Joint Radar-Communications Performance Inner Bounds: Data versus Estimation Information Rates
我们研究合作雷达和通信信号。每个系统通常将另一个系统视为干扰源。因此,传统的解决方案是在光谱或空间上隔离这两个系统。通过考虑雷达和通信业务是一个单一的联合系统,我们得出内部或可实现的性能界限的接收机,观察通信和雷达返回在相同的频率分配。联合系统的性能上的界限测量的通信数据信息速率和一种新的雷达估计信息速率参数化的雷达。
2014-09-23 cs.IT 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
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
DOA Estimation for Transmit Beamspace MIMO Radar via Tensor Decomposition with Vandermonde Factor Matrix
研究了张量分解在发射波束域多输入多输出雷达波达方向估计中的应用问题。设计了一种通用的四阶张量模型,使计算效率高的DOA估计。而其他张量分解为基础的方法把所有的因素矩阵作为任意的,所提出的DOA估计方法的本质是充分利用的因素矩阵的Vandermonde结构,以利用不同的子阵列之间和内部的移位不变性。具体地,TB MIMO雷达的接收信号被表示为4阶张量。根据目标多普勒频移,构造的张量被重塑成两个不同的3阶张量。提出了一种计算效率高的张量分解方法来分解范德蒙因子矩阵。通过计算范德蒙因子矩阵的生成元来估计子阵之间的相位旋转,并利用该相位旋转作为查找表来估计目标DOA。它进一步表明,我们提出的方法可以用于更一般的情况下,子阵列结构可以是任意的,但相同的。该方法不需要张量秩的先验信息,并能保证得到精确的分解结果。仿真结果表明,提出的DOA估计方法相比,传统的DOA估计技术的TB MIMO雷达的性能改善。
2021-01-29 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
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
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
Hybrid Digital-Analog Beamforming and MIMO Radar with OTFS Modulation
受未来汽车应用的启发,我们研究了一些联合雷达目标检测和参数估计问题,其中发射机,配备了单基地MIMO雷达,希望检测多个目标,然后估计各自的参数,同时使用正交时频空间(OTFS)调制通信信息数据。假设在毫米波频段上射频链的数量小于天线的数量,我们在雷达发射机处设计了适合于不同工作阶段的混合数模波束形成。第一种情况考虑宽角度波束,以便执行目标检测和参数估计,同时向所有可能的活动用户多播公共消息。第二种情况考虑窄角度波束,以单独地向已经检测到的用户发送信息流,并同时跟踪它们各自的参数。在这种设置下,我们提出了一个有效的最大似然方案结合混合波束形成联合执行目标检测和参数估计。数值结果表明,该算法能够在天线数量足够的情况下可靠地检测多个目标,并达到了延迟、多普勒和到达角等雷达参数估计的Cramér-Rao下界。
2020-09-17 cs.IT eess.SP math.IT
Pedestrian Motion Direction Estimation Using Simulated Automotive MIMO Radar
汽车雷达基于微多普勒的目标分类能力可以为未来的主动安全汽车功能提供高可靠性和短延迟。在实际的城市场景中,车辆周围的大量行人要求优先考虑他们的治疗水平。在穿过街道或在车辆路径内的相关行人与在人行道上并沿着车辆路线移动的行人之间进行分类可以显著地最小化车辆到行人的事故的数量。这项工作提出了一种新的技术,行人方向的运动估计,把行人作为复杂的分布式目标,并利用他们的微多普勒(MD)雷达签名。MD签名被示出为指示行人的运动方向,并且监督回归被用于估计运动方向与对应的MD签名之间的映射。为了获得更高的回归性能,采用了计算机视觉领域的基于稀疏字典学习的特征提取算法,通过将多普勒效应与视频时间梯度进行类比。所提出的方法的性能进行评估,在一个实际的汽车场景模拟,观察步行行人的多输入多输出(MIMO)汽车雷达与二维矩形阵列。使用统计Boulic-Thalman人体运动模型生成模拟数据。利用支持向量回归(SVR)和多层感知器(MLP)回归算法实现了精确的运动估计。结果表明,对于距离雷达$100$ m处的行人,在测试的$95\%$中,方向估计误差小于$10^{\circ}$。
