This paper focuses on the combined radar and communications problem and conducts a thorough analytical investigation on the effect of phase and frequency change on the communication and sensing functionality. First, we consider the classical stepped frequency radar waveform and modulate data using M-ary phase shift keying (MPSK). Two important analytical tools in radar waveform design, namely the ambiguity function (AF) and the Fisher information matrix (FIM) are derived, based on which, we make the important conclusion that MPSK modulation has a negligible effect on radar local accuracy. Next, we extend the analysis to incorporate frequency permutations and propose a new signalling scheme in which the mapping between incoming data and waveforms is performed based on an efficient combinatorial transform called the Lehmer code. We also provide an efficient communications receiver based on the Hungarian algorithm. From the communications perspective, we consider the optimal maximum likelihood (ML) detector and derive the union bound and nearest neighbour approximation on the block error probability. From the radar sensing perspective, we discuss the broader structure of the waveform based on the AF derivation and quantify the radar local accuracy based on the FIM.


翻译:本文侧重于雷达和通信的综合问题,对阶段和频率变化对通信和遥感功能的影响进行透彻的分析调查。首先,我们考虑使用M-ary 级转换键(MPSK)的经典中继频率雷达波形和调制数据。在雷达波形设计中,有两个重要的分析工具,即模糊功能(AF)和渔业信息矩阵(FIM),我们据此得出重要结论,即MPSK调制对当地雷达精确度影响微乎其微。接着,我们扩大分析范围,纳入频率调整,并提出一个新的信号系统,在调制成的数据和波形之间进行绘图,根据称为Lehmer码的高效组合式转换进行。我们还根据匈牙利算法提供高效的通信接收器。从通信角度,我们考虑最大可能性(ML)探测器,并根据块误差概率得出紧凑和近邻的联盟。从雷达遥感角度,我们讨论以AF的衍生结果为基础的波形的更广泛结构,并量化基于FIM的当地雷达精确度。

0
下载
关闭预览

相关内容

专知会员服务
24+阅读 · 2021年5月23日
专知会员服务
50+阅读 · 2021年5月19日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
revelation of MONet
CreateAMind
5+阅读 · 2019年6月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
CCF B类期刊IPM专刊截稿信息1条
Call4Papers
3+阅读 · 2018年10月11日
已删除
雪球
6+阅读 · 2018年8月19日
Arxiv
0+阅读 · 2021年9月29日
Arxiv
0+阅读 · 2021年9月29日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Arxiv
5+阅读 · 2017年12月14日
VIP会员
Top
微信扫码咨询专知VIP会员