Widely Distributed Radar Imaging: Unmediated ADMM Based Approach
本文提出基于CADMM和SADMM的约束优化方法，利用广泛分布雷达传感器重建场景唯一图像，并验证其在有限测量下的有效性。
2022-03-10 eess.SP
Integrated Sensing and Communication with UAV Swarms via Decentralized Consensus ADMM
本文提出一种去中心化共识ADMM优化框架，通过优化无人机位置平衡通信速率与感知精度，使集群并行决策并达成全局最优几何，显著优于固定阵列基线。
2025-11-05 eess.SP
Waveform Design for ISAC System: A Consensus ADMM Approach
VNU University of Engineering and Technology（越南国立大学工程技术大学）；National Foundation for Science and Technology Development（国家科学技术发展基金会）；Posts and Telecommunications Institute of Technology（邮电技术研究所）
本文提出了一种基于共识ADMM的ISAC系统波形设计方法，有效平衡通信速率与传感性能，实现更优的系统性能。
2026-02-17 eess.SP
Consensus and Sectioning-based ADMM with Norm-1 Regularization for Imaging with a Compressive Reflector Antenna
本文基于乘子交替方向法（ADMM），提出了三种求解范数为1的欠定线性问题$\textbf{g}=\textbf{Hu}$稀疏解的分布式方法.这些技术将矩阵$\textbf{H}$按行、列或行和列两者划分为子矩阵，分别导致所谓的基于一致性的ADMM、基于分段的ADMM以及基于一致性和分段的ADMM。这些技术特别适用于毫米波成像通过使用压缩反射器天线（CRA）。CRA是一种硬件设计，以增加成像系统的传感能力，并减少测量之间的互信息，允许使用压缩感知（CS）技术的稀疏目标的有效成像。已被证明，基于ADMM加速成像过程和基于切片的ADMM已被证明大大减少了计算节点之间的信息量进行交换。在本文中，这两种技术的数学公式和图形解释，连同共识和基于分段的ADMM方法，提出。对成像质量、成像时间、收敛性和节点间通信效率进行了分析和比较。基于ADMM的方法的分布式能力与CRA的高感测能力一起允许准实时的地在3D域中对金属目标进行成像，其中节点之间交换的信息量减少。
2018-11-13 cs.CE eess.SP
Towards TMA-Based Transmissive RIS Transceiver Enabled Downlink Communication Networks: A Consensus-ADMM Approach
本文提出了一种新的多流下行链路通信系统，利用透射式可重构智能表面（RIS）收发器。具体而言，我们阐述了下行链路通信方案，使用时间调制阵列（TMA）技术，使高阶调制和多流波束形成。然后，制定了一个优化问题，以最大限度地提高最小的信号干扰噪声比（SINR）与用户公平性，它考虑到每个传输元件的最大可用功率的约束。由于制定的问题的非凸性质，找到最佳的解决方案是具有挑战性的。为了降低算法的复杂度，提出了一种基于一致交替方向乘法（ADMM）的线性复杂度波束形成算法，通过引入辅助变量，将问题分解为多个子问题进行并行计算，每个子问题都可以得到封闭形式的表达式，大大降低了算法的计算复杂度.整个问题通过以交替的方式迭代地解决这些子问题来实现收敛。最后，通过数值仿真验证了算法的收敛性以及各种参数配置对系统性能的影响。
2024-10-04 eess.SP
Analysis of Distributed ADMM Algorithm for Consensus Optimization in Presence of Node Error
交替方向乘子法（ADMM）是一种常用的凸优化算法，可用于求解分布式一致性优化问题。在这种情况下，代理在本地估计优化问题的最优解，并通过连接的网络与邻居交换消息。分布式算法在实践中通常暴露于不同类型的错误，例如，这是由于量化或通信噪声或损失。在这里，我们专注于分析分布式ADMM的共识优化的收敛性存在的附加随机节点误差，在这种情况下，节点通信的噪声版本的最新估计的解决方案，他们的邻居在每次迭代。当局部目标函数为强凸函数且具有Lipschitz连续梯度时，给出了算法稳态误差的上下界.此外，我们还证明了，当局部目标函数是凸的和加性节点误差是有界的，噪声ADMM的一致性优化的估计误差也是有界的。数值结果表明，所提出的分析的有效性和阐明的作用，系统和网络参数的性能。
2019-01-08 cs.DC eess.SP
DTAC-ADMM: Delay-Tolerant Augmented Consensus ADMM-based Algorithm for Distributed Resource Allocation
