Gridless Parameter Estimation for One-Bit MIMO Radar with Time-Varying Thresholds
本文研究了一比特MIMO(1b-MIMO)雷达,该雷达在时域采用时变门限进行一比特采样,在空域和多普勒域采用压缩感知。目标是显著降低硬件成本、能耗和存储数据量。本文研究了从含噪的1比特数据中进行角度和多普勒频率联合估计的问题。通过证明噪声对1比特采样的影响相当于稀疏脉冲扰动的影响,我们提出了1比特$\ell_1$ -正则化原子范数最小化(1b-ANM-L1)问题,以实现高精度的无网格参数估计.我们还开发了一个迭代方法,通过交替方向法的乘子求解1b-ANM-L1问题。分析了1b-MIMO雷达的Cram $\acute{\text{e}}$ r-Rao界(CRB),讨论了两种不同门限策略下1比特采样的分析性能。数值实验表明,1b-MIMO雷达可以实现高分辨率的参数估计与大大减少的数据量。
2020-02-07 eess.SP
BiLiMO: Bit-Limited MIMO Radar via Task-Based Quantization
近年来,人们对以低功率工作的低成本雷达系统的兴趣日益增长。已知多输入多输出(MIMO)雷达技术通过利用多个正交波形进行探测来实现高性能感测。然而,实现低成本低功率MIMO雷达具有挑战性。这种困难的原因之一源于模数转换器(ADC)在雷达接收器处获取多个波形时所需的增加的成本和功耗。在这项工作中,我们研究了降低成本的MIMO雷达接收机限制与低分辨率ADC的工作。我们设计的比特限制MIMO雷达(BiLiMO)接收机,能够准确地恢复他们的目标,同时在严格的分辨率约束下工作。这是通过将额外的模拟滤波器应用于所获取的波形,并设计整个混合模拟-数字系统以便于使用基于任务的量化方法进行目标识别来实现的。特别是,我们利用的事实,目标参数可以从接收到的波形的压缩表示恢复。因此,我们调整采集系统,以最小的失真恢复这种表示,从中可以提取的目标在数字,并在识别目标的特征可实现的错误。我们的数值结果表明,提出的BiLiMO接收机工作的比特预算为每个样本一个比特,达到目标恢复性能,接近昂贵的MIMO雷达工作的无限分辨率的ADC,同时大大优于MIMO接收机工作在相同的比特限制下,只在数字域。
2020-10-01 eess.SP
One-Bit Sigma-Delta DFRC Waveform Design: Using Quantization Noise for Radar Probing
针对一位大规模MIMO DFRC系统,提出空间Sigma-Delta调制方案,将波形设计转化为约束最小二乘问题,并利用量化噪声进行雷达探测,数值验证了其在雷达探测和下行预编码中的有效性。
2025-01-27 eess.SP
One-Bit Radar Processing with Time-Varying Sampling Thresholds
目标参数估计在主动传感,特别是雷达信号处理中,是一个长期存在的问题,已被广泛研究。在本文中,我们提出了一种新的目标参数估计方法的情况下,一位模数转换器(ADC),也被称为信号比较器与时变阈值,被用来采样接收到的雷达信号,而不是高分辨率ADC。所考虑的问题在民用廉价雷达和传感设备的设计中具有潜在的应用,并且可能为未来采用低分辨率ADC进行更快采样和高分辨率目标确定的雷达系统铺平道路。我们制定的目标估计作为一个多变量加权最小二乘优化问题,可以解决一个循环的方式。数值结果显示了所提出算法的有效性。
2019-11-22 eess.SP
One-Bit Target Detection in Collocated MIMO Radar and Performance Degradation Analysis
目标检测是多输入多输出(MIMO)雷达的一个重要问题。现有的许多目标检测算法都没有考虑模数转换器(ADC)引起的量化误差。针对MIMO雷达的目标检测问题,提出了一种基于Rao检验的目标检测器。所提出的方法有几个吸引人的特点:1)它是一个封闭形式的检测器; 2)它允许我们直接处理符号测量; 3)有封闭形式的近似检测器的分布,这使我们能够从理论上评估其性能。此外,通过闭合形式的分布,我们可以研究1位ADC导致的性能下降,与$\infty$位ADC相比,在低信噪比(SNR)条件下产生近似的$2$ dB损失。仿真结果显示了该检测器的优点,并验证了理论结果的准确性。
2021-05-20 eess.SP
Automotive Radar Sensing with Sparse Linear Arrays Using One-Bit Hankel Matrix Completion
