[論文レビュー] Joint Range and Angle Estimation for FMCW MIMO Radar and Its Application

Jung-Hoon Kim, Joohwan Chun+1 more|arXiv (Cornell University)|Nov 16, 2018

Radar Systems and Signal Processing参考文献 19被引用数 5

ひとこと要約

本稿では、FMCW MIMOレーダーにおける連合距離および角度推定のための最尤（ML）アルゴリズムを提案する。この手法は、従来の2次元FFTおよび2次元MUSIC手法における距離周波数と角度周波数の結合に起因するバイアスを排除する。本手法は、距離および角度推定においてCramér-Rao Bound（CRB）性能に達し、SLAMアプリケーションで検証され、自律走行車両の局所化において優れた精度を示した。

ABSTRACT

Recently, frequency-modulated continuous wave (FMCW) radars with array antennas are gaining in popularity on a wide variety of commercial applications. A usual approach of the range and angle estimation of a target with an array FMCW radar is to form a range-angle matrix with deramped receive signal, and then apply the two-dimensional fast Fourier transformation (2D-FFT) on the range-angle matrix. However, such frequency estimation approaches give bias error because two frequencies on the range-angle matrix are not independent to each other, unlike the 2D angle estimation with a passive planar antenna array. We propose a new maximum-likelihood based algorithm for the joint range and angle estimation of multiple targets with an array FMCW radar, and show that the proposed algorithm achieves the Cramer-Rao bounds (CRBs) both for the range and angle estimation. The proposed algorithm is also compared with other algorithms for a simultaneous localization and mapping (SLAM) problem.

研究の動機と目的

• FMCW MIMOレーダーにおける2次元FFTおよび2次元MUSIC手法の固有のバイアスを解消する。これは、距離周波数と角度周波数の推定が結合されていることに起因する。
• アレイ素子間の距離周波数と角度周波数の相関関係をモデル化する最尤推定フレームワークを開発する。
• 複数ターゲット状況下でも、距離および角度推定においてCramér-Rao Bound（CRB）性能を達成する。
• レーダーに基づく点群測定を用いた自律走行車両の同時局所化と地図作成（SLAM）において、性能の向上を実証する。
• パルス次元に沿った信号結合を考慮することで、本アルゴリズムを距離-Dopplerおよび角度-Dopplerドメインへと拡張する。

提案手法

• ターゲットの角度に起因するアレイ素子間の距離差を明示的にモデル化する連合信号モデルを構築し、時間遅延を距離および角度の関数として定式化する。
• 複素ガウスノイズモデル下での受信デレンジド信号の尤度関数を最大化することで、最尤（ML）推定器を導出する。
• 信号パラメータ（振幅、位相、距離、角度）のフィッシャー情報行列（FIM）を計算し、距離および角度推定のCramér-Rao Bound（CRB）を導出する。
• 信号の実部および虚部を用いた複素信号モデルを用い、距離および角度に関する位相および周波数の微分を組み込んだFIMの要素を計算する。
• 対数尤度関数のヘッセ行列を活用して収束を図るニュートン・ラプソン法を用いて、ML推定問題を反復的に解く。
• 本アルゴリズムを距離-角度ドメインに適用し、パルス次元に沿った類似した結合効果を認識することで、距離-Dopplerおよび角度-Dopplerドメインへの適用可能性を拡張する。

実験結果

リサーチクエスチョン

• RQ1 最尤アプローチは、FMCW MIMOレーダーにおける距離周波数と角度周波数の結合に起因する連合距離および角度推定のバイアスを排除できるか？
• RQ2 提案されたMLアルゴリズムは、複数ターゲット状況下でも距離および角度推定においてCramér-Rao Bound（CRB）に達するか？
• RQ3 推定精度および干渉に対するロバストネスの観点から、提案されたMLアルゴリズムは2次元FFT、2次元MUSIC、およびJAFEと比較してどのように性能を発揮するか？
• RQ4 提案されたアルゴリズムは、自律走行車両のレーダーに基づくSLAMにおける局所化精度をどの程度向上できるか？
• RQ5 本手法は、空間時間適応処理（STAP）における距離-Dopplerまたは角度-Doppler処理の他のドメインへ一般化可能か？

主な発見

• 提案された最尤アルゴリズムは、距離および角度推定においてCramér-Rao Bound（CRB）に達し、与えられた信号モデル下で最適性能を示した。
• 本手法は、従来の2次元FFTおよび2次元MUSIC手法に見られる、アレイ素子間の距離周波数と角度周波数の結合に起因するバイアス誤差を完全に排除した。
• SLAMシミュレーションにおいて、本手法は自律駐車パーキング中における正確な車両局所化を可能にした。従来手法と比較して、位置誤差の蓄積が著しく減少した。
• フィッシャー情報行列（FIM）の導出により、距離のCRBが信号対雑音比（SNR）およびサンプル数に比例することが確認された。また、最適推定に必要な曲率を提供する対数尤度関数のヘッセ行列が有効であった。
• 複数ターゲット環境下でも高い精度を維持し、ターゲット間干渉を明示的にモデル化できる点で、2次元FFTおよび2次元MUSICを上回る性能を示した。
• 距離-Dopplerおよび角度-Doppler処理の他のドメインへも、パルス次元に沿った類似した結合効果を考慮することで拡張可能であり、STAPシステムにおける広範な応用性を有する。