[論文レビュー] CSSF MIMO RADAR: Low-Complexity Compressive Sensing Based MIMO Radar That Uses Step Frequency

Yao Yu, Athina P. Petropulu+1 more|arXiv (Cornell University)|Jan 14, 2011

Radar Systems and Signal Processing参考文献 27被引用数 12

ひとこと要約

本稿では、ステップ周波数を用いて、ゆっくり動くターゲットの距離・方位角・ドップラーを高分解能で連合推定する、低複雑性の圧縮センシングに基づくMIMOレーダー、CSSF MIMOレーダーを提案する。角度-距離とドップラー推定を分離し、最初の粗い推定にマッチドフィルタリングを活用することで、従来手法よりも少ない測定数で高い分解能を維持しつつ、計算複雑性を顕著に低減する。

ABSTRACT

A new approach is proposed, namely CSSF MIMO radar, which applies the technique of step frequency (SF) to compressive sensing (CS) based multi-input multi-output (MIMO) radar. The proposed approach enables high resolution range, angle and Doppler estimation, while transmitting narrowband pulses. The problem of joint angle-Doppler-range estimation is first formulated to fit the CS framework, i.e., as an L1 optimization problem. Direct solution of this problem entails high complexity as it employs a basis matrix whose construction requires discretization of the angle-Doppler-range space. Since high resolution requires fine space discretization, the complexity of joint range, angle and Doppler estimation can be prohibitively high. For the case of slowly moving targets, a technique is proposed that achieves significant complexity reduction by successively estimating angle-range and Doppler in a decoupled fashion and by employing initial estimates obtained via matched filtering to further reduce the space that needs to be digitized. Numerical results show that the combination of CS and SF results in a MIMO radar system that has superior resolution and requires far less data as compared to a system that uses a matched filter with SF.

研究の動機と目的

• 3次元空間の細かい量子化に起因する、圧縮センシングに基づくMIMOレーダーにおける連合方位角-ドップラー-距離推定の高い計算複雑性に対処すること。
• ステップ周波数（SF）と圧縮センシング（CS）を統合することで、狭帯域パルスを用いて高分解能の距離・方位角・ドップラー推定を可能にすること。
• 最初の粗い推定にマッチドフィルタリングを用いることで、初期推定値の周囲の探索空間を制限し、角度-距離とドップラー推定を分離することにより、計算複雑性を低減すること。
• 提案されたCSSF MIMOレーダーが、従来のマッチドフィルタベースのSF MIMOレーダーと比較して、分解能と測定効率の両面で優れていることを実証すること。

提案手法

• 圧縮センシングフレームワーク内において、連合方位角-ドップラー-距離推定をℓ₁最適化問題として定式化する。
• 広帯域効果と高い距離分解能を達成するために、線形ステップ周波数（LSFR）およびランダムステップ周波数（RSFR）波形を用いる。
• 推定プロセスを分離する：最初に1パルスを用いてマッチドフィルタリングにより角度と距離を推定し、その後、初期推定値の周囲で探索空間を精緻化する。
• 全パルス列に圧縮センシングを適用してドップラーを推定し、初期の角度-距離推定値の周囲に制限されたグリッドを用いることで、複雑性を低減する。
• 信号モデルに基づいてセンシング行列を構築し、Coherence解析を用いてLSFRおよびRSFRの性能を評価する。
• 数値シミュレーションを用いて、異なるパルス数および周波数ステップ数におけるコherency、検出確率、誤警報率の観点から性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングとステップ周波数を組み合わせることで、データ要件を削減しつつ、MIMOレーダーにおける距離・方位角・ドップラーの高分解能連合推定が可能になるか？
• RQ2 線形ステップ周波数とランダムステップ周波数の選択が、センシング行列のコヒーレンスおよび推定性能に与える影響は何か？
• RQ3 初期のマッチドフィルタ推定値を用いて角度-距離とドップラー推定を分離することで、計算複雑性をどの程度低減できるか？
• RQ4 CSSF MIMOレーダーの性能は、従来のマッチドフィルタベースのSF MIMOレーダーと比較して、検出確率および誤警報率の観点でどの程度優れているか？
• RQ5 CSSF MIMOレーダーが、マッチドフィルタベースのシステムと同等の検出性能を達成するために必要な最小パルス数は何か？

主な発見

• 数値結果により、CSSF MIMOレーダーは、マッチドフィルタベースのSF MIMOレーダーと比較して優れた分解能を達成し、顕著に少ない測定数で実現可能であることが示された。
• 線形ステップ周波数（LSFR）は、ランダムステップ周波数（RSFR）と比較して、センシング行列のコヒーレンスが低く、少ないパルス数でより優れた性能を発揮する。
• 同じ条件下で、LSFRは9パルスで所望のROC性能を達成するが、RSFRは12パルスを必要とする。
• 分離推定方式により、初期マッチドフィルタ推定値の周囲の探索空間に制限することで、計算複雑性が低減されたが、分解能に影響を与えることなく実現された。
• 提案された低複雑性方式は、初期推定値がターゲットを逃さない限り、CS手法の高い分解能を維持する。
• 数値結果により、LSFRのセンシング行列のコヒーレンスが理論的予測と一致することが確認された一方、RSFRはパルス数が増加するにつれて理論的限界に近づくことが示された。