論文の概要: Beurling-Selberg Extremization for Dual-Blind Deconvolution Recovery in
Joint Radar-Communications
- arxiv url: http://arxiv.org/abs/2211.09253v1
- Date: Wed, 16 Nov 2022 22:55:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 17:22:58.322394
- Title: Beurling-Selberg Extremization for Dual-Blind Deconvolution Recovery in
Joint Radar-Communications
- Title（参考訳）: デュアルブラインドデコンボリューション回復のためのBourling-Selberg Extremization
- Authors: Jonathan Monsalve, Edwin Vargas, Kumar Vijay Mishra, Brian M. Sadler
and Henry Arguello
- Abstract要約: 近年、統合センシングと通信への関心が、新しい信号処理技術の設計につながっている。
我々は、レーダと通信システムのチャネルと送信信号が共通受信機に未知なスペクトル共存シナリオに焦点を当てた。
- 参考スコア（独自算出の注目度）: 39.57764800418167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent interest in integrated sensing and communications has led to the
design of novel signal processing techniques to recover information from an
overlaid radar-communications signal. Here, we focus on a spectral coexistence
scenario, wherein the channels and transmit signals of both radar and
communications systems are unknown to the common receiver. In this dual-blind
deconvolution (DBD) problem, the receiver admits a multi-carrier wireless
communications signal that is overlaid with the radar signal reflected off
multiple targets. The communications and radar channels are represented by
continuous-valued range-times or delays corresponding to multiple transmission
paths and targets, respectively. Prior works addressed recovery of unknown
channels and signals in this ill-posed DBD problem through atomic norm
minimization but contingent on individual minimum separation conditions for
radar and communications channels. In this paper, we provide an optimal joint
separation condition using extremal functions from the Beurling-Selberg
interpolation theory. Thereafter, we formulate DBD as a low-rank modified
Hankel matrix retrieval and solve it via nuclear norm minimization. We estimate
the unknown target and communications parameters from the recovered low-rank
matrix using multiple signal classification (MUSIC) method. We show that the
joint separation condition also guarantees that the underlying Vandermonde
matrix for MUSIC is well-conditioned. Numerical experiments validate our
theoretical findings.
- Abstract（参考訳）: 最近の統合センシングと通信への関心は、過大なレーダー通信信号から情報を回復するための新しい信号処理技術の設計につながった。
ここでは、レーダーと通信システムのチャネルと送信信号が共通の受信機に未知であるような、スペクトル共存シナリオに焦点を当てる。
このデュアルブラインド・デコンボリューション(DBD)問題では、受信機は複数のターゲットから反射されるレーダー信号にオーバーレイされたマルチキャリア無線通信信号を受け入れる。
通信チャネルとレーダチャネルはそれぞれ、複数の送信経路と目標に対応する連続値のレンジタイムまたは遅延で表現される。
以前の研究は、この不適切なdbd問題における未知のチャネルとシグナルの回復を原子のノルムの最小化を通じて取り組んだが、レーダーと通信チャネルの個々の最小分離条件に起因している。
本稿では,バーリング・セルバーグ補間理論から極値関数を用いた最適ジョイント分離条件を提案する。
その後、低階修正ハンケル行列検索としてdbdを定式化し、核ノルム最小化によって解く。
我々はMUSIC(Multiple signal classification)法を用いて、回収した低ランク行列から未知のターゲットと通信パラメータを推定する。
共同分離条件は, MUSIC の基盤となる Vandermonde 行列が十分に条件付きであることを保証する。
数値実験は我々の理論的な結果を検証する。
関連論文リスト
- Aircraft Radar Altimeter Interference Mitigation Through a CNN-Layer Only Denoising Autoencoder Architecture [0.7538606213726906]
我々は,CNN層のみのオートエンコーダアーキテクチャを用いて,レーダ高度計の測位精度を向上させることができることを示す。
最大4万個のIQサンプルのFMCWレーダー信号を確実に再構成することができる。
論文 参考訳（メタデータ） (2024-10-04T13:32:05Z) - Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。
本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。
合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文 参考訳（メタデータ） (2023-06-19T12:01:28Z) - Deep Reinforcement Learning for Interference Management in UAV-based 3D
Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。
干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文 参考訳（メタデータ） (2023-05-11T18:06:46Z) - Multi-Antenna Dual-Blind Deconvolution for Joint Radar-Communications via SoMAN Minimization [35.515366786734575]
セキュアな軍事受信機のような合同レーダー通信(JRC)アプリケーションでは、受信信号にレーダーと通信信号がオーバーレイされることが多い。
これらの受動的聴取基地では、レーダと通信の両方の信号とチャネルが受信機に未知である。
オーバーレイド信号から全ての信号とチャネルパラメータを復元する不適切な問題は、テキスト・ブラインド・デコンボリューション(DBD)と呼ばれる。
論文 参考訳（メタデータ） (2023-03-23T18:49:48Z) - On Neural Architectures for Deep Learning-based Source Separation of
Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。
我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文 参考訳（メタデータ） (2023-03-11T16:29:13Z) - Data-Driven Blind Synchronization and Interference Rejection for Digital
Communication Signals [98.95383921866096]
本研究では,データ駆動型深層学習手法の可能性について検討した。
本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。
既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
論文 参考訳（メタデータ） (2022-09-11T14:10:37Z) - DEFORM: A Practical, Universal Deep Beamforming System [4.450750414447688]
我々は、ユニバーサルレシーバービームフォーミング技術を紹介し、設計し、評価する。
我々のアプローチとシステムDEFORMは、深層学習(DL)ベースのRXビームフォーミングであり、マルチアンテナRF受信機において大きな利益をもたらす。
論文 参考訳（メタデータ） (2022-03-18T03:52:18Z) - Terahertz-Band Joint Ultra-Massive MIMO Radar-Communications:
Model-Based and Model-Free Hybrid Beamforming [45.257328085051974]
テラヘルツ(THz)バンドにおける無線通信とセンシングを,有望な短距離技術として検討した。
THz通信では、伝搬損失を補償する超大質量マルチ入力マルチ出力(UM-MIMO)アンテナシステムが提案されています。
我々は,新しいgroup-of-subarrays (gosa) um-mimo構造のためのモデルベースおよびモデルフリー技術に基づくthzハイブリッドビームフォーマを開発した。
論文 参考訳（メタデータ） (2021-02-27T21:28:34Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - End-to-end Learning for OFDM: From Neural Receivers to Pilotless
Communication [12.325545487629297]
周波数選択型および時間選択型フェーディングチャネル上でのエンド・ツー・エンド・ラーニングの効果について検討する。
受信機における不完全なチャネル知識により、AWGNチャネルで観測されたシェイピングゲインは消滅する。
他の2つのパフォーマンス改善源を特定します。
論文 参考訳（メタデータ） (2020-09-11T07:33:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。