论文速递 | TIM 2023: Non-Line-of-Sight Targets Localization Algorithm via Joint Estimation of DoD and Do

注1:本文属于"最新论文速览"系列中的一份,旨在系统而深入地阐述、解析最新的顶会/顶刊论文。

Non-line-of-sight targets localization algorithm based on joint estimation of direction of departure and direction of arrival

Abstract

• 探讨非视距(NLOS)毫米波(MMW)MIMO测距雷达在复杂场景下的多目标定位问题
• 构建融合距离、多普勒效应、出射方向（DoD）与到达方向（DoA）信息的多元信号模型
• 开发一种基于双重空间域估计技术的路径识别算法，在减少多重路径干扰方面表现突出
• 通过实验分析表明，在面对多个非视距目标时该方案能够实现精确定位并保持较低的误报水平

I. Introduction

*NLOS雷达具备检测隐蔽目标的能力,但基于到达时间(ToA)的方法在处理多目标场景时表现出明显局限性。
针对这一难题,研究者致力于探索L型场景下的多目标NLOS定位技术。
为了解决这一关键问题,本研究提出了包含双差分度（DoD）和双差分方位（DoA）信息的新型多径信号模型。
通过创新性地结合DoD与DoA联合估计方法,本研究实现了对复杂环境下的多重路径识别与精准定位。
实验结果表明该方法具有显著的有效性。

II. Multipath Propagation and Signal Model

A. Signal Model

• 构建基于FMCW和MIMO技术的多径信号模型
  • 包括发射与接收天线阵列的空间分布特性、不同距离对应的时延特性以及多普勒频率偏移等因素
  • 每条传播路径均可等价地生成一个虚目标，即所谓的多径幻影

B. Multipath Analysis

• 深入探讨各路径的特性及其相关的多普勒效应特征，并研究其间的相互关联性。
  • 这些相互关联性构成了基于模式识别的方法论基础，并且能够通过该方法实现路径特征的准确判别。

III. Proposed Algorithm

A. Echo Preprocessing

• 利用二维快速傅里叶变换（FFT）对回波数据进行处理，在距离-多普勒坐标系中分离出静态与动态目标
  • 通过自适应最优扇区成形杂波抑制算法（OS-CFAR）实现目标检测

B. Reflector Wall Estimation

• 使用HOUGH变换估计反射墙位置

C. Multipath Recognition

• 利用 DoD 与 DoA 的关系提出一种多径识别方法
• 采用 IAA 技术对 DoD 和 DoA 进行联合估计
• 分析 DoD 和 DoA 谱的功率分布情况,从而发现满足 DoD=DoA 条件的多径

D. Target Localization

• 对识别出的P11多径进行镜像对称,求出目标位置

IV. Experimental Results

• 实验验证了该方法在多目标环境下的有效性
• 定位准确率高,误报率低

V. Conclusion

• 该算法成功实现了利用DoD和DoA估计方法进行多径识别，在复杂L型工作场景中可达到高精度定位效果
  • 实验数据充分证明了该算法在多目标环境下的优异定位性能

总结

这篇论文探讨了非直视距离（NLOS）毫米波（MMW）多输入多输出（MIMO）雷达在L型场景下的多目标定位问题。其主要贡献包括：提出了基于改进卡尔曼滤波算法的自适应加权稀疏重构方法；设计了一种基于优化增广卡尔曼滤波器的自适应加权稀疏重构技术；并实现了基于贝叶斯信息准则的最大似然估计算法；这些创新性工作显著提升了传统定位技术的性能表现。

构建了一个涵盖距离、多普勒频移以及出射方向（DoD）和到达方向（DoA）信息的多径信号模型

该方法采用DoD与DoA联合估计策略进行多径识别，并能够显著抑制了多径干扰的影响。具体而言, 通过改进的IAA算法实现DoD和DoA的高分辨率联合估计, 并通过对比分析两者的功率分布特性来实现多径识别。

采用Hough变换确定反射面的位置，并利用识别出的多径进行镜像翻转处理，最终计算得到目标点坐标。

实验数据显示,所采用的方法能够在处理多组非线性定位误差影响时, 实现高质量的位置估计的同时具有较低的 misdetection rate。

论文首先构建了包含多种特征的多径信号模型，并探讨了其传播特性及其在空间域的相关性关系；随后明确了在特定传播路径条件下接收端方向-of-arrival（DoA）与发送端方向-of-departure（DoD）之间的关联性；在此基础上提出了一种基于以下步骤的识别算法：第一阶段进行回波预处理以消除杂波干扰；第二阶段利用反射墙的位置估计技术确定潜在障碍物；第三阶段结合测量端站测得的信道参数计算接收端方向-of-arrival（DoA）与发送端方向-of-departure（DoD）；第四阶段基于上述计算结果实现多径路径的数量估计及其分类；第五阶段最终完成目标点的位置确定；最后通过上述方法，在L型场景下实现了对多个隐藏目标的高度准确定位，并验证了该方法的有效性。