[论文解读] 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 12

一句话总结

本文提出了一种低复杂度的基于压缩感知的MIMO雷达——CSSF MIMO雷达，利用扫频技术实现对慢速运动目标的高分辨率联合测距、波达角和多普勒频移估计。通过解耦波达角-距离与多普勒估计，并利用匹配滤波进行初始粗略估计，该方法显著降低了计算复杂度，同时在比传统方法更少的测量次数下保持了高分辨率。

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.

研究动机与目标

• 为解决基于压缩感知的MIMO雷达在三维空间精细离散化下进行联合波达角-多普勒-距离估计时计算复杂度过高的问题。
• 通过将扫频（SF）与压缩感知（CS）结合，利用窄带脉冲实现高分辨率的测距、波达角和多普勒频移联合估计。
• 通过解耦波达角-距离与多普勒估计，并利用匹配滤波进行初始粗略估计以缩小搜索空间，从而降低计算复杂度。
• 证明所提出的CSSF MIMO雷达在分辨率和测量效率方面优于传统的基于匹配滤波的SF MIMO雷达。

提出的方法

• 在压缩感知框架内，将联合波达角-多普勒-距离估计建模为ℓ₁-优化问题。
• 采用线性扫频（LSFR）和随机扫频（RSFR）波形，以实现宽有效带宽和高距离分辨率。
• 解耦估计过程：首先利用单个脉冲通过匹配滤波估计波达角和距离，然后在初始估计值附近缩小搜索空间。
• 对整个脉冲 train 应用压缩感知以估计多普勒，通过在初始波达角-距离估计值附近使用缩小的网格来降低复杂度。
• 根据信号模型构建感知矩阵，并通过相干性分析评估LSFR和RSFR的性能。
• 通过数值仿真比较不同脉冲数和频率步长下的相干性、检测概率和虚警率性能。

实验结果

研究问题

• RQ1 压缩感知与扫频结合是否能在减少数据需求的前提下实现MIMO雷达中测距、波达角和多普勒的高分辨率联合估计？
• RQ2 线性扫频与随机扫频的选择如何影响感知矩阵的相干性及估计性能？
• RQ3 通过利用初始匹配滤波估计值解耦波达角-距离与多普勒估计，复杂度能降低到何种程度？
• RQ4 CSSF MIMO雷达在检测概率和虚警率方面与传统的基于匹配滤波的SF MIMO雷达相比表现如何？
• RQ5 CSSF MIMO雷达实现与匹配滤波系统相当的目标检测性能所需的最少脉冲数是多少？

主要发现

• 数值结果表明，CSSF MIMO雷达在分辨率方面表现更优，且所需测量次数显著少于基于匹配滤波的SF MIMO雷达。
• 线性扫频（LSFR）的感知矩阵相干性低于随机扫频（RSFR），因此在脉冲数较少时性能更优。
• 在相同条件下，LSFR仅需9个脉冲即可达到目标的ROC性能，而RSFR需12个脉冲才能实现相同性能。
• 解耦估计方案通过将搜索空间限制在初始匹配滤波估计值附近，显著降低了复杂度，且未牺牲分辨率。
• 只要初始估计未遗漏任何目标，所提出的低复杂度方案即可保持压缩感知方法的高分辨率特性。
• 数值结果证实，LSFR的感知矩阵相干性与理论预测一致；而RSFR的相干性随脉冲数增加逐渐逼近理论边界。