2018-08-01 cs.IT eess.SP 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
Raw Radar data based Object Detection and Heading estimation using Cross Attention
雷达是自动驾驶功能的感知传感器集合中不可避免的一部分。它在各种场景和天气条件下发挥着填补空白的作用,以弥补其他传感器的不足。在本文中,我们提出了一种基于深度神经网络(DNN)的端到端目标检测和航向估计框架,使用原始雷达数据。为此,我们以数据为中心和模型为中心的方式来处理这个问题。我们改进了公开可用的CARRADA数据集,并引入了Bivariate norm注释。此外,通过Transformer启发的交叉注意融合改进了基线模型,并进一步添加了中心偏移地图以减少定位误差。我们提出的模型将检测平均精度(mAP)提高了5%,同时将模型复杂度降低了近23%。为了全面的场景理解的目的,我们扩展了我们的模型的航向估计。改进的地面实况和建议的模型可以在Github上获得
2023-02-17 cs.IT math.IT
Performance Analysis of Joint Radar and Communication using OFDM and OTFS
我们考虑联合雷达估计和通信系统使用正交频分复用(OFDM)和正交时间频率空间(OTFS)调制。该场景是由车辆应用激发的,其中配备有单基地雷达的车辆希望将数据传送到其目标接收器,同时估计与该接收器相关的感兴趣的参数。通过对单个目标的情况下,我们得到的最大似然(ML)估计和Cramér-Rao联合速度和距离估计的下限。数值例子表明,这两种数字调制格式可以实现精确的距离/速度估计的最先进的雷达波形,如调频连续波(FMCW),同时发送数字信息在其完全可实现的速率。我们的结论是,它是可能的,以获得显着的数据传输速率,而不损害系统的雷达估计能力。
2019-02-06 cs.IT math.IT
A General Sequential Delay-Doppler Estimation Scheme for Sub-Nyquist Pulse-Doppler Radar
利用模拟-信息转换(AIC)系统对亚奈奎斯特雷达的时延和多普勒参数进行序贯估计是近年来受到广泛关注的问题。然而,报告的估计方法是AIC依赖的,并且对于离网目标具有较差的性能。本文开发了一个通用的估计方案,在这个意义上,它是适用于所有的AIC,无论目标是上或下的网格。该方案依次估计时延和多普勒参数,将时延估计转化为波束空间到达方向估计问题,将多普勒估计转化为线性谱估计问题。然后,众所周知的空间和时间谱估计技术被用来提供有效的和高分辨率的延迟和多普勒参数的估计。此外,AIC上的充分条件,以保证成功估计的离网目标,而现有的条件大多与在网目标。理论分析和数值实验表明了该方案的有效性和正确性。
2017-01-14 cs.IT math.IT
A General and Yet Efficient Scheme for Sub-Nyquist Radar Processing
研究了亚奈奎斯特脉冲多普勒雷达的目标参数估计问题。过去的一些工作已经解决了这个问题,但要么有低的估计精度离网目标,需要大量的计算负载,或缺乏通用性的模拟到信息转换(AIC)系统。为了克服这些困难,我们提出了一个通用的和有效的估计方案。该方案首先制定了一个通用的模型,在这个意义上,它是适用于所有的AIC,无论目标是在或关闭的网格。多普勒频移和延迟的估计被顺序地执行,其中多普勒估计被公式化为空间谱估计问题,并且延迟估计被分解为一系列压缩参数估计问题,每个压缩参数估计问题对应于估计的多普勒频移。该方法通过序列分解处理,大大降低了计算复杂性,并采用参数估计技术,获得了高精度的估计。理论分析和数值实验表明了该方案的有效性和正确性。
2017-07-26 cs.IT math.IT
Pilot design, channel estimation, and target detection for integrated sensing and communication with OTFS
针对OTFS在6G通感一体化中的应用,提出低复杂度FAOR雷达感知算法及兼具双基地雷达感知与信道估计功能的无保护符号导频设计,仿真验证其性能优势。
2025-09-30 cs.IT math.IT
Super-Resolution Delay-Doppler Estimation for OFDM Passive Radar
在本文中,我们考虑的问题,在无源雷达,利用正交频分复用(OFDM)通信信号的运动目标的联合延迟多普勒估计。提出了一种同时使用原子范数和$\ell_1$ -范数的压缩感知算法,以获得超分辨率和更高的精度。原子范数用来表示信号在连续域中的稀疏性。与以往的作品,假设解调是错误的自由,我们明确地引入解调误差信号的稀疏性施加的$\ell_1$ -范数。在此基础上,通过求解一个凸半定规划(SDP)来估计时延和多普勒频率。我们还开发了一个迭代法求解此SDP通过交替方向的乘法器(ADMM),其中每一次迭代涉及封闭形式的计算。仿真结果表明了该算法的有效性。
