面向物联网无人机检测的高分辨率多目标角度估计：自适应单脉冲波束赋形技术

《IEEE Access》：High-Resolution Multi-Target Angle Estimation for IoT-Enabled Drone Detection Using Adaptive Monopulse Beamforming

为解决物联网（IoT）雷达系统在检测多架近距离无人机时，因目标间干扰导致角度估计精度下降的问题，研究人员开展了一项关于迭代单脉冲波束赋形技术的研究。该研究通过构建约束凸优化问题，设计具有干扰抑制能力的和差波束，并提出了低复杂度的正交投影迭代算法。结果表明，该方法在信噪比（SNR）范围内，相比传统方法将均方误差（MSE）降低了高达70%，显著提升了多目标角度估计的精度与鲁棒性，为资源受限的物联网设备提供了高效、实时的无人机检测与跟踪解决方案。

　　

随着无人机在物流、安防、娱乐等领域的快速普及，对可靠、高效的无人机检测与跟踪系统的需求日益迫切。特别是在城市环境中，多架无人机可能同时运行，这对空间感知能力和角度估计精度提出了极高要求。物联网（IoT）技术为雷达系统提供了无缝连接和数据共享的能力，但同时也带来了新的挑战：如何在计算资源和功耗受限的物联网设备上，实现高精度的多目标角度估计？

传统的单脉冲（Monopulse）波束赋形技术因其计算复杂度低、能利用单次快照进行估计而备受青睐。然而，当多个目标（如多架无人机）在空间中距离很近时，目标间的信号会相互干扰，严重扭曲和差波束的输出，导致单脉冲比（DSR）失真，最终造成角度估计错误。虽然MUSIC、压缩感知（CS）等算法能提供高分辨率，但它们通常需要大量信号样本或复杂的计算，难以满足物联网设备对实时性和低功耗的要求。

为了攻克这一难题，来自韩国釜山庆北国立大学（Pukyong National University）和韩国电子通信研究院（ETRI）的研究团队，在《IEEE Access》上发表了一项创新研究。他们提出了一种迭代单脉冲波束赋形方法，旨在为物联网环境下的调频连续波（FMCW）多输入多输出（MIMO）雷达系统，提供一种高精度、低复杂度的多目标角度估计解决方案。

关键技术方法

为了精准估计多个紧密相邻目标的到达角（AoA），研究人员主要采用了以下关键技术方法：

1. 1.
   约束凸优化问题构建：将单脉冲波束设计问题转化为一个凸优化问题。通过施加共轭对称结构约束，将非凸问题转化为线性规划问题，从而高效求解最优波束赋形权向量。
2. 2.
   迭代干扰抑制：提出一种迭代算法，交替更新波束赋形器。在每次迭代中，利用前一步估计出的干扰目标角度，作为新的零陷约束，动态地抑制干扰，逐步提高目标角度估计的精度。
3. 3.
   低复杂度正交投影算法：为了降低计算负担，提出了一种基于正交投影的迭代零陷算法。该方法通过将初始波束权向量投影到干扰方向的零空间，快速生成具有干扰抑制能力的波束，避免了每次迭代都需解决凸优化问题。
4. 4.
   斜率与偏置校准：针对正交投影操作会改变单脉冲比（DSR）的斜率和零点偏置的问题，研究人员推导了相应的校准公式，确保角度估计的准确性。

研究结果

1. 算法收敛性分析

研究人员首先验证了所提算法的收敛性能。结果显示，无论是基于凸优化的迭代算法（Algorithm 1）还是低复杂度的正交投影算法（Algorithm 2），其目标角度估计值都能在数次迭代内迅速收敛到真实值。这表明，通过迭代地抑制干扰，算法能够有效克服多目标间的相互影响，实现高精度的角度定位。

2. 均方误差（MSE）性能分析

在信噪比（SNR）从-10 dB到20 dB的范围内，研究人员评估了所提算法的均方误差（MSE）性能。结果表明，所提出的迭代凸优化单脉冲波束赋形（Algorithm 1）在所有SNR水平下均表现出最佳性能。而低复杂度的迭代零陷算法（Algorithm 2）也显著优于传统的非迭代方法，其性能与需要100个快照的MUSIC算法相当。在高SNR区域，当目标间距较小时，算法会达到一个误差平台，这主要是由目标间残余干扰引起的；而当目标间距增大时，该误差平台消失，证明了算法对紧密相邻目标的超分辨能力。

3. 偏置分析

为了进一步验证算法的无偏性，研究人员评估了角度估计的偏置。结果显示，随着SNR的增加，所提迭代方法的估计偏置趋近于零，证明了算法在统计上的无偏性。

4. 角度分辨率评估

研究人员通过改变两个目标之间的角度间隔，评估了算法的角度分辨率。结果显示，随着角度间隔的减小，传统方法的MSE急剧恶化，而所提方案（Algorithm 1和2）能有效抑制目标间干扰，保持较低的MSE。这从经验上证明了所提方法具备超分辨能力，能够分辨出间距小于阵列瑞利极限的目标。

5. 斜率与偏置校准的影响

为了证明校准的必要性，研究人员比较了带校准和不带校准的迭代零陷算法（Algorithm 2）的性能。结果显示，未校准的版本性能显著下降，而经过校准的算法能有效补偿正交投影带来的DSR斜率和零点偏置变化，从而获得更高的估计精度。此外，在三目标场景下的测试也验证了该方法的可扩展性。

6. 计算复杂度分析

研究人员测量了各算法每帧的处理时间。结果显示，基于凸优化的迭代算法（Algorithm 1）计算量最大（3.76秒），而低复杂度的正交投影算法（Algorithm 2）极其高效（0.39毫秒）。Algorithm 2不仅比Algorithm 1快几个数量级，也比高分辨率的基准算法（如OMP和MUSIC）快得多，这验证了其在资源受限的物联网设备上实时运行的可行性。

7. 实验验证

研究人员利用商用TI AWR2944 FMCW MIMO雷达模块进行了实验室实验，验证了算法在实际环境中的性能。实验场景包括一架悬停的无人机和一架横向移动的无人机。结果显示，传统的单脉冲方法在目标靠近时，角度估计轨迹明显受到干扰而失真；而所提的迭代零陷方法（Algorithm 2）则能提供显著改善且更稳定的角度估计，有效抑制了离轴干扰。通过对静止目标的均方根误差（RMSE）分析，所提方法将RMSE从传统方法的9.76°降低至1.83°，有力地证明了其在真实世界场景中的优越干扰抑制和跟踪精度。

结论与讨论

本研究提出了一种用于物联网FMCW MIMO雷达系统多目标角度估计的迭代单脉冲波束赋形技术。该技术通过构建具有自适应零陷约束的凸优化框架，有效抑制了目标间干扰，特别适用于多架无人机同时运行的复杂城市物联网环境。

该研究的主要贡献包括：（1）一种能够实现精确波束控制的约束凸优化公式；（2）一种结合自适应零陷的迭代算法；（3）一种带有斜率和偏置校准的低复杂度正交投影方法。这些贡献专门针对物联网应用的需求而设计，具有低计算复杂度和高能效的特点。

仿真和实验结果表明，与传统方法相比，该方法可将均方误差（MSE）降低高达70%，证实了其在物联网无人机检测与跟踪系统中的实际应用价值。该方法处理紧密相邻目标的能力，使其在智慧城市应用、安防系统和空域管理中具有广泛的应用前景。其低复杂度的实现方式确保了该方法可以部署在资源受限的物联网设备上，为大规模应用铺平了道路。