[论文解读] Dual-Functional Radar-Communication Waveform Design: A Symbol-Level Precoding Approach

Rang Liu, Ming Li+2 more|arXiv (Cornell University)|Aug 11, 2021

Radar Systems and Signal Processing参考文献 44被引用 153

一句话总结

本文提出一种用于MIMO双功能雷达-通信（DFRC）系统的符号级预编码方法，以同时优化雷达波束成形精度和多用户通信质量。通过利用符号特定的波形设计，该方法在瞬时波束成形性能和误符号率（SER）方面优于块级预编码，且提出两种高效算法——PDD-MM-BCD与ALM-RBFGS——在性能与计算复杂度之间实现权衡。

ABSTRACT

Dual-functional radar-communication (DFRC) systems can simultaneously perform both radar and communication functionalities using the same hardware platform and spectrum resource. In this paper, we consider multi-input multi-output (MIMO) DFRC systems and focus on transmit beamforming designs to provide both radar sensing and multi-user communications. Unlike conventional block-level precoding techniques, we propose to use the recently emerged symbol-level precoding approach in DFRC systems, which provides additional degrees of freedom (DoFs) that guarantee preferable instantaneous transmit beampatterns for radar sensing and achieve better communication performance. In particular, the squared error between the designed and desired beampatterns is minimized subject to the quality-of-service (QoS) requirements of the communication users and the constant-modulus power constraint. Two efficient algorithms are developed to solve this non-convex problem on both the Euclidean and Riemannian spaces. The first algorithm employs penalty dual decomposition (PDD), majorization-minimization (MM), and block coordinate descent (BCD) methods to convert the original optimization problem into two solvable sub-problems, and iteratively solves them using efficient algorithms. The second algorithm provides a much faster solution at the price of a slight performance loss, first transforming the original problem into Riemannian space, and then utilizing the augmented Lagrangian method (ALM) to obtain an unconstrained problem that is subsequently solved via a Riemannian Broyden-Fletcher-Goldfarb-Shanno (RBFGS) algorithm. Extensive simulations verify the distinct advantages of the proposed symbol-level precoding designs in both radar sensing and multi-user communications.

研究动机与目标

• 解决传统块级预编码在DFRC系统中自由度（DoFs）受限及瞬时波束成形性能较差的问题。
• 通过共享的MIMO硬件平台实现高速通信与高精度雷达感知的同步。
• 设计一种发射波形，以最小化波束成形误差，同时满足用户服务质量（QoS）与恒模约束。
• 开发高效算法，求解由符号级预编码引发的非凸优化问题。

提出的方法

• 建立一个非凸优化问题，以在满足QoS与恒模约束条件下最小化平方波束成形误差。
• 提出PDD-MM-BCD算法，结合惩罚对偶分解、主化-最小化与块坐标下降法，迭代求解子问题。
• 通过将问题转化为黎曼空间并利用增广拉格朗日与黎曼BFGS方法，开发ALM-RBFGS算法。
• 采用符号级预编码，使发射向量依赖于瞬时符号，从而在通信中利用相消性干扰。
• 引入恒模约束以确保功率放大器效率与硬件兼容性。
• 在ALM-RBFGS方法中应用黎曼优化技术，以处理非凸流形约束。

实验结果

研究问题

• RQ1 与块级预编码相比，符号级预编码是否能提升DFRC系统中瞬时雷达波束成形的精度？
• RQ2 符号级预编码在保持雷达感知质量的前提下，如何提升通信性能（以SER衡量）？
• RQ3 在符号级DFRC波形设计中，性能与计算复杂度之间存在何种权衡？
• RQ4 黎曼优化技术能否有效求解DFRC系统中符号级预编码引发的非凸问题？
• RQ5 在用户数量变化时，所提出的算法在收敛速度与执行时间方面如何比较？

主要发现

• PDD-MM-BCD算法实现目标值单调收敛，外层迭代收敛迅速，4次迭代内即达到约束可行性。
• ALM-RBFGS算法将执行时间降低至PDD-MM-BCD的约2%，在6个用户情况下平均执行时间仅为0.233秒。
• 两种所提算法在检测概率方面显著优于块级方法（例如在10⁻⁵虚警率下检测概率达0.85），尤其在信号样本有限时表现更优。
• 符号级预编码的SER性能优于块级方法，尽管ALM-RBFGS因轻微约束违反导致SER略差，但仍优于块级方法。
• 由于直接最小化四次型目标函数，ALM-RBFGS算法求解增广拉格朗日问题所需的迭代次数比PDD-MM-BCD少两个数量级。
• 大量仿真结果表明，符号级预编码在信号样本有限时可实现更优的角度估计与目标检测，充分证明其在瞬时性能上的优越性。