计算成像 论文速览 | IoTJ 2023, Leveraging Rough-Relay-Surface Scattering for Non-Line-of-Sight mmWave Radar

本文属于"最新论文速览"系列中的一个成员。

该系列旨在以简洁明了的方式介绍和解析近期发表在顶级会议或期刊上的论文。

Y. Xu, G. Liu and T. Jiang, “Exploiting Rough-Relay-Surface Scattering for Non-LOS mmWave Radar Sensing,” in IEEE Internet of Things Journal, vol., no., pp., 2023, doi: 10.1109/JIOT.2023.3328018.

原论文链接: https://ieeexplore.ieee.org/abstract/document/10298635

摘要

该文探讨了含 rough intermediate surface 的结构在 millimeter-wave 无遮挡雷达感知系统下的散射特性分析。

• 针对复杂场景中的目标感知问题,本研究针对微小面模型的特点,开发了一种基于随机化处理的新型毫米波雷达系统架构,并成功构建了MIMO-FMCW毫米波雷达信号张量模型。
• 通过深入研究,本方法开发了三阶段恢复算法(SGTR),充分结合虚拟靶标的时空特性信息,实现了精准的目标识别与速度测定。
• 仿真研究及实证分析结果表明,该方法能够有效提升复杂环境下目标感知的准确性。

引言

• 无视线(NLOS)感知在智能交通系统中具有重要意义，并且能够探测隐蔽区域的目标以有效降低潜在的碰撞风险。

• 现有毫米波NLOS雷达方法主要依赖于理想化的光滑表面假设，在实际应用中却存在局限性在于其无法适应具有粗糙中继表面(RRS)的场景。

• 基于RRS引起的多重散射路径信息 的利用进行目标检测仍面临诸多挑战。

• 无视线(NLOS)感知在智能交通系统中的应用极具重要性，并且能够在探测隐蔽区域的目标时有效降低潜在的碰撞风险。

• 现有毫米波NLOS雷达方法主要依赖于理想化的光滑表面假设，在实际应用中却存在局限性在于其无法适应具有粗糙中继表面(RRS)的场景。

• 基于RRS引起的多重散射路径信息 的利用进行目标检测仍面临诸多挑战。

系统模型

• 开发包含随机相对反射面（RRS）的非线-of-sight（NLOS）仿真环境。
• 对所选区域进行分割为多个独立微小面模型，并评估各个子区域的有效散射特性（ESP）。
• 构建多输入多输出（MIMO）雷达信号传播特性的张量表示方法。

问题分解

• 将隐蔽的目标状态检测划分为三个步骤:
• 估算虚拟目标的相关参数
• 通过虚拟目标信息推算出实际位置
• 基于几何关系计算出真实的运动速度

解决方案

• 第一步 :

  • 通过张量分解技术 进行计算

  • 运用ESPRIT算法 进行参数估计

  • 第二步 :

    • 计算各散射点 位置
    • 基于多边形定位算法 恢复真实位置

  • 第三步 :

    • 利用Weiszfeld梯度算法 估计速度

仿真实验

• 对复杂环境下各算法性能进行对比分析。
• 随着粗糙程度的增加，定位精度随之降低。
• 该算法具有良好的鲁棒性，在多种RRS环境下均表现出稳定性能。

结论

• 该算法（SGTR）能够充分地利用由于RRS导致的多散射路径。
• 通过仿真实验和测试分析可知，在处理粗糙环境中的目标检测精度方面，所提方法具有显著提升。