基于 Transformer 的到达角估计：一种稀疏无网格且零-shot 方法

汽车多输入多输出（MIMO）雷达由于其成本效益、在恶劣运行条件下的鲁棒性以及扩展的检测范围，在高级驾驶辅助系统（ADAS）和自动驾驶车辆（AV）中获得了显着 traction。为了充分利用 MIMO 雷达的优势，关键是开发一种在合理计算负载下提供高性能的到达角（AOA）算法。本工作引入 AAETR（Angle of Arrival Estimation with TRansformer），用于高性能无网格 AOA 估计。综合评估显示，AAETR 在各种信噪比（SNR）和多目标场景下的性能优于诸如迭代自适应方法（IAA）等超分辨率 AOA 算法。该提议架构具有高效、可扩展、稀疏和无网格的角度查找功能，克服了高计算成本和与 SNR 相关的网格-based IAA 中的 straddling loss 问题。AAETR 需要更少的可调超参数，并可在深度学习雷达感知管道中端到端训练。训练在大规模模拟数据集上，然后在真实数据集上评估，AAETR 显示出惊人的零-shot sim-to-real 传递能力和新兴的旁瓣抑制能力。这突显了所提方法的有效性及其在实际系统中作为一个即插即用模块的潜力。