Near-Field EM-Based Multistatic Radar Range Estimation
本文提出一种用于近场多基地雷达检测矩形板反射器的基于电磁学的接收信号模型,设计了距离最大似然估计器,证明其优于传统估计器,并分析了载波频率、带宽和距离对近场雷达分辨率的影响。
2024-03-27 eess.SP
Automatic Phase Calibration for High-resolution mmWave Sensing via Ambient Radio Anchors
针对高分辨率毫米波雷达阵列相位漂移导致需周期校准的问题,提出AutoCalib框架,利用环境无线电锚点自动校准,性能接近角反射器并优于现有方法。
2025-06-30 eess.SP
OTFS -- A Mathematical Foundation for Communication and Radar Sensing in the Delay-Doppler Domain
正交时频空间(OTFS)是用于在延迟多普勒(DD)域中处理信号的通信和主动感测的框架。本文探讨了OTFS框架的三个关键特性,并解释了它们对应用程序的价值。第一个特征是无线信道的紧凑和稀疏DD域参数化,其中参数直接映射到包括散射环境的反射器的物理属性,并且因此这些参数可预测地演变。第二个特征是一种新的波形/调制技术,与DD信道模型相匹配,在DD域中嵌入信息符号。即使在存在显著延迟和多普勒扩展的情况下,信道输入和输出之间的关系也是局部的、非衰落的和可预测的,并且因此可以有效地获取和均衡信道。通过避免衰落,均衡后SNR在分组中的所有信息符号上保持恒定,使得误码性能优于当代的多载波波形。此外,OTFS载波波形是DD域中的局部脉冲,使得可以同时沿着延迟和多普勒分离反射器,并且实现环境的高分辨率延迟-多普勒雷达图像。换句话说,DD参数化为通信和雷达提供了一个通用的数学框架。这是OTFS框架的第三个特征,它非常适合涉及自动驾驶汽车和无人驾驶地面/飞行器的智能交通系统,这些系统是自我/网络控制的。OTFS波形能够在广泛的用户速度范围内支持稳定和卓越的性能。
2023-02-17 cs.IT eess.SP math.IT
Radar Information Theory for Joint Communication and Parameter Estimation with Passive Targets
在本文中,我们推导出的信息理论性能界的通信数据率和参数估计误差,联合雷达和通信(JRC)系统。我们假设目标是半被动的,即它们使用有源组件接收信号,使用无源组件传递自己的信息。具体来说,我们让目标控制他们的无源反射器,以便通过基于反射的波束成形或后向散射将他们自己的信息传输回雷达。我们推导出的Cramer-Rao下界(CRBs)的均方误差估计的目标参数。目标模糊度函数(TAF)的概念在推导CRB中自然出现。使用这些TAF作为成本函数,我们提出了一种基于变分法的波形优化技术。此外,我们得出的数据率的下限,在前向和反向信道上的通信,在雷达和联合雷达和通信的情况下。通过数值例子,我们证明了这个框架的实用程序的发送波形设计,码本的建设,并建立相应的数据率的界限。
2021-07-07 cs.IT eess.SP math.IT
Coherent, super resolved radar beamforming using self-supervised learning
Bar Ilan University(巴伊兰大学);Wisense Technologies Ltd.(Wisense科技有限公司)
需要高分辨率的汽车雷达传感器来满足自动驾驶汽车的高标准需求和法规。然而,当前的雷达系统在其角分辨率方面受到限制,从而导致技术差距。通过增加物理通道的数量来提高角分辨率的行业和学术趋势也增加了系统复杂性,需要敏感的校准过程,降低了对硬件故障的鲁棒性,并导致更高的成本。我们提供了一种替代方法,命名为雷达信号重建使用自监督(R2-S2),它显着提高了一个给定的雷达阵列的角分辨率,而不增加物理通道的数量。R2-S2是一系列算法,使用深度神经网络(DNN),将复杂的距离多普勒雷达数据作为输入,并使用在多个数据表示空间中操作的损失函数在自监督方法中进行训练。使用在晴朗和下雨天气条件下在城市和公路环境中收集的真实世界数据集,证明了角分辨率提高了4倍。
2021-06-21 cs.AI cs.RO eess.SP
