[논문 리뷰] Displaced Sensor Automotive Radar Imaging

Guohua Wang, Kumar Vijay Mishra|arXiv (Cornell University)|2020. 10. 06.

Microwave Imaging and Scattering Analysis참고 문헌 43인용 수 7

한 줄 요약

이 논문은 고해상도 자동차 레이더 영상에 적합한 거리 이격 다중입력다중출력(MIMO) 주파수변조연속파(FMCW) 레이더 시스템을 제안하며, 정밀한 센서 간 동기화가 필요 없이도 정위치 추정 정확도를 향상시킨다. 비일관성 기반 및 일관성 기반 영상화 방법을 도입하여 블록 스퍼스리티와 스퍼스리티 기반 복원 기법을 활용함으로써, 기존의 점군 융합 대비 위치 추정 정확도를 한 계단 높이는 데 성공한다.

ABSTRACT

Displaced automotive sensor imaging exploits joint processing of the data acquired from multiple radar units, each of which may have limited individual resources, to enhance the localization accuracy. Prior works either consider perfect synchronization among the sensors, employ single antenna radars, entail high processing cost, or lack performance analyses. Contrary to these works, we develop a displaced multiple-input multiple-output (MIMO) frequency-modulated continuous-wave (FMCW) radar signal model under coarse synchronization with only frame-level alignment. We derive Bayesian performance bounds for the common automotive radar processing modes such as point-cloud-based fusion as well as raw-signal-based non-coherent and coherent imaging. For the non-coherent mode, which offers a compromise between low computational load and improved localization, we exploit the block sparsity of range profiles for signal reconstruction to avoid direct computational imaging with massive data. For the high-resolution coherent imaging, we develop a method that automatically estimates the synchronization error and performs displaced radar imaging by exploiting sparsity-driven recovery models. Our extensive numerical experiments demonstrate these advantages. Our proposed non-coherent processing of displaced MIMO FMCW radars improves position estimation by an order over the conventional point-cloud fusion.

연구 동기 및 목표

• 불완전한 동기화 조건 하에서 이격 자동차 레이더 영상에 대한 이론적 성능 한계와 실용적 구현 방법의 부족을 해결한다.
• 기존 연구에서 정밀한 동기화를 전제로 하거나, 높은 처리 비용 또는 단일 안테나 구성에 의존하는 한계를 극복한다.
• 실제 자동차 구현 환경의 제약 조건을 반영하기 위해 프레임 수준의 시간 정렬만을 가정하는 이격 MIMO FMCW 레이더의 신호 모델을 수립한다.
• 계산 부담을 줄이고 해상도 및 정확도를 향상시키기 위해 비일관성 및 일관성 영상화 방법을 제안한다.
• 점군 융합, 비일관성, 일관성 영상화 모드를 포함한 다양한 처리 모드에 대해 베이지안 크래머-라오 하한(BCRLB)을 사용하여 이론적 성능 한계를 제시한다.

제안 방법

• 프레임 수준의 정렬만을 가정하고 정밀한 센서 간 타이밍이 없는 조건에서, 거리 이격 MIMO FMCW 레이더의 신호 모델을 수립한다.
• 점군 융합, 비일관성, 일관성 영상화 모드에 대한 베이지안 크래머-라오 하한(BCRLB)을 유도하여 이론적 성능 한계를 설정한다.
• 비일관성 영상화를 블록 스퍼스리티 신호 복원 문제로 수식화하여 대량의 데이터 처리를 방지하고 계산 부담을 감소시킨다.
• 동기화 오차를 동시에 추정하고 고해상도 영상을 복원하기 위해 스퍼스리티 기반 모델을 활용하는 일관성 영상화 방법을 설계한다.
• 일관성 영상화에 베이지안 압축 센싱(BCS)을 구현하여 사전 지식을 활용하고 고신호대역비(SNR) 조건에서의 강인성을 향상시킨다.
• 사전 지식 없이도 시간 오프셋 오차를 보정할 수 있도록 일관성 영상 처리 파이프라인에 자동 동기화 추정 기능을 통합한다.

실험 결과

연구 질문

• RQ1 粗초 동기화가 이격 자동차 레이더 영상의 이론적 성능 한계에 어떤 영향을 미치는가?
• RQ2 블록 스퍼스리티 기반 복원을 사용하는 비일관성 영상화가 최소한의 계산 비용으로 기존의 점군 융합 대비 상당한 정확도 향상을 이룰 수 있는가?
• RQ3 자동 동기화 오차 추정 기능을 갖춘 일관성 영상화가 해상도 및 정위치 추정 정확도를 얼마나 향상시킬 수 있는가?
• RQ4 다양한 신호대역비(SNR) 조건에서 점군 융합, 비일관성, 일관성 영상화 방식 간 목표 계수 추정의 NMSE 측면에서의 성능 비교는 어떠한가?
• RQ5 동기화 오차가 일관성 및 베이지안 영상화 프레임워크에서 영상 품질과 목표물 복원에 어떤 영향을 미치는가?

주요 결과

• 블록 스퍼스리티 기반 복원을 사용하는 비일관성 영상화는 기존의 점군 융합 대비 위치 추정 정확도를 한 계단 향상시킨다.
• 직교 매칭 퇴적(OMP) 기반 일관성 영상화는 점군 융합 대비 상당히 낮은 NMSE를 달성하며, 10 dB SNR에서 목표물 NMSE가 0.01 수준으로 감소한다.
• 고신호대역비 조건에서 OMP 기반 일관성 영상화보다 베이지안 압축 센싱(BCS)이 더 신뢰할 수 있는 영상 복원 성능을 보이지만, 저신호대역비 조건에서는 더 높은 잡음 경고 비율을 나타낸다.
• 자동 동기화 오차 추정 기능을 갖춘 제안된 일관성 영상화 방법은 시간 오프셋으로 인한 영상 흐림 현상을 효과적으로 완화하며 높은 해상도를 유지한다.
• 10 dB SNR 조건에서 OMP 기반 일관성 영상화는 목표물 NMSE를 0.01로 달성하였고, BCS 역시 동일한 성능을 보이며 고신호대역비 조건에서 더 강인한 성능을 입증한다.
• 계산 측면에서 OMP 기반 방법은 BCS보다 상당히 효율적이며, 성능과 처리 시간 사이의 균형을 더 잘 확보한다.