In this paper, we derive the performance bounds for joint communication data rate and estimation error of radar target parameters from first principles, where the targets are assumed to be passive. Specifically, we let the targets to have control over their passive reflectors in order to transmit their own information back to the radar via reflection-based beamforming or backscattering. Such a setup avoids active radio frequency transmission from battery operated devices such as friendly (or reconnaissance) drones. The concept of target ambiguity function arises naturally from these derivations, which not only poses challenge to waveform designers, but also provides an opportunity for a joint design of waveform and array geometries to achieve an optimal performance. We derive the Cram\'er-Rao lower bounds for the mean squared error in the estimation of target parameters, and derive lower bounds on the data rates with both radar-only and joint radar and communications scenarios. The challenge of transmit waveform design for joint radar-data communication is illustrated via numerical examples.


翻译:在本文中,我们从最初的原则中得出联合通信数据率和雷达目标参数估计误差的性能界限,根据这些原则,目标被假定为被动。具体地说,我们让目标能够控制其被动反射器,以便通过反射波成形或反射向雷达传输自己的信息。这种设置避免了从友好(或侦察)无人机等电池操作装置中主动无线电频率传输,目标模糊性功能的概念自然产生于这些衍生物,这不仅对波形设计者构成挑战,而且为联合设计波形和阵列地理模型以实现最佳性能提供了机会。我们从中得出目标参数估计中平均平方差的Cram\'er-Rao下限,用仅雷达和联合雷达及通信假想来降低数据率的界限。通过数字例子说明联合雷达-数据通信传输波形设计的挑战。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
计算机 | IUI 2020等国际会议信息4条
Call4Papers
6+阅读 · 2019年6月17日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年5月14日
VIP会员
相关资讯
计算机 | IUI 2020等国际会议信息4条
Call4Papers
6+阅读 · 2019年6月17日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员