2017-02-15 cs.IT math.IT
CSSF MIMO RADAR: Low-Complexity Compressive Sensing Based MIMO Radar That Uses Step Frequency
提出了一种将步进频率(SF)技术应用于基于压缩感知(CS)的多输入多输出(MIMO)雷达的新方法,即CSSF MIMO雷达。所提出的方法能够在发射窄带脉冲的同时实现高分辨率的距离、角度和多普勒估计。首先将联合角度-多普勒-距离估计问题公式化以适合CS框架,即,L1优化问题。这个问题的直接解决方案需要很高的复杂性,因为它采用了一个基础矩阵,其建设需要离散化的角度多普勒距离空间。由于高分辨率需要精细的空间离散化,因此联合距离、角度和多普勒估计的复杂度可能非常高。对于缓慢移动的目标的情况下,提出了一种技术,实现了显着的复杂性降低,通过连续估计的角度范围和多普勒在一个解耦的方式,并通过采用通过匹配滤波获得的初始估计,以进一步减少需要被数字化的空间。数值结果表明,CS和SF的组合结果在MIMO雷达系统,具有优越的分辨率,并需要少得多的数据相比,使用匹配滤波器与SF的系统。
2011-01-14 cs.IT math.IT
A Range-Doppler-Angle Estimation Method for Passive Bistatic Radar
针对无源双基地雷达(PBR)系统,提出了一种有效的目标检测与定位方法。PBR系统由商业FM无线电台组成,该商业FM无线电台是被称为发射机天线的非合作机会照射器(IO)和形成天线阵列的多个监视天线,例如,均匀线阵(Uniform Linear Array,简称LLS)。与其他文献中参考信号由定向天线接收不同,这里,参考信号(直接路径)通过波束形成方法估计。然后提出了一种基于最小二乘最小二乘的改进广义抵消算法(MECA)来解决干扰抵消问题。在干扰抵消后,采用匹配滤波和最小二乘方法对目标进行距离-多普勒估计,然后采用波束形成方法对目标进行角度估计。该方法适用于天线阵列。仿真结果表明了所提出的MECA干扰消除方法和参数估计方法的优越性。
2017-10-28 cs.IT math.IT
Performance Optimization and Parameters Estimation for MIMO-OFDM Dual-functional Communication-radar Systems
在双功能通信雷达系统中,公共射频(RF)信号用于通信和检测。为了更好地与现有的通信系统兼容,我们采用多输入多输出(MIMO)正交频分复用(OFDM)信号作为集成信号,并研究MIMO-OFDM信号的估计性能。首先分析了参数估计的Cramer-Rao下界。然后,在不同的子载波上的发射功率进行优化,以实现传输速率和估计性能之间的最佳折衷。最后,我们提出了一个更精确的估计方法,利用三阶张量的典型多进分解(CPD)来获得参数矩阵。由于参数矩阵具有列结构的特点,我们只需要使用DFT / IDFT来恢复多个目标的参数。仿真结果表明,基于张量的估计方法可以获得接近CRLB的估计性能,并且可以通过优化发射功率来提高估计性能。
2022-08-28 cs.IT math.IT physics.data-an
Reconstruction and Estimation of Scattering Functions of Overspread Radar Targets
在许多雷达场景中,假设雷达目标或介质具有随机变化的部分。目标的特性由一个称为扩散函数的随机过程来描述。在WSSUS假设下,它的二阶统计量由散射函数给出。运营商识别理论的最新发展表明,信道探测程序,允许确定扩展函数的运营商回波的完整的统计知识。我们表明,在一个连续的模型中,它确实是理论上可以识别的散射函数的overspread目标给出完整的统计数据的接收到的回波从一个单一的探测由自定义加权三角洲训练。我们的结果适用于散射函数支持一组面积小于1。没有这样的完整的统计数据,我们构建和分析的估计,可以用来作为平均周期图估计的情况下,穷人的几何形状的散射函数的支持集的替代。
2011-11-17 cs.IT math.IT
Quantum Key Distribution Secured Federated Learning for Channel Estimation and Radar Spectrum Sensing in 6G Networks
University of Stavanger (UiS)(斯塔万格大学);Old Dominion University(老 Dominion 大学);University of York(约克大学)
