Multi-Target DoA Estimation With mmWave MIMO Radar Using Limited Number of Sensors
Notice bibliographique
Résumé
This paper addresses the problem of estimating incoming signals' direction of arrival (DoA) in multiple-input multiple-output (MIMO) radar systems when the number of reflectors exceeds that of the sensors. Existing methods, such as co-prime and nested arrays, address this limitation by increasing the degree of freedom (DoF) using expanded antenna array geometries. However, these methods introduce practical challenges, including increased array size and added system complexity and cost due to the additional receiver (Rx) front-end modules and analog-to-digital converter (ADC) units required for each antenna element. The proposed method overcomes these limitations and enables the detection of more targets than sensors without necessitating hardware modifications by using a standard uniform linear array (ULA) and enhancing the DoF entirely at the signal processing stage. The proposed method integrates the capabilities of the 2D multiple signal classification (MUSIC) algorithm with the 2D forward-backward spatial smoothing (FBSS) technique to surpass the theoretical limit of the minimum angular resolution. The effectiveness of the proposed method is validated through extensive simulations and real-world measurements. Comparative evaluations against popular DoA estimation techniques further underscore its practical advantages and robustness.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →Les trois modèles l'ont jugé hors champ.
Signal processing paper on direction-of-arrival estimation with mmWave MIMO radar.
It develops and validates a radar signal-processing method, not a method for studying research.
Signal-processing method for multi-target DoA with mmWave MIMO radar.
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».