Técnicas de SVD Eficientes para Superar Desafíos de Interferencia y Obstáculos en la Extracción de Micro-Doppler en Radares FMCW

Este artículo investiga la extracción de firmas de micro-Doppler en datos de radar de onda continua modulada en frecuencia (FMCW) en escenarios desafiantes, como la detección de objetivos peatonales ocultos mientras el radar opera en presencia de interferencia de otros radares FMCW. La detección confiable de firmas de micro-Doppler (MD) es esencial para aplicaciones como el reconocimiento de peatones en sistemas de vehículos autónomos. Sin embargo, surgen desafíos debido a la interferencia de otros radares FMCW y las reflexiones causadas por obstrucciones ambientales, como vehículos estacionados y automóviles adelante en la carretera. Para abordar esto, primero mostramos que la transformada de Fourier de tiempo corto (STFT), que se utiliza comúnmente para la extracción de MD, no es suficiente en escenarios desafiantes. Mostramos que la descomposición en valores singulares (SVD) de una matriz de muestras de radar complejas en fase (I) y en cuadratura (Q) puede usarse como un paso de preprocesamiento para la extracción de MD en escenarios desafiantes. Sin embargo, para la extracción de MD, SVD necesita llevarse a cabo en una gran matriz de muestras IQ, lo que puede ser intensivo computacionalmente para sistemas de procesamiento de datos radar en chips (SoCs). Estudiamos varios métodos de SVD computacionalmente eficientes, como la descomposición en valores singulares incremental (ISVD) y la descomposición en valores singulares aleatoria (RSVD). Aplicamos ISVD y RSVD para separar los movimientos peatonales de otros objetivos y señales de interferencia radar. La efectividad de varias técnicas de SVD se evaluó en función de su capacidad para preservar características de MD mientras se minimiza el tiempo de procesamiento. Los resultados indican que ISVD y RSVD extraen con éxito características de MD peatonales a pesar de la interferencia mutua de radar y las reflexiones de señales de otros objetivos que actúan como obstáculos. Además, se compararon la eficiencia computacional y el error de reconstrucción para los diferentes métodos de SVD, revelando compensaciones entre los diversos enfoques. Nuestros hallazgos sugieren que tanto los métodos RSVD como ISVD ofrecen soluciones prometedoras para el análisis de extracción de MD basado en radar FMCW en escenarios desafiantes.