本文针对稀疏线阵车载雷达的粗量化测量问题,提出基于一位汉克尔矩阵补全的奇异值阈值算法,可仅用一位数据准确估计方位角,为低成本高分辨率车载雷达提供了有效方案。
2024-03-05 eess.SP
One-Bit ADCs/DACs based MIMO Radar: Performance Analysis and Joint Design
极低分辨率(例如,一位)模数转换器(ADC)和数模转换器(DAC)可以显著降低MIMO雷达的硬件成本和功耗,特别是具有大规模天线的MIMO雷达。本文主要研究了采用1位ADC和DAC的MIMO雷达的检测性能分析和联合设计。在低信噪比(SNR)和低干扰噪声比(INR)的假设下,推导了1比特MIMO雷达的检测概率($\mathcal{P}_d$)和虚警概率($\mathcal{P}_f$)的表达式,并给出了在仅有噪声情况下与无限比特MIMO雷达的理论性能差距。我们还发现,对于固定的$\mathcal{P}_f$,$\mathcal{P}_d$取决于所定义的量化信号与干扰加噪声比(QSINR),其是发送波形和接收滤波器的函数。因此,通过联合设计波形和滤波器来最大化QSINR的优化问题自然出现。对于公式化的问题,我们提出了一个替代的\emph{g}波形式\emph{r} m和过滤\emph{e} r d \emph{e}符号的QSINR最大化\emph{t}离子(GREET)。在GREET的每一次迭代中,接收滤波器通过最小方差无失真响应(MVDR)方法被更新,并且基于乘法器的交替方向方法(ADMM)算法优化1比特波形,其中针对主变量和松弛变量获得闭合形式的解。数值仿真结果与理论分析一致,验证了所提设计算法的有效性。
2021-12-24 eess.SP
RFI Mitigation for One-bit UWB Radar Systems
射频干扰(RFI)会严重降低超宽带(UWB)雷达的成像能力和目标检测性能,抑制RFI对UWB雷达系统的正常工作至关重要。在本文中,我们解决了一位UWB雷达系统的RFI缓解问题。一位UWB系统通过低成本和高速率的采样方案获得其带符号的测量,称为连续时间二进制值(CTBV)技术。该采样策略将信号与随慢时间变化的已知阈值进行比较,因此可以用于以相当简单和负担得起的硬件实现相当高的采样率和量化分辨率。本文针对RFI源建立了合适的数据模型,并提出了一种新的基于CTBV采样技术的一位超宽带雷达系统RFI抑制方法。具体而言,我们首先将RFI源建模为在相干处理间隔(CPI)期间具有固定频率的正弦曲线的总和,并且我们利用RFI频谱的稀疏性。我们扩展了一个基于优化最小化的1bRELAX算法,称为1bMMRELAX,估计RFI源参数从使用CTBV采样策略获得的有符号的测量。我们还设计了一种新的快速频率初始化方法的基础上的交替方向乘法器(ADMM)的方法,扩展的1bMMRELAX算法,以显着提高其计算效率。此外,基于ADMM的稀疏方法被引入到恢复所需的雷达回波使用的RFI参数估计。仿真和实验结果表明,我们提出的算法优于现有的数字积分方法,特别是对严重的RFI情况下。
2021-03-26 eess.SP
High-Resolution Range-Doppler Imaging from One-Bit PMCW Radar via Generative Adversarial Networks
针对一比特 PMCW 雷达信息丢失问题,提出结合 GAN 的 RD 处理与基于 NN 的 E2E RD 成像方法,显著提升距离-多普勒域目标检测概率。
2025-03-17 eess.SP
One-Bit Target Detection in Collocated MIMO Radar with Colored Background Noise
针对共置MIMO雷达中色背景噪声影响检测的问题,提出基于Rao检验的加权匹配滤波器检测方法,考虑噪声协方差不确定性以确保CFAR特性,仿真证明其在色噪声下性能显著提升。
2024-04-26 eess.SP
Quantity over Quality: Dithered Quantization for Compressive Radar Systems
在本文中,我们探讨了雷达观测(或测量)的数量和它们的分辨率在雷达距离估计的上下文中的权衡。为此,我们引入了一种新的估计方案,可以处理强量化的接收信号,低至1位每个信号样本。为此,我们利用抖动量化压缩感知框架,可以应用于经典的雷达处理和硬件。这使我们能够消除模糊的情况下,禁止正确的距离估计(无抖动)量化的基带雷达信号。研究了两种距离估计算法:投影反投影(PBP)和量化迭代硬消隐(QIHT)。通过蒙特卡罗模拟,证明了结合抖动策略的重建方法的有效性。此外,我们还证明了:(i)在抖动量化中,当比特率(即,测量的比特的总数)增加,而在这种情况下,其它非抖动方案的精度饱和;以及(i i)对于固定的低比特率情形,严重量化的抖动方案比它们的全分辨率对应方案表现出更好的性能。这些意见得到证实,使用在受控环境中获得的实际测量,证明了该方法在实际测距应用的可行性。