Deep Learning-Based Multiband Signal Fusion for 3-D SAR Super-Resolution
The University of Texas at Dallas(德克萨斯大学达拉斯分校)
针对高带宽3-D SAR成像成本高、现有多波段融合方法不适用于复杂真实场景的问题,提出基于双域复值CNN的kR-Net融合多波段信号填补频率间隙,实现复杂目标高分辨率成像,并搭建了集成毫米波雷达系统。
2023-05-03 cs.AI cs.CV eess.SP
Coherent FDA Radar: Transmitter and Receiver Design and Analysis
针对 FDA-MIMO 雷达的距离模糊与干扰杂波抑制问题,本文设计 C-FDA 雷达收发机并建立空-时-距信号模型,证明其相干增益更高且可解决 SRA 问题。
2024-08-06 eess.SP
Integration of Radar Sensing into Communications with Asynchronous Transceivers
在将雷达传感集成到通信网络中时,时钟同步是一个关键问题。它可能会导致测距模糊,并阻止与异步收发器集成的不连续测量的相干处理。如果它被解决,传感可以在通信网络中有效地实现,需要很少的网络基础设施和硬件变化。本文提供了一个系统的概述现有的和潜在的新技术来解决这个基本问题。我们首先回顾现有的解决方案,包括使用微调的全局参考时钟,基于单节点和基于网络的技术。然后,我们研究开放的问题和研究机会,提供洞察力,在三个解决方案领域的每一个可以更好地实现。
2022-07-25 eess.SP
Self-Supervised Learning for Enhancing Angular Resolution in Automotive MIMO Radars
针对车载低成本 MIMO 雷达角分辨率受限问题,提出基于自监督学习的天线孔径外推框架,并通过百万级蒙特卡洛仿真和真实户外数据验证其目标分辨能力显著提升。
2023-04-25 eess.SP
Leakage Mitigation in Heterodyne FMCW Radar For Small Drone Detection with Stationary Point Concentration Technique
针对外差式 FMCW 雷达检测小型无人机时发射泄漏导致相位噪声抬升、信噪比恶化的问题,提出无需额外硬件的驻留点集中技术,通过频率规划与数字信号处理显著降低目标距离域噪声基底。
2018-09-15 eess.SP
Leakage Mitigation and Internal Delay Compensation in FMCW Radar for Small Drone Detection
调频连续波(FMCW)雷达的一个臭名昭著的问题是发射机和接收机之间的泄漏。泄漏信号的相位噪声在功率谱上表现为泄漏信号周围的一个边缘。它导致动态范围的恶化,特别是在近距离区域。因此,尽管FMCW雷达由于其工作方式而在近距离目标检测方面比脉冲雷达具有优势,但FMCW雷达的优势可能会因为泄漏而丧失。FMCW雷达的另一个问题是雷达系统中的内部延迟。它导致最大可探测距离的减小。本文提出了一种新的下变频技术,解决了这些问题。详细的理论和程序来实现所提出的技术进行解释。最后通过实验结果验证了该算法的有效性。所提出的技术可以通过频率规划和数字信号处理来实现,而无需额外的部件。结果表明,该技术在近距离区域和2.1 dB,即使在远距离区域降低噪声本底约7.0 dB。此外,结果表明,所提出的技术通过补偿内部延迟来恢复减小的最大可检测范围。
2018-07-17 eess.SP
Fast Randomized-MUSIC for mm-Wave Massive MIMO Radars
在新兴的无人系统中,如果进一步与毫米波(mm-Wave)大规模多输入多输出(MIMO)技术相结合,则子空间方法对于高分辨率环境感知是必不可少的。作为一个关键步骤,信号/噪声子空间的估计在计算上是复杂的,并且在开发高分辨率但低复杂度的汽车雷达时呈现出特别的挑战。在这项工作中,我们开发了一个快速随机MUSIC(R-MUSIC)算法,它利用随机矩阵草图通过近似计算来估计信号子空间。我们的新方法大大降低了获取高质量信号子空间的时间复杂度。此外,与其他低复杂度的对应物不同,R-MUSIC的精度没有降低,即获得高分辨率的到达角(AoA)估计。数值仿真验证了我们的R-MUSIC方法的性能。该方法解决了MIMO雷达信号处理的复杂度与精度之间的矛盾,在实时超分辨汽车传感中具有巨大的应用潜力。
