基于FDA-MIMO雷达的多径识别与抑制技术：提升智能城市目标检测精度的创新方法

本文提出了一种基于频率分集阵列-多输入多输出（FDA-MIMO）雷达的多径反射识别与抑制方法，通过利用FDA的（距离-角度耦合）特性，将传统多径抑制问题转化为单帧回波数据的空间谱估计问题。该方法无需先验环境信息，通过联合优化阵列发射权重和频率增量（Δf），有效区分真实目标与多径产生的“鬼影目标”（ghost targets），显著降低毫米波宽带雷达在智能城市应用中的虚警率。仿真结果表明，该技术在单/多目标场景下均优于传统MIMO雷达系统。

　　

Highlight

本研究利用FDA-MIMO雷达的独特优势，提出了一种创新的多径识别与抑制框架。通过将多径干扰转化为空间谱估计问题，结合距离向自由度调控能力，实现了对城市复杂环境中虚假目标的精准鉴别。

Multipath Discrimination

如图1所示，直接路径与非直接路径会呈现不同的发射-接收角度组合。定义发射空间频率f_st = ?(2Δf/c)r + (d_t/λ₀)cosθ和接收空间频率f_sr = (d_r/λ₀)cosθ，通过比较两者匹配度可区分真实目标与一阶多径产生的“镜像目标”。

Complexity Analysis

算法1的计算复杂度分析：

• 距离补偿阶段需O(MNL)乘法运算（MOs）

• 发射-接收联合处理消耗O(M³N³) MOs

• 整体复杂度在典型参数下仍优于传统MIMO雷达的多帧平均方法

Simulation Results

仿真参数设置：

• 工作频率f₀=10 GHz

• 10×10阵列（d_t=d_r=0.5λ₀=15 mm）

• 反射系数ρ?₀=0.5e^?π/2

在SNR=?10 dB条件下，该方法成功分离出距离仅相差5米的真实目标与多径干扰，验证了毫米波波段下的高分辨潜力。

Conclusion

本研究通过FDA-MIMO雷达特有的距离-角度耦合特性，创新性地将多径抑制问题转化为空间谱估计问题。该方法不仅实现了单帧数据下的多径识别，还通过联合优化发射参数显著降低了高阶多径干扰强度，为智能城市中的精准目标感知提供了新思路。