Arrays: A Convex Optimization Approach
信源的波达方向（DOA）估计是航空航天、车载通信、定位和雷达中的一个重要问题。在本文中，我们考虑了一个具有挑战性的多源DOA估计任务，其中接收天线阵列由非相干子阵列组成，即，在每个快照处观测不同的未知相移的子阵列（例如，由于放弃了整个阵列上本地振荡器的同步要求）。我们将此问题转化为联合稀疏低秩矩阵的重构问题，并解决了此问题的凸松弛问题。为了更好地扩展优化复杂性与快照的数量比通用的求解器，我们设计了一个优化方案，基于集成的交替方向方法的乘数和加速的邻近梯度技术，利用问题的结构。虽然DOA可以从上述凸问题的解决方案估计，我们进一步展示了如何获得改进，如果相反，一个估计从这个解决方案只有子阵列的相移。这是使用另一个计算轻的凸松弛来完成的，它实际上是紧的。使用估计的相移，“相位校正”的意见，创建和最终的平原（“相干”）DOA估计方法可以应用。数值实验表明，所提出的策略比现有的方法的性能优势。
2022-02-15 eess.SP math.OC
Tangential Velocity Estimation Using Near-Field Automotive Radar Model
针对传统远场车载雷达无法估计目标切向速度的问题，本文引入近场雷达模型，利用目标偏移效应，结合分离阵列和高效最大似然算法实现切向速度估计，同时缓解似然模糊，提升雷达感知可靠性。
2025-09-04 eess.SP
Target Localization with Coprime Multistatic MIMO Radar via Coupled Canonical Polyadic Decomposition Based on Joint Eigenvalue Decomposition
本文研究互质多基地MIMO雷达目标定位，提出基于联合特征值分解的耦合典型多项式分解方法，利用Vandermonde结构旋转不变性降低计算复杂度，在欠定场景下无需先验知识即优于现有张量方法。
2025-05-28 eess.SP
Emulation of Closely Spaced Spatial Sensing Targets Using a Parabolic Cylindrical Compact Range with a Multi-Feed Amplitude-Phase Controlled Linear Array
National Mobile Communications Research Laboratory, School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院国家移动通信实验室）；China Automotive Technology and Research Center Co., Ltd（中国汽车技术研究中心有限公司）；Beihang University（北京航空航天大学）；Purple Mountain Laboratories（紫金山实验室）
针对ISAC基站OTA测试需求，提出集成RTS、APM网络与多馈源线性阵列及SPCCR的系统，可在±10°方位角内高精度模拟紧密间隔多目标，经仿真与实测验证。
2026-09-15 eess.SP
Mainlobe Jamming Suppression Using MIMO-STCA Radar
本文提出 MIMO-STCA 雷达框架及 CS-NHSS、NSJM 与 RJNS 算法，通过距离域自由度、样本筛选、噪声子空间正交性和自适应波束控制，显著提升主瓣干扰抑制性能与鲁棒性。
2025-05-14 eess.SP
Multi-Target Two-way Integrated Sensing and Communications with Full Duplex MIMO Radios
该研究提出一种多目标双向全双工MIMO集成感知通信系统，采用通信波形兼顾感知与通信，开发目标参数估计算法，提出联合波束成形优化及NSP方法，仿真验证可实现准确雷达估计并提升上下行速率。
2023-12-16 eess.SP
Simultaneous Multi-User MIMO Communications and Multi-Target Tracking with Full Duplex Radios
在本文中，我们提出了一个集成传感和通信（ISAC）系统，使能带内全双工（FD）无线电，其中一个大规模的多输入多输出（MIMO）基站配备了混合模拟和数字（A/D）波束形成器是与多个下行链路（DL）用户通信，并且通过相同的信令波形同时估计到达方向（DoA）以及在其覆盖区域内随机分布的雷达目标的距离。利用最近降低复杂度FD混合A/D波束形成架构，我们设计了一个联合雷达目标跟踪和DL数据传输协议。提出了一种大规模A/D波束形成器和自干扰（SI）抵消单元联合设计的优化框架，以最大化雷达跟踪精度和下行通信性能为双重目标。我们使用5G NR宽带波形在毫米波频率下的仿真结果展示了所提出系统的雷达目标跟踪性能的准确性，同时与基准方案相比，该系统提供了更高的和速率。
2022-05-17 cs.IT eess.SP math.IT
Multi-Antenna Dual-Blind Deconvolution for Joint Radar-Communications via SoMAN Minimization
本文针对多天线接收机中雷达与通信信号叠加的双盲反卷积问题，提出最小化多元原子范数之和（SoMAN）的方法，并基于正超卦限三角多项式理论设计精确半定规划，实现样本与天线需求对数级增长及精确参数恢复。
2024-03-28 cs.IT eess.SP math.FA
Co-Pulsing FDA Radar
基于频差阵列雷达的目标定位技术近年来引起了广泛的研究兴趣。FDA天线之间的线性频率偏移（FO）产生一个距离-角度相关的波束方向图，允许联合估计距离和到达方向（DoA）。以往的FDA研究主要集中在一维线阵上，只估计方位角和距离，而忽略了仰角和多普勒速度。然而，在许多应用中，后两个参数对于目标定位也是必要的。此外，还对在时间、多普勒或空间信号域中采用较少测量的雷达系统感兴趣。我们通过提出互质L形FDA来解决这些多个挑战，其中，在L形互质阵列的元件上应用互质FO，并且每个元件以非均匀的互质脉冲重复间隔（C $^3$或C-Cube）进行传输。该共脉冲FDA产生用于距离-方位角-仰角-多普勒域中的目标定位的显著大的自由度（DoF），同时还减少了到达目标的时间和发射频谱使用。通过利用这些自由度，我们开发了C-Cube自动配对（CCing）算法，其中所有的参数在联合估计过程中是当然配对的。我们表明，C-Cube FDA需要至少$2\sqrt{Q+1}-1$天线元件和$2\sqrt{Q+1}-1$脉冲，以保证$Q$目标的完美恢复，而不是L形均匀线性阵列和L形线性FO FDA所需的$Q+1$元件和$Q+1$脉冲。推导了C-Cube FDA系统的角度-距离-多普勒联合估计误差的Cramér-Rao界，并给出了CRB存在的条件。我们的CCing算法的数值实验表明，参数恢复的性能有很大的改善。
2022-07-26 eess.SP
MUSIC-lite: Efficient MUSIC using Approximate Computing: An OFDM Radar Case Study
针对MUSIC算法在低功耗硬件中实现的计算成本高问题，提出MUSIC-lite，通过近似计算探索精度-面积-功耗权衡，针对OFDM雷达中MUSIC的SVD组件，将近似加法器融入CORDIC算法，实现平均节省17.25%面积、19.4%功耗且误差仅0.14%。
2024-07-05 cs.AR eess.SP