2021-01-11 cs.IT eess.SP math.IT
A Stochastic Doppler Sensing Framework for Range-Resolved Bidirectional Particle Dynamics in a Bubbling Fluidized Bed at 60 GHz
Delft University of Technology(代尔夫特理工大学)
提出一种60 GHz调频连续波雷达的随机多普勒测量框架,实现鼓泡流化床内距离分辨的双向颗粒运动观测,并通过统计谱分析提取速度与谱宽信息。
2026-09-23 eess.SP
Cramér-Rao Bound Analysis of Radars for Extended Vehicular Targets with Known and Unknown Shape
由于其较短的工作范围和较大的带宽,汽车雷达可以解决许多来自感兴趣的目标(主要是车辆)的反射。这就要求使用扩展目标模型来代替更简单和更广泛采用的点状目标模型。然而,尽管有一些初步的工作,雷达的准确性作为一个功能的目标车辆状态(范围,方向,形状)和雷达属性之间的基本联系仍然在很大程度上未知的扩展目标。在这项工作中,我们首先设计了一个数学上易于处理的分析模型的车辆具有任意形状,建模为一个扩展的目标参数化的中心位置,方向(航向)和周边轮廓。我们表明,推导出的后向散射信号的表达式是易于处理的,并正确地捕捉到延长车辆形状的影响。提供了位置、方向和轮廓的精确和近似混合Cramér-Rao界的分析推导,揭示了与点状目标情况的联系,并揭示了与接收能量、带宽和阵列大小的主要依赖关系。对已知和未知车辆形状两种不同的情况进行了理论研究。最后给出了有见地的仿真结果,以验证理论研究结果,包括多雷达感知扩展目标的多样性效应的分析。
2022-07-11 eess.SP
Mitigation of Radar Range Deception Jamming Using Random Finite Sets
Northeastern University(东北大学)
本文提出利用随机有限集缓解雷达距离欺骗干扰,通过多假设跟踪处理虚假距离信息,并提供自适应与非自适应解决方案以提高跟踪精度和干扰检测能力。
2024-08-21 eess.SP
mm-Pose: Real-Time Human Skeletal Posture Estimation using mmWave Radars and CNNs
University of Arizona(亚利桑那大学)
在本文中,毫米姿态,一种新的方法来检测和跟踪人体骨架实时使用毫米波雷达,提出。据作者所知,这是第一种使用毫米波雷达反射信号检测>15个不同骨骼关节的方法。所提出的方法将在交通监控系统、自动驾驶汽车、病人监护系统和国防部队中找到几个应用,以检测和跟踪人体骨骼,从而实时做出有效和预防性的决策。雷达的使用使该系统在操作上对场景照明和不利天气条件具有鲁棒性。该方法首先对距离、方位和仰角方向的雷达反射点云进行分辨,并将其投影到距离-方位和距离-仰角平面上。还提出了一种新的低尺寸高分辨率雷达到图像的表示,克服了传统点云数据的稀疏性,并提供了显着减少后续的机器学习架构。RGB通道被分配有每个点的反射信号的范围、仰角/方位角和功率水平的归一化值。一个分叉的CNN架构被用来预测在3-D空间中的骨骼关节的真实世界的位置,使用雷达到图像表示。所提出的方法进行了测试,一个单一的人类场景的四个主要运动,(i)行走,(ii)摆动左臂,(iii)摆动右臂,(iv)摆动双臂,以验证准确的预测范围,方位角和仰角的运动。详细的方法,实施,挑战和验证结果。
2019-11-21 cs.LG eess.SP stat.ML
A Decoupling-based Approach for Signature Estimation of Wideband XL MIMO-FMCW Radars
