Paper accepted: Fronthaul-Constrained Distributed Radar Sensing

In diesem Beitrag untersuchen wir ein Netzwerk verteilter Radarsensoren, die gemeinsam Sensing-Aufgaben durchführen, indem sie ihre quantisierten Radarsignale über kapazitätsbeschränkte Fronthaul-Verbindungen an eine zentrale Einheit zur gemeinsamen Verarbeitung übertragen. Wir betrachten dabei Pro-Antenne und Pro-Radar Vektorisierungen zur Quantisierung sowie Fronthaul-Verbindungen mit dedizierten und geteilten Ressourcen, die auf Time-Division Multiple Access (TDMA) basieren. Für dieses Szenario formulieren wir ein gemeinsames Optimierungsproblem für die Fronthaul-Komprimierung und die Zeitzuweisung, das darauf abzielt, die Cramér-Rao-Schranke der aggregierten Radarsignale an der zentralen Einheit zu minimieren. Da das Problem keine Standardform aufweist, die durch bestehende kommerzielle numerische Solver gelöst werden kann, schlagen wir Umformulierungen vor, die es uns ermöglichen, einen effizienten suboptimalen Algorithmus auf der Grundlage von Semidefiniten Programmierung und alternierender konvexer Optimierung zu entwickeln. Darüber hinaus analysieren wir die Konvergenz und Komplexität des vorgeschlagenen Algorithmus. Die Simulationsergebnisse bestätigen, dass durch verteiltes Sensing ein erheblicher Leistungsgewinn erzielt werden kann, insbesondere in praktischen Szenarien, in denen ein einzelnes Radar nicht alle Teile der Szene ausreichend erfassen kann. Darüber hinaus legen die Simulationsergebnisse nahe, dass die gemeinsame Fronthaul-Komprimierung und Zeitzuweisung entscheidend für die effiziente Nutzung der begrenzten Fronthaul-Kapazität ist.