2018-11-28 eess.SP
One-bit LFMCW Radar: Spectrum Analysis and Target Detection
一位雷达通过一位ADC完成信号的采样和量化,由于其低成本和低功耗,在许多民用应用中是一种很有前途的技术。本文研究了一比特LFMCW雷达存在的问题,提出了一种降维广义近似消息传递(DR-GAMP)两级目标检测方法。首先分析了多目标场景下一比特量化信号的频谱特性。结果表明,高次谐波可能导致虚警,不能忽略。其次,在频谱分析的基础上,提出了基于DR-GAMP的目标检测方法。首先采用线性预处理方法和目标预检测进行降维,然后利用GAMP算法抑制高次谐波,恢复真实目标。最后,对典型参数下的一比特LFMCW雷达性能进行了数值仿真。结果表明,与采用线性处理方法的常规雷达相比,当目标输入信噪比较低时,1比特LFMCW雷达具有约$1.3$ dB的性能增益。在存在强目标时,它有大约$1.0$ dB的性能损失。
2020-09-10 cs.IT eess.SP math.IT
Weak target detection with multi-bit quantization in colocated MIMO radar
研究了共址多输入多输出(MIMO)雷达中参数未知的弱目标检测问题。为了应付大规模系统的数据量,多位量化器是利用在采样过程中。作为一种低复杂度的替代经典的广义似然比测试(GLRT)的量化数据,我们提出了多比特检测器的Rao测试与一个封闭形式的测试统计量,其理论渐近分布提供了推广的实际检测性能。此外,我们还利用粒子群优化算法(PSOA)优化量化阈值,优化量化器的设计。仿真结果表明,基于非量化和量化数据的检测器性能的变化。数值结果证实了我们的理论分析,并表明与3位量化的性能接近的情况下,没有量化。
2021-09-06 eess.SP stat.AP
CF-Net: A Cross-Feature Reconstruction Network for High-Accuracy 1-Bit Target Classification
CF-Net通过两阶段深度学习框架在不进行过采样的情况下,实现从1位雷达数据中高精度的目标分类。
2025-12-17 eess.SP
Task-Based Evaluation of Raw Radar Data Compression: A Pre-Registered Study of Where Classical Codecs Fail to Preserve Target Detection, and Why
Signal Current Inc.(信号电流公司)
该研究提出预注册的基于任务的原始雷达压缩评估方法,发现经典编解码器在低于特定比特率时无法维持目标检测效用,明确其失效机制并发布评估工具与预注册轨迹。
2026-11-17 eess.SP
Localization with One-Bit Passive Radars in Narrowband Internet-of-Things using Multivariate Polynomial Optimization
一些物联网(IoT)应用提供基于位置的服务,其中通过聚合来自各个传感器的信息来获得准确的位置估计是至关重要的。在最近提出的窄带物联网(NB-IoT)标准中,该标准权衡带宽以获得广泛的覆盖范围,位置估计由低采样率接收器和有限容量链路复合。我们在从感兴趣的目标接收信号的无源传感设备的框架中解决了这两个NB-IoT缺点。我们考虑的限制情况下,每个节点接收器采用一位模数转换器,并提出了一种新的低复杂度的节点延迟估计方法,使用约束加权最小二乘最小化。为了支持到融合中心(FC)的低容量链路,然后将在各个传感器处获得的距离估计转换为一位数据。在FC,我们提出了目标定位与聚合的一位距离矢量使用最佳和次最佳的技术。计算昂贵的前一种方法是基于Lasserre的多元多项式优化方法,而后者采用我们的复杂性较低的迭代联合r \textit{an} ge- \textit{tar}得到位置\textit{es}估计(ANTARES)算法。我们的整体1位框架不仅补充了低NB-IoT带宽,还支持廉价NB-IoT位置传感的设计目标。数值实验证明了所提出的一位方法的可行性与$0.6$ \%增加的归一化定位误差的小集合的$20$ - $60$节点在全精度的情况下。当节点数量足够大($>80$)时,1位方法产生与全精度相同的性能。