Indian Institute of Technology Delhi(印度德里理工学院);Indian Institute of Technology Indore(印度印多尔理工学院);G.S.Sanyal School of Telecommunications, Indian Institute of Technology Kharagpur(印度卡拉格普尔理工学院G.S.三亚尔电信学院)
本文提出一种基于解耦的MIMO-FMCW雷达目标检测与参数估计框架,通过将联合距离-角度估计问题转化为解耦的连续频率估计问题,利用OMP实现高分辨率的距离和角度估计,有效解决空间宽带效应导致的目标重叠问题。
2026-03-15 eess.SP
Towards Monocular Digital Elevation Model (DEM) Estimation by Convolutional Neural Networks - Application on Synthetic Aperture Radar Images
University of Perugia(佩鲁贾大学);University of L’Aquila(拉奎拉大学)
合成孔径雷达(SAR)干涉测量(InSAR)是使用重复通过几何。干涉合成孔径雷达(InSAR)技术是用来估计地表地形重建的。距离-多普勒聚焦技术的主要问题是二维SAR结果的性质,受停留不确定性的影响。为了解决这个问题,需要至少两个传感器采集,由基线分开并在交叉斜距中扩展。然而,由于其多时间的性质,这些技术是脆弱的大气和地球环境参数的变化,除了物理平台的不稳定性。此外,要么需要两个雷达,要么需要一个干涉周期(从几天到几周),这使得实时DEM估计是不可能的。在这项工作中,作者提出了一种新的实验替代InSAR方法,该方法使用单次采集,使用由深度神经网络实现的数据驱动方法。我们提出了一个完全卷积神经网络(CNN)编码器-解码器架构,在雷达图像上对其进行训练,以便从单次图像采集中估计DEM。我们的一组哨兵图像上的结果表明,这种方法是能够在一定程度上学习的DEM的统计特性。这种探索性的分析结果是令人鼓舞的,并开辟了一条道路,以解决单通DEM估计问题的数据驱动的方法。
2018-03-14 cs.CV eess.SP
Joint and Robust Beamforming Framework for Integrated Sensing and Communication Systems
本文针对不完美CSI下的多用户多目标ISAC系统,提出一种联合通信与雷达波束赋形框架,以MSE或SCNR为雷达约束最大化总频谱效率,并通过NEPv与交替优化实现低复杂度鲁棒求解。
2024-09-03 cs.IT eess.SP math.IT
Super-Resolution of Range-Doppler Maps: A Case Study with Chirp-Sequence Radar and Transformer
University of Stuttgart(斯图加特大学)
本研究针对线性调频序列雷达生成的距离-多普勒图分辨率受限问题,提出基于双路径移位窗口注意力的内存高效Transformer架构,结合CFAR损失优化目标可检测性,实现真实环境下高效超分辨率。
2026-08-28 eess.SP
RIS-Assisted High Resolution Radar Sensing
针对UE无法分辨同一分辨率单元内多个目标的问题,本文利用RIS提供信号分集,通过波束扫描和OMP信道估计结合数据关联,提升检测率和定位精度,实现高分辨率感知。
2024-07-16 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
Sub-Nyquist Sampling OFDM Radar
提出无需改动硬件与波形的亚奈奎斯特采样 OFDM 雷达,通过频带折叠、已知符号展开及 SMNC 消除干扰,将 ADC 采样率降低 L 倍并保持距离性能。
2023-08-03 cs.SY eess.SP eess.SY
Joint Multiple FMCW Chirp Sequence Processing for Velocity Estimation and Ambiguity Resolving
本文提出一种联合处理多个FMCW啁啾序列的算法,以解决速度估计模糊问题,实现统计有效、无网格且具有超分辨率特性的速度估计,并通过仿真和雷达IC实验验证。
2023-12-05 eess.SP