延迟是几乎所有现实世界的网络应用程序所固有的。在本文中，我们提出了一个分布式分配策略的多智能体网络与延迟通信。每个代理（或节点）的状态表示其在固定数量（等于总需求）中分配的资源份额。即使当网络上的数据交换在不同链路上不均匀地延迟时，每个节点也通过其相邻节点的接收信息局部地更新其状态以优化全局分配代价函数。更新是基于交替方向的乘子法（ADMM）制定的总和保持耦合约束和本地箱约束。该解决方案是无导数的，适用于一般（不一定是可微的）凸成本模型。我们使用无向网络上的增强共识的概念来模拟延迟的信息交换和收敛性分析。我们模拟我们的\textit{delay-tolerant}算法，
2022-08-30 cs.SY eess.SP eess.SY
Consensus ADMM-Based Distributed Simultaneous Imaging & Communication
本文采取的第一步，使无线网络以分布式方式执行成像和通信。我们提出了分布式同时成像和符号检测（DSISD），一个可证明收敛的分布式同时成像和通信方案的基础上交替方向的乘法器。我们表明，DSISD实现了类似的成像和通信性能的集中式计划，与顺序减少计算复杂性。我们通过2.4 GHz的Wi-Fi模拟评估DSISD的性能。
2022-06-20 cs.SY eess.SP eess.SY
Manifold Optimization Methods for Hybrid beamforming in mmWave Dual-Function Radar-Communication System
作为一种低成本的替代方案，模拟和数字混合波束形成结构是一种很有前途的毫米波系统方案。针对毫米波双功能雷达通信（DFRC）系统，研究了部分连接和全连接两种混合波束形成结构，其中发射端与下行用户通信，同时检测雷达目标。在恒模和功率约束下，通过最小化雷达和通信性能的加权和来表达优化问题。针对这两个结果问题所导致的非凸性，提出了有效的黎曼优化算法.针对全连通结构，提出了一种基于交替方向乘子法（ADMM）的流形算法.而对于部分连通结构，提出了一种低复杂度的黎曼积流形信赖域（RPM-TR）算法来逼近近似最优解. 数值仿真表明了本文方法的有效性.
2022-09-04 eess.SP
Relative Entropy-Based Waveform Optimization for Rician Target Detection with Dual-Function Radar Communication Systems
本文研究双功能雷达通信系统的波形设计，以相对熵为指标优化Rician目标检测性能，提出两种基于ADMM的算法解决非凸问题，并验证了其优越性及在峰均功率比约束波形合成中的扩展应用。
2023-04-05 cs.IT eess.SP math.IT
Distributed Target Tracking using Radar Networks
Delft University of Technology（代尔夫特理工大学）
本文提出一种用于FMCW雷达网络的完全分布式目标跟踪框架，开发了D-MAP与D-EKF两种基于共识优化的估计器，仿真显示D-MAP提升了估计精度，可替代集中式雷达跟踪。
2026-08-20 cs.SY eess.SP eess.SY
Noise reduction in ISAR imaging of UAVs using weighted atomic norm minimization and 2D-ADMM algorithm
针对低信噪比下无人机稀疏孔径ISAR成像噪声问题，提出基于加权原子范数最小化的FRAND算法，并用2D-ADMM加速求解，实验证明其在MSE、PSNR和SSIM上优于MUSIC、Cadzow和SL0。
2024-06-16 eess.SP
Decentralized Optimization with Distributed Features and Non-Smooth Objective Functions
我们开发了一种新的基于共识的分布式算法，用于解决具有特征划分和非光滑凸目标函数的学习问题。这样的学习问题是不可分离的，即，相关的目标函数不能直接写为代理特定目标函数的总和。为了克服这一挑战，我们重新定义的基本优化问题作为一个双凸问题，其结构是适合分布式优化使用交替方向的乘法器（ADMM）。接下来，我们提出了一种新的方法来解决与ADMM更新步骤，不依赖于任何共轭函数的最小化问题。计算相关的共轭函数可能是困难的，甚至是不可行的，特别是当目标函数是非光滑的。为了快速计算任意共轭函数，我们利用块坐标下降算法在对偶域中求解与每个ADMM迭代相关的优化问题。与现有的相关算法不同，该算法是完全分布式的，并取消了目标函数的共轭。我们从理论上证明了所提出的算法达到最佳的集中式解决方案。我们还通过仿真证实了其网络范围内的收敛性。
2022-08-23 eess.SP
Label Hijacking in Track Consensus-Based Distributed Multi-Target Tracking
Northeastern University（东北大学）
