[论文解读] Reduced Complexity Angle-Doppler-Range Estimation for MIMO Radar That Employs Compressive Sensing

Yao Yu, Athina P. Petropulu+1 more|ArXiv.org|Dec 5, 2009

Sparse and Compressive Sensing Techniques被引用 5

一句话总结

该论文提出了一种低复杂度的压缩感知（CS）MIMO雷达框架，利用线性调频波形实现角度、多普勒和距离估计的解耦。通过先利用等频脉冲估计角度和多普勒，再利用步进频率脉冲实现距离分辨，该方法在保持高精度目标定位和模糊性消除的同时，相比联合优化，计算复杂度降低了超过99.998%，实现了高分辨率联合估计。

ABSTRACT

The authors recently proposed a MIMO radar system that is implemented by a small wireless network. By applying compressive sensing (CS) at the receive nodes, the MIMO radar super-resolution can be achieved with far fewer observations than conventional approaches. This previous work considered the estimation of direction of arrival and Doppler. Since the targets are sparse in the angle-velocity space, target information can be extracted by solving an l1 minimization problem. In this paper, the range information is exploited by introducing step frequency to MIMO radar with CS. The proposed approach is able to achieve high range resolution and also improve the ambiguous velocity. However, joint angle-Doppler-range estimation requires discretization of the angle-Doppler-range space which causes a sharp rise in the computational burden of the l1 minimization problem. To maintain an acceptable complexity, a technique is proposed to successively estimate angle, Doppler and range in a decoupled fashion. The proposed approach can significantly reduce the complexity without sacrificing performance.

研究动机与目标

• 解决使用压缩感知（CS）进行MIMO雷达中联合角度-多普勒-距离估计时的高计算复杂度问题。
• 通过在MIMO雷达系统中引入步进频率波形，实现高距离分辨率和无模糊多普勒估计。
• 通过解耦角度、多普勒和距离的估计，降低压缩感知优化问题的维度。
• 在显著降低计算负载的同时，保持高估计精度和超分辨率性能。
• 将先前仅限于角度和多普勒的基于CS的MIMO雷达工作扩展至包含距离估计，且不牺牲性能。

提出的方法

• 采用由空间分布的单天线收发器构成的虚拟阵列的MIMO雷达系统。
• 使用正交QPSK波形进行发射，并在每个接收节点进行压缩测量。
• 应用步进频率调制：首先以恒定载波频率发射Nc个脉冲用于角度-多普勒估计，随后以脉冲间频率步进的方式发射Ns个脉冲以实现距离分辨。
• 将联合估计分解为三个连续阶段：(1) 基于等频数据的ℓ₁-最小化进行角度-多普勒估计；(2) 利用多脉冲相干性进行多普勒精化；(3) 利用步进频率脉冲间的相位变化进行距离估计。
• 利用目标在三维角度-多普勒-距离空间中的稀疏性，应用降低基维数的CS恢复方法。
• 由融合中心收集并处理压缩测量数据，通过求解一系列较小的ℓ₁-优化问题，而非一个大型联合问题。

实验结果

研究问题

• RQ1 能否有效将步进频率波形集成到基于CS的MIMO雷达系统中，以实现高距离分辨率？
• RQ2 如何在不损失性能的前提下，通过解耦联合角度-多普勒-距离估计来降低ℓ₁-最小化算法的计算复杂度？
• RQ3 与恒定载波频率系统相比，所提出的解耦方案在多普勒模糊性消除方面能达到何种程度？
• RQ4 在存在噪声和干扰的真实MIMO雷达场景中，该解耦方法的估计精度和虚警率如何？
• RQ5 与联合角度-多普勒-距离CS估计相比，可实现多大程度的计算复杂度降低？

主要发现

• 所提出的解耦方案将计算复杂度从𝒪((N_a N_b N_c)^3)降低至𝒪(A N_a^3 + B N_b^3 + C N_c^3)，复杂度降低至联合估计成本的约0.002%。
• 采用步进频率波形成功解决了速度模糊性：在10个脉冲下，该方法正确估计了170、175和180 m/s的径向速度，而等频发射仅得到约50–60 m/s的模糊估计。
• 在100次独立的蒙特卡洛实验中，该解耦方法仅出现一次虚警（虚警率为0.01%），且该虚警位于真实目标附近。
• 在0 dB信噪比和干扰条件下，该方法在角度分辨率为0.5°、多普勒分辨率为5 m/s、距离分辨率为50 m的采样网格下，实现了精确的目标定位。
• 系统保持了超分辨率性能，并由于步进频率脉冲形成的等效宽带信号，实现了高距离分辨率。
• 该方法在保留压缩感知优势（低采样率和低功耗）的同时，将其适用范围扩展至三维目标估计。