基于松弛能量函数的模拟神经网络方法用于分布式MIMO雷达目标定位
信息论
2022-10-20 v2 信号处理
math.IT
摘要
模拟神经网络对求解某些优化问题极为有效，并已用于分布式多输入多输出(MIMO)雷达中的目标定位。在本工作中，我们设计了一种新的基于松弛能量函数的神经网络(RNFNN)用于分布式MIMO雷达目标定位。我们从具有复杂目标函数的最大似然(ML)目标定位出发，通过引入一些辅助变量可将其转化为带等式约束的易处理形式。与现有的拉格朗日规划神经网络(LPNN)方法不同，我们进一步松弛了为目标定位建立的优化问题，从而不再需要拉格朗日乘子项，得到具有更好凸性的松弛能量函数。基于该松弛能量函数，RNFNN以更简单的结构和更快的收敛速度实现。此外，RNFNN方法被扩展至存在发射机与接收机位置误差时的定位。结果表明，所提定位方法的性能在更宽信噪比(SNR)范围内达到Cramér-Rao下界(CRLB)。提供了与最先进方法的广泛比较，证明了所提方法在性能提升与计算复杂度（或收敛速度）方面的优势。
引用
@article{arxiv.2201.00122,
title = {A Relaxed Energy Function Based Analog Neural Network Approach to Target Localization in Distributed MIMO Radar},
author = {Xiaoyu Zhao and Jun Li and Qinghua Guo},
journal= {arXiv preprint arXiv:2201.00122},
year = {2022}
}