[論文レビュー] Adaptive detection and localization exploiting the IEEE 802.11ad standard

Emanuele Grossi, Marco Lops+1 more|arXiv (Cornell University)|Apr 29, 2019

Radar Systems and Signal Processing参考文献 71被引用数 45

ひとこと要約

本稿では、IEEE 802.11ad 60 GHz標準のセクタレベルスイープ（SLS）フェーズを活用した、機会的センシングを目的とした適応型レーダー検出および局所化手法を提案する。強いターゲットを逐次検出し、キャンセルすることで、受信信号の不完全な自己相関に起因する信号の漏れ（スプライル）およびニアファール問題を克服し、複数ターゲット環境下でもセンチメートル未満の精度で単一ターゲットのベンチマーク性能に近い検出および局所化性能を達成する。

ABSTRACT

In this work, we exploit the sector level sweep of the IEEE 802.11ad communication standard to implement an opportunistic radar at mmWaves and derive an adaptive procedure for detecting multiple targets (echoes) and estimating their parameters. The proposed detector/estimator extracts the prospective echoes one-by-one from the received signal, after removing the interference caused by the previously detected (stronger) targets. Examples are provided to assess the system performance, also in comparison with the canonical matched-filter peak-detector and the Cram\'er-Rao bounds. Results indicate that the proposed method is robust against the signal spillover and the near-far problem caused by the imperfect auto-correlation of the probing signal and, for the same probability of false alarm, grants detection and localization performances close to those previously obtained in a simplified single-target scenario.

研究の動機と目的

• IEEE 802.11ad を用いた複数ターゲット mmWave レーダーにおける従来のマッチドフィルタピーク検出の限界を解消すること。
• CPHY プレアンブルの非理想自己相関に起因する信号スプライルおよびニアファール効果を克服すること。
• 既存の通信信号を活用して、短距離環境における複数ターゲットのロバストで適応的な検出および局所化を可能にすること。
• 現実的な複数ターゲット条件下でも理論的限界（Cramér-Rao 界）に近い性能を達成すること。

提案手法

• 提案手法は、SLS信号を逐次処理し、最初に最も強いターゲットを検出する適応型複数ターゲット検出器を用いる。
• 各検出ターゲットの推定エコーを受信信号から差し引くことで、干渉キャンセレーションを実行し、次のターゲット処理に移る。
• 範囲精度を向上させるために精緻化された推定器を適用し、センチメートル未満の分解能を達成する。
• Golay系列およびプレアンブル構造を含む、IEEE 802.11ad CPHY プレアンブルの既知の構造を信号モデル化に活用する。
• 所望の誤検出確率（Pfa）に基づいて検出閾値を設定し、反復的に処理を繰り返す。
• 処理ウィンドウを512シンボルインターバルに設定し、性能と計算コストのバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 IEEE 802.11ad SLS を用いた機会的レーダーは、信号スプライルの影響を受けても、複数ターゲット環境下で信頼性の高い検出および局所化を達成できるか？
• RQ2 強いターゲットと弱いターゲットが共存する状況下で、適応型干渉キャンセレーション方式は、標準的なマッチドフィルタピーク検出器と比べてどのように性能を発揮するか？
• RQ3 現実の信号条件および複数ターゲット下で、範囲およびアモニチュード推定精度はどの程度達成可能か？
• RQ4 処理ウィンドウ長および時間遅延分解能（∆g）は、ターゲット分解能および検出性能にどのように影響するか？
• RQ5 提案手法は、複数ターゲット環境下で理論的性能限界（Cramér-Rao 界）にどの程度近づけるか？

主な発見

• 提案された適応型手法は、同じPfa条件下で単一ターゲット状況と比較して1〜2 dB以内の性能を達成し、干渉に対してロバストであることを示した。
• 512シンボルの処理ウィンドウを用いることで、0.1 m² のRCSを持つターゲットについて、25 mまでの距離で検出確率 >0.8 を達成した。
• 範囲推定精度は数センチメートルに達し、短距離では精緻化された推定器を用いることで数ミリメートルまで向上した。
• 時間遅延分解能∆gをTからT/8に低下させることで、範囲分解能が約8.5 cm向上し、近接したターゲットの分離が可能になった。
• ターゲット間隔が8.5 cm未満になると、相互干渉によりRMSEが劣化するが、ターゲットが1つの有効な散乱体に合体するにつれて再び向上した。
• 信号スプライルに起因する誤検出およびターゲットマスキングを効果的に低減し、複数ターゲット環境下で標準的なマッチドフィルタピーク検出器を上回る性能を発揮した。