Signal Design for Modern Radar Systems

379 Pages·2022·31.888 MB·English

by  Signal Design for Modern Radar Systems Mohammad Alaee-Kerahroodi, Prabhu Babu, Mojtaba Soltanalian, M. R. Bhavani Shankar

Signal Design for Modern Radar Systems
MohammadAlaee-Kerahroodi
MojtabaSoltanalian
PrabhuBabu
M.R.BhavaniShankar

TomylovelywifeZeynab,andmywonderfulsonAli
MohammadAlaee-Kerahroodi
Tothememoryofmyfather,
andallthosewhoheldmyhandsandhelpedmegrow
MojtabaSoltanalian
Toallmyteachers
PrabhuBabu
ToallthosefromwhomIhavelearnt
M.R.BhavaniShankar
v

Contents
Page
Chapter1 Introduction 1
1.1 PracticalSignalDesign . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 TheWhy . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 TheHow . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 TheWhat . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 RadarApplicationFocusAreas . . . . . . . . . . . . . . . . . . 6
1.2.1 DesigningSignalswithGoodCorrelationProperties . 6
1.2.2 SignalDesigntoEnhanceSINR . . . . . . . . . . . . . . 7
1.2.3 Spectral Shaping and Coexistence with Communica-
tions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.4 AutomotiveRadarSignalProcessingandSensingfor
AutonomousVehicles . . . . . . . . . . . . . . . . . . . 8
1.3 WhatthisBookOffers . . . . . . . . . . . . . . . . . . . . . . . 8
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Chapter2 ConvexandNonconvexOptimization 17
2.1 OptimizationAlgorithms . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 GradientDescentAlgorithm . . . . . . . . . . . . . . . 18
2.1.2 Newton’sMethod . . . . . . . . . . . . . . . . . . . . . 18
2.1.3 MirrorDescentAlgorithm . . . . . . . . . . . . . . . . . 19
2.1.4 PowerMethod-LikeIterations . . . . . . . . . . . . . . 20
2.1.5 Majorization-MinimizationFramework . . . . . . . . . 20
2.1.6 BlockCoordinateDescent . . . . . . . . . . . . . . . . . 22
2.1.7 AlternatingProjection . . . . . . . . . . . . . . . . . . . 23
2.1.8 AlternatingDirectionMethodofMultipliers . . . . . . 25
2.2 SummaryoftheOptimizationApproaches . . . . . . . . . . . 26
2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
vii
viii Contents
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Chapter3 PMLI 31
3.1 ThePMLIFormulation . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.1 Fixed-EnergySignals . . . . . . . . . . . . . . . . . . . . 32
3.1.2 UnimodularorConstant-ModulusSignals . . . . . . . 33
3.1.3 Discrete-PhaseSignals . . . . . . . . . . . . . . . . . . . 33
3.1.4 PAR-ConstrainedSignals . . . . . . . . . . . . . . . . . 33
3.2 ConvergenceofRadarSignalDesign . . . . . . . . . . . . . . . 34
3.3 PMLI and the Majorization-Minimization Technique: Points
ofTangency . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 ApplicationofPMLI . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4.1 AToyExample:SynthesizingCross-AmbiguityFunc-
tions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4.2 PMLI Application with Dinkelbach’s Fractional Pro-
gramming . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4.3 Doppler-RobustRadarCodeDesign . . . . . . . . . . . 43
3.4.4 Radar Code Design Based on Information-Theoretic
Criteria . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.5 MIMORadarTransmitBeamforming . . . . . . . . . . 50
3.5 MatrixPMLIDerivationfor(3.71)and(3.75) . . . . . . . . . . 60
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.7 ExerciseProblems . . . . . . . . . . . . . . . . . . . . . . . . . . 61
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Chapter4 MMMethods 67
4.1 SystemModel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2 MMMethod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.2.1 MMMethodforMinimizationProblems . . . . . . . . 70
4.2.2 MMMethodforMinimaxProblems . . . . . . . . . . . 71
4.3 SequenceDesignAlgorithms . . . . . . . . . . . . . . . . . . . 72
4.3.1 ISLMinimizers . . . . . . . . . . . . . . . . . . . . . . . 73
4.3.2 PSLMinimizers . . . . . . . . . . . . . . . . . . . . . . . 100
4.4 NumericalSimulations . . . . . . . . . . . . . . . . . . . . . . . 114
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.6 ExerciseProblems . . . . . . . . . . . . . . . . . . . . . . . . . . 120
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
Chapter5 BCDMethod 125
Contents ix
5.1 TheBCDMethod . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.1.1 RulesforSelectingtheIndexSet . . . . . . . . . . . . . 128
5.1.2 ConvergenceofBCD . . . . . . . . . . . . . . . . . . . . 129
5.2 BSUM:AConnectionBetweenBCDandMM . . . . . . . . . . 131
5.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.3.1 Application1:ISLMinimization . . . . . . . . . . . . . 133
5.3.2 Application2:PSLMinimization . . . . . . . . . . . . . 139
5.3.3 Application3:BeampatternMatchinginMIMORadars 146
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.5 ExerciseProblems . . . . . . . . . . . . . . . . . . . . . . . . . . 152
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Appendix5A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
Appendix5B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Appendix5C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Chapter6 OtherOptimizationMethods 159
6.1 SystemModel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.1.1 SystemModelintheSpatialDomain . . . . . . . . . . . 160
6.1.2 SystemModelintheSpectrumDomain . . . . . . . . . 160
6.2 ProblemFormulation . . . . . . . . . . . . . . . . . . . . . . . . 161
6.3 OptimizationApproach . . . . . . . . . . . . . . . . . . . . . . 162
6.3.1 Convergence . . . . . . . . . . . . . . . . . . . . . . . . 166
6.3.2 ComputationalComplexity . . . . . . . . . . . . . . . . 167
6.4 NumericalResults. . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.4.1 ConvergenceAnalysis . . . . . . . . . . . . . . . . . . . 168
6.4.2 PerformanceEvaluation . . . . . . . . . . . . . . . . . . 169
6.4.3 TheImpactofSimilarityParameter . . . . . . . . . . . 171
6.4.4 TheImpactofZeroPadding. . . . . . . . . . . . . . . . 173
6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
Appendix6A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
Chapter7 DeepLearningforRadar 179
7.1 DeepLearningforGuaranteedRadarProcessing . . . . . . . . 182
7.1.1 DeepArchitectureforRadarProcessing . . . . . . . . . 183
7.1.2 NumericalStudiesandRemarks . . . . . . . . . . . . . 187
7.2 DeepRadarSignalDesign . . . . . . . . . . . . . . . . . . . . . 189
7.2.1 TheDeepEvolutionaryCognitiveRadarArchitecture . 192
7.2.2 PerformanceAnalysis . . . . . . . . . . . . . . . . . . . 193