本文揭示了基于跟踪共识的分布式多目标跟踪中存在身份层面的脆弱性，并提出标签劫持攻击，通过伪造跟踪破坏目标身份一致性，强调了在DMTT框架中提升共识层鲁棒性的重要性。
2026-03-05 eess.SP
Multipath Exploitation for Fluctuating Target Detection in RIS-Assisted ISAC Systems
本文提出在ISAC系统中利用RIS提供可控多径传播，通过联合设计双功能发射波束成形与RIS反射波束成形最大化雷达SNR期望，并开发基于MM和ADMM的高效交替优化算法，有效提升了起伏目标检测性能。
2024-06-02 eess.SP
Limited Communications Distributed Optimization via Deep Unfolded Distributed ADMM
School of ECE, Ben-Gurion University of the Negev（内盖夫本-古里安大学电子与计算机工程学院）
本文提出展开的D-ADMM算法，通过深度展开方法在有限通信下实现分布式优化，保留原算法性能并减少通信次数，适用于分布式估计和学习任务。
2024-08-20 cs.LG eess.SP math.OC
Intrinsic Scatterer Representation for Forward Scattering Modeling of Complex Radar Targets
Key Laboratory of Information Science of Electromagnetic Waves (Ministry of Education), Fudan University（复旦大学电磁波信息科学教育部重点实验室）
本文提出一种基于内在散射体表示的前向散射建模框架，通过改进RANSAC等技术提取并优化散射体，可高效、可解释地生成复杂雷达目标的SAR图像，性能优于电磁仿真与实测数据对比结果。
2026-09-01 eess.SP
Communication-Efficient Distributed Kalman Filtering using ADMM
针对分布式卡尔曼滤波中的通信瓶颈，本文利用增广拉格朗日方法转化约束，并应用ADMM实现仅交换原始变量的高效分布式滤波，且收敛性分析证明估计收敛到全局最优。
2025-01-22 cs.SY eess.SP eess.SY
Deep Unfolding of Iteratively Reweighted ADMM for Wireless RF Sensing
Ruhr University Bochum（波鸿鲁尔大学）；Technical University Berlin（柏林工业大学）；Technical University of Munich（慕尼黑工业大学）
我们解决了材料缺陷的检测，这是内部的分层材料结构使用压缩感知基于多输入多输出（MIMO）无线雷达。在这里，由于层状结构的表面的反射而产生的强杂波通常使得缺陷的检测具有挑战性。因此，需要复杂的信号分离方法来改进缺陷检测。在许多情况下，我们感兴趣的缺陷的数量是有限的，并且分层结构的信令响应可以被建模为低秩结构。因此，我们提出了联合秩和稀疏性最小化的缺陷检测。特别是，我们提出了一个非凸的方法的基础上迭代重新加权核和$\ell_1-$规范（双重重新加权的方法），以获得更高的精度相比，传统的核规范和$\ell_1-$规范最小化。为此，设计了一种迭代算法来估计低秩和稀疏的贡献。此外，我们提出了深度学习来学习算法的参数（即，算法展开）以提高算法的精度和收敛速度。数值结果表明，该方法在恢复低秩和稀疏分量的均方误差以及收敛速度方面优于传统方法。
2021-12-17 cs.CV cs.IT cs.LG
PACO: Global Signal Restoration via PAtch COnsensus
Universidad de la República（共和国大学）；Instituto de Ingeniería Eléctrica（电气工程研究所）；Facultad de Ingeniería（工程学院）
许多信号处理算法将目标信号分成重叠的片段（也称为窗口或补丁），分别处理它们，然后将它们缝合回原位以产生统一的输出。在重叠处，需要以某种方式确定被估计多于一次的那些样本的最终值。平均法是最简单的方法，但往往会导致令人不满意的结果。近年来，在这一问题上开展了大量工作。一些作品探讨了重叠的补丁和/或像素的加权平均值的想法;其他人促进补丁之间的协议（共识）在其交叉点。协议既可以鼓励，也可以作为硬约束强加于人。这项工作是在后一种情况下开展的。其结果是变分信号处理框架，名为PACO，它具有一些吸引人的理论和实践属性。PACO框架包括一个变分制定，适合各种各样的问题，和一个通用的ADMM为基础的算法，最大限度地减少所产生的能量。作为一个副产品，我们表明，该算法的共识步骤，这是类似的方法的主要瓶颈，可以有效地解决，容易地为任何任意补丁分解方案。我们证明了PACO的灵活性和权力上的三个不同的问题：图像修复（我们已经在以前的作品），图像去噪，对比度增强，使用不同的代价函数，包括拉普拉斯和高斯混合模型。
2021-03-12 cs.DC cs.LG cs.NA
