[论文解读] A Sub-Nyquist Radar Prototype: Hardware and Algorithms

Eliahu Baransky, Gal Itzhak+4 more|arXiv (Cornell University)|Aug 13, 2012

Sparse and Compressive Sensing Techniques参考文献 9被引用 14

一句话总结

本论文展示了基于Xampling与有限创新率（FRI）原理的首个子奈奎斯特雷达系统的硬件原型，实现了雷达信号采样率从30 MHz的奈奎斯特率降低至1 MHz——降低了30倍——同时保持了精确的目标检测与定位性能。该系统采用4通道模拟前端，结合随机中心频率的晶体带通滤波器，高效采样稀疏雷达回波信号，随后通过正交匹配追踪（OMP）算法实现参数恢复，在实时实验中实现了亚毫米级分辨率。

ABSTRACT

Traditional radar sensing typically involves matched filtering between the received signal and the shape of the transmitted pulse. Under the confinement of classic sampling theorem this requires that the received signals must first be sampled at twice the baseband bandwidth, in order to avoid aliasing. The growing demands for target distinction capability and spatial resolution imply significant growth in the bandwidth of the transmitted pulse. Thus, correlation based radar systems require high sampling rates, and with the large amounts of data sampled also necessitate vast memory capacity. In addition, real-time processing of the data typically results in high power consumption. Recently, new approaches for radar sensing and detection were introduced, based on the Finite Rate of Innovation and Xampling frameworks. These techniques allow significant reduction in sampling rate, implying potential power savings, while maintaining the system's detection capabilities at high enough SNR. Here we present for the first time a design and implementation of a Xampling-based hardware prototype that allows sampling of radar signals at rates much lower than Nyquist. We demostrate by real-time analog experiments that our system is able to maintain reasonable detection capabilities, while sampling radar signals that require sampling at a rate of about 30MHz at a total rate of 1Mhz.

研究动机与目标

• 设计并实现一种实用雷达系统，能够在低于奈奎斯特采样率的条件下保持目标检测与定位性能。
• 通过采用子奈奎斯特采样框架，克服传统雷达系统在高采样率、高功耗与高内存需求方面的瓶颈。
• 展示基于Xampling的雷达信号恢复在真实硬件环境中的实时实现可行性，且仅使用现成元器件。
• 在真实条件下验证系统性能，包括动态范围限制与多目标场景下的表现。

提出的方法

• 系统采用4通道模拟前端，利用中心频率随机分布的晶体带通滤波器，生成傅里叶系数的扩展分布，从而实现对稀疏雷达信号的子奈奎斯特采样。
• 各通道在低采样率（总采样率为1 MHz）下执行模拟滤波与采样，捕获保留目标时延与幅度信息的广义测量值。
• 恢复算法采用正交匹配追踪（OMP）从低速率采样数据中重构目标参数（时延与幅度）。
• 设计中考虑了实际约束条件，如放大器非线性与滤波器非理想性，采用固定中心频率的晶体滤波器以确保系统稳定与高效。
• 通过软件集成多个脉冲以提升动态范围，使有效信噪比（SNR）在500个脉冲后提升高达27 dB。
• 实时信号处理通过NI（National Instruments）机箱与LabVIEW界面实现，用于数据采集与可视化。

实验结果

研究问题

• RQ1 硬件原型能否在保持高精度目标参数估计的前提下实现雷达信号的子奈奎斯特采样？
• RQ2 在实际应用中，基于FRI与Xampling原理恢复雷达目标参数所需的最低采样率是多少？
• RQ3 在低信噪比与动态范围受限条件下，系统在目标检测率与定位精度方面表现如何？
• RQ4 脉冲积分在多大程度上可提升系统的有效动态范围，并增强对强干扰回波的鲁棒性？

主要发现

• 系统将采样率降低了30倍（从30 MHz降至1 MHz），同时保持了高目标检测与定位精度。
• 在4个目标场景下（距离分别为39.28 km、65.43 km、98.76 km与132.54 km），估计时延的最大误差仅为11米。
• 对于120–135 km距离的目标，最大估计误差为19米，表明系统在远距离下仍具鲁棒性。
• 系统可正确分辨幅度相差7倍的目标，展现出高动态范围，并具备分离近距离目标的能力。
• 系统动态范围实测为27.23 dB，最小可检测信号为4 mV（−34.94 dBm），无失真最大输入为92 mV（−7.71 dBm）。
• 对500个脉冲进行积分后，有效动态范围提升27 dB，显著改善了低信噪比条件下的性能。