2021-04-09 cs.IR eess.SP math.OC
Line Spectrum Estimation and Detection with Few-bit ADCs: Theoretical Analysis and Generalized NOMP Algorithm
本文研究少比特 ADC 下的线谱估计与检测,分析量化损失及多正弦干扰等因素,并提出低复杂度、超分辨率的 CFAR 算法 GNOMP,仿真与毫米波实测数据验证了其性能。
2024-08-03 eess.SP
Detecting radar targets swarms in range profiles with a partially complex-valued neural network
ONERA(法国航空航天研究院)
本文提出利用部分复值神经网络在雷达距离剖面中检测多个接近目标,通过生成性架构提高检测性能。
2026-02-10 cs.AI eess.SP
How Many Bits Are Required for RIS Designs Without Far-Field Quantization Lobe?
King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
研究可重构智能表面(RIS)消除远场量化波瓣所需的最小相位分辨率,发现2比特相位离散化在性能和硬件复杂度之间达到最佳平衡,并通过全波仿真和实验验证了2比特RIS的量化波瓣抑制能力。
2026-06-02 eess.SP
Relative Entropy-Based Constant-Envelope Beamforming for Target Detection in Large-Scale MIMO Radar With Low-Resoultion ADCs
数模混合架构和低分辨率模数/数模转换器(ADC/DAC)是大规模毫米波(mmWave)系统的两种低成本实现方案。研究了大规模多输入多输出(MIMO)雷达系统的恒包络发射波束形成问题,其中发射阵列采用具有少量射频链的数模混合结构,接收阵列采用具有低分辨率ADC的全数字结构。我们推导出低分辨率ADC下与两个测试假设相关的概率密度函数之间的相对熵。我们制定我们的优化问题,最大化的相对熵,受到恒定的包络和正交约束。为了次优地解决由此产生的问题,一个两阶段的框架。在第一阶段,我们优化的目标和杂波方向的发射功率。在第二阶段,提出了一种基于优化最小化的迭代算法,根据获得的发射功率得到恒定包络波束形成器。具体来说,我们应用一个二次函数作为优化器,从而在每次迭代中得到一个低复杂度的解决方案。此外,为了进一步方便恒包络波束形成器的低成本实现,我们考虑了一比特波束形成器的设计问题,提出了一种基于Nesterov-like梯度法的高效迭代算法来求解该问题,并通过数值仿真验证了所提算法的有效性。
2023-03-06 eess.SP
Index-Modulated Circularly-Shifted Chirps for Dual-Function Radar & Communication Systems
在这项研究中,我们分析了折射率调制(IM)的基础上循环移位啁啾(CSC)的双功能雷达和通信(DFRC)系统。我们开发了一个最大似然(ML)范围估计,认为多个散射。为了提高发射波形的相关性和估计精度,我们提出了索引分离(IS),它将CSC在时间上分开。我们从理论上表明,在一定条件下,分离可以是大的,而不会失去频谱效率(SE)。我们的数值结果表明,IS结合ML和线性最小均方误差(LMMSE)为基础的估计器可以提供约3 dB的信噪比(SNR)增益,在某些情况下,同时提高估计精度,而不会造成任何误码率(BER)在通信接收机的退化。
2020-10-07 cs.IT eess.SP math.IT
Twisting Signals for Joint Radar-Communications: An OAM Vortex Beam Approach
The University of Maryland, College Park(马里兰大学帕克分校);Fuzhou University(福州大学)
本文提出一种基于OAM涡旋波束的毫米波联合雷达-通信系统,利用均匀线性阵列同时产生多个LG涡旋波束,将通信消息嵌入雷达信号,并设计参数估计算法和模分复用策略,通过恢复保证、CRLB和BER分析验证了系统有效性。
2025-09-19 eess.SP physics.app-ph
A Low-Complexity Range Estimation with Adjusted Affine Frequency Division Multiplexing Waveform