本文提出一种通过量子密钥分发安全保护的联邦学习框架,用于6G网络中的信道估计与雷达频谱感知,利用BB84协议抽象和成对加法掩码训练本地模型并上传掩码更新,确保服务器不观测明文参数,验证了安全性的有效性。
2026-03-05 cs.CR cs.IT cs.LG
Transmit Array Interpolation for DOA Estimation via Tensor Decomposition in 2D MIMO Radar
针对平面阵列单基地多输入多输出(MIMO)雷达,提出了一种基于张量建模的二维(2D)联合发射阵列插值和波束空间设计的波达方向(DOA)估计方法。我们的基本思想是将发射阵列映射到所需的阵列,并抑制感兴趣的空间扇区之外的发射功率。这样,在接收阵列处的信号-音调噪声比得到改善。然后,我们沿着每个维度折叠接收到的数据到一个张量结构,并应用基于张量的方法来获得DOA估计。此外,我们推导出一个封闭的形式表示的DOA估计偏差所造成的插值误差,并主张使用一个专门设计的查找表来补偿偏差。相应的Cramer-Rao界(CRB)也被导出。仿真结果显示了所提出的方法的性能,并比较其性能CRB。
2017-05-05 cs.IT math.IT
Robust Covariance Matrix Estimation for Radar Space-Time Adaptive Processing (STAP)
估计干扰或杂波协方差是雷达空时自适应处理(STAP)中的一个重要问题。在实际应用中,需要从训练样本观测值中推导出干扰协方差阵。由于难以保证目标无干扰观测、时空非平稳性带来的实际限制以及系统考虑因素,通常无法获得大量同质训练样本。在本论文中,我们希望通过利用ML估计中的物理约束来解决上述挑战。虽然增加约束有利于在有限训练的实际制度中实现令人满意的性能,但它导致了一个具有挑战性的问题。我们专注于打破这种经典的计算易处理性和理想的性能指标之间的权衡,特别是在训练饥饿的制度。特别是,我们利用结构的干扰协方差和重要的知识的杂波秩产生一个新的秩约束极大似然(RCML)估计。此外,我们推导出一个新的协方差估计STAP联合考虑Toeplitz结构和杂波分量的秩约束。最后,我们解决了在实际雷达环境下使用不精确的物理雷达参数的问题。我们提出了一个强大的协方差估计方法通过期望似然(EL)的方法。本文分析了三种不同约束条件下的协方差估计算法:1)仅秩约束,2)秩和噪声功率约束,3)条件数约束。对于每一种情况下,我们制定的约束作为一个优化问题的EL标准的估计,并正式推导和证明一个重要的分析结果,如唯一的解决方案。
2016-02-16 cs.IT math.IT stat.AP
Target Estimation in Colocated MIMO Radar via Matrix Completion
我们考虑一个共址MIMO雷达的情况下,在接收天线转发他们的测量融合中心。基于接收到的数据,融合中心制定一个矩阵,然后用于目标参数估计。当接收天线以奈奎斯特速率对目标回波进行采样时,假设接收天线数多于目标数,则融合中心的数据矩阵为低秩。当每个接收天线仅向融合中心发送少量样本以及样本索引时,接收数据矩阵具有与未被转发的样本相对应的缺失元素。在某些条件下,可以应用矩阵完成技术来恢复完整的接收数据矩阵,然后可以结合阵列处理技术来使用该完整的接收数据矩阵,例如,MUSIC,获取目标信息。数值结果表明,当接收数据矩阵占用率低至50%时,可以实现良好的目标恢复。
2013-03-26 cs.IT math.IT stat.AP
Generalized Cramer-Rao Bound for Joint Estimation of Target Position and Velocity for Active and Passive Radar Networks
在本文中,我们推导出的Cramer-Rao界(CRB)联合目标的位置和速度估计使用一个有源或无源分布式雷达网络下更一般的,实际发生的,比以前的工作中假设的条件。特别是,所提出的结果允许非正交信号,空间相关的高斯反射系数,和空间相关的高斯杂波加噪声。这些界限允许设计人员比较他们开发的方法的性能,这些方法被认为是可接受的复杂性,最佳可实现的性能。如果他们开发的方法导致性能接近界限,这些开发的方法可以被认为是“足够好”。最近的一项研究就是一个很好的例子,在这项研究中,为实际的雷达应用开发了算法,这种雷达应用必须涉及非正交信号,而非正交信号的最佳性能是未知的。在我们的论文中所提出的结果不做任何假设的近似位置的目标是已知的从以前的目标检测信号处理。此外,对于某些参数不准确的情况,我们还导出了不匹配的CRB。数值研究的均方误差的极大似然估计支持CRB的有效性。为了证明所提供的结果的实用性的一个非常当前感兴趣的话题,数值结果集中在一个无源雷达系统使用的全球移动通信系统(GSM)蜂窝系统。
2015-10-09 cs.IT math.IT math.ST