本文针对仿射频分复用(AFDM)波形,通过分析模糊函数找到具有近最优时域模糊函数的特定参数c2,并提出基于匹配滤波的低复杂度距离估计算法,在保持与OTFS相同误码率的同时实现近最优距离估计性能。
2023-12-29 eess.SP
Theoretical Performance Limit for Radar Parameter Estimation
Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
该研究利用 Shannon 信息论建立雷达参数估计的理论极限,提出 RI 与 EE 指标,并证明可达性及相比 Cramér-Rao、Ziv-Zakai 界更紧的性能界。
2025-09-28 cs.IT eess.SP math.IT
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
Going Beyond RF: How AI-enabled Multimodal Beamforming will Shape the NextG Standard
5G无线标准中的人工智能和机器学习(AI/ML)方法有望实现自主网络行为和超低延迟重新配置。然而,到目前为止,这些努力纯粹集中在从射频(RF)信号中学习。5G之后的未来标准和下一代(nextG)网络将在最先进的5G实现上有两个重大的演变:(i)大量的天线元件,数量可扩展到数百到数千个,以及(ii)在网络重新配置过程的关键路径中包含AI/ML,可以访问来自各种RF和非RF源的传感器馈送。虽然前者在“波束成形”方面具有前所未有的灵活性,其中信号在目标接收器处进行建设性组合,但后者使网络具有增强的态势感知能力,而不是由单一且孤立的数据模式捕获。该调查对当今用于波束形成的不同方法进行了全面分析,重点关注毫米波波段,然后继续考虑来自多种模态的非RF传感器数据,如LiDAR,雷达,GPS,以提高波束形成方向精度并减少处理时间。这种所谓的多模式波束成形的想法将需要基于深度学习的融合技术,这将有助于增强当前仅RF和经典信号处理方法,这些方法对于大规模天线阵列来说不能很好地扩展。该调查描述了多模态波束成形的相关深度学习架构,确定了计算挑战和边缘计算在此过程中的作用,数据集生成工具,最后列出了社区应该解决的开放挑战,以实现波束成形未来的变革性愿景。
2022-03-30 cs.SY eess.SP eess.SY
Exploiting Structural Sparsity and Delay-Doppler Decoupling for Low-Complexity OTFS-ISAC Receivers
University of Pavia(帕维亚大学);Chalmers University of Technology(查尔姆斯理工大学)
针对采用缩减循环前缀的OTFS-ISAC系统,提出利用延迟-多普勒域的结构稀疏性实现信道估计、雷达感知和数据检测的低复杂度算法,并引入深度学习进行模型阶数选择,所提方案在低信噪比下性能优于传统方法。
2026-06-23 eess.SP
Weighted Bayesian Cram$\acute{\text{e}}$r-Rao Bound for Mixed-Resolution Parameter Estimation
本文针对混合分辨率参数估计提出加权贝叶斯Cramér-Rao界(WBCRB),通过将估计问题划分为信息区和饱和区实现更紧的MSE近似,并在LGO模型上验证其优于经典BCRB。
2025-08-28 eess.SP
Approximate Message Passing with Parameter Estimation for Heavily Quantized Measurements
设计有效的稀疏恢复算法,可以处理噪声量化测量是很重要的各种应用-从雷达到源定位,频谱传感和无线网络。我们利用近似消息传递(AMP)框架来实现这一目标,因为它具有高计算效率和最先进的性能。在AMP中,假设感兴趣的信号遵循具有未知参数的某种先验分布。以前的工作集中在通过期望最大化来寻找最大化测量可能性的参数-在涉及复杂概率模型的情况下,这是一个越来越难以解决的问题。在本文中,我们处理的参数作为未知变量,并计算其后验通过AMP。然后,可以联合恢复感兴趣的参数和信号。与以前的方法相比,所提出的方法导致一个简单而优雅的参数估计方案,允许我们直接与1位量化噪声模型。然后,我们进一步扩展我们的方法,一般的多比特量化噪声模型。实验结果表明,所提出的框架提供了显着的改进,在国家的最先进的方法在广泛的稀疏性和噪声水平。
2022-05-20 cs.IT eess.SP math.IT