A coprime array uses two uniform linear subarrays to construct an effective difference coarray with certain desirable characteristics, such as a high number of degrees-of-freedom for direction-of-arrival (DOA) estimation. In this paper, we generalize the coprime array concept with two operations. The first operation is through the compression of the inter-element spacing of one subarray and the resulting structure treats the existing variations of coprime array configurations as well as the nested array structure as its special cases. The second operation exploits two displaced subarrays, and the resulting coprime array structure allows the minimum inter-element spacing to be much larger than the typical half-wavelength requirement, making them useful in applications where a small interelement spacing is infeasible. The performance of the generalized coarray structures is evaluated using their difference coarray equivalence. In particular, we derive the analytical expressions for the coarray aperture, the achievable number of unique lags, and the maximum number of consecutive lags for quantitative evaluation, comparison, and design of coprime arrays. The usefulness of these results is demonstrated using examples applied for DOA estimations utilizing both subspace-based and sparse signal reconstruction techniques.

We develop a new technique for a dual-function system with joint radar and communication platforms. Sidelobe control of the transmit beamforming in tandem with waveform diversity enables communication links using the same pulse radar spectrum. Multiple simultaneously transmitted orthogonal waveforms are used for embedding a sequence of LB bits during each radar pulse. Two weight vectors are designed to achieve two transmit spatial power distribution patterns, which have the same main radar beam, but differ in sidelobe levels towards the intended communication receivers. The receiver interpretation of the bit is based on its radiated beam. The proposed technique allows information delivery to single or multiple communication directions outside the mainlobe of the radar. It is shown that the communication process is inherently secure against intercept from directions other than the pre-assigned communication directions. The employed waveform diversity scheme supports a multiple-input multiple-output radar operation mode. The performance of the proposed technique is investigated in terms of the bit error rate.

Blind source separation consists of recovering a set of signals of which only instantaneous linear mixtures are observed. Thus far, this problem has been solved using statistical information available on the source signals. This paper introduces a new blind source separation approach exploiting the difference in the time-frequency (t-f) signatures of the sources to be separated. The approach is based on the diagonalization of a combined set of "spatial t-f distributions". In contrast to existing techniques, the proposed approach allows the separation of Gaussian sources with identical spectral shape but with different t-f localization properties. The effects of spreading the noise power while localizing the source energy in the t-f domain amounts to increasing the robustness of the proposed approach with respect to noise and, hence, improved performance. Asymptotic performance analysis and numerical simulations are provided.

Radar is considered an important technology for health monitoring and fall detection in elderly assisted living due to a number of attributes not shared by other sensing modalities. In this article, we describe the signal processing algorithms and techniques involved in elderly fall detection using radar. A human?s radar signal returns differ in their Doppler characteristics, depending on the nature of the human gross motor activities. These signals are nonstationary in nature, inviting time-frequency analysis in both its linear and bilinear aspects, to play a fundamental role in motion identification, including fall features determination and classification. This article employs real fall data to demonstrate the success of existing detection algorithms as well as to report on some of the challenges facing technology developments for fall detection.

In this paper, we propose co-prime arrays for effective direction-of-arrival (DOA) estimation.To fully utilize the virtual aperture achieved in the difference co-array constructed from a co-prime array structure, sparsity-based spatial spectrum estimation technique is exploited.Compared to existing techniques, the proposed technique achieves better utilization of the co-array aperture and thus results in increased degrees-of-freedom as well as improved DOA estimation performance.

The last decade witnessed a growing demand on radio frequency that is driven by technological advances benefiting the end consumer but requiring new allocations of frequency bandwidths. Further, higher data rates for faster communications and wireless connections have called for an expanded share of existing frequency allocations. Concerns for spectrum congestion and frequency unavailability have spurred extensive research efforts on spectrum management and efficiency within the same type of service and have led to cognitive radio and cognitive radar. On the other hand, devising schemes for coexistence among different services have eased the competition for spectrum resources, especially for radar and wireless communication systems. Both systems have been recently given a common portion of the spectrum by the Federal Communications Commission.

To get the most use out of scarce spectrum, technologies have emerged that permit single systems to accommodate both radar and communications functions. Dual-function radar communication (DFRC) systems, where the two systems use the same platform and share the same hardware and spectral resources, form a specific class of radio-frequency (RF) technology. These systems support applications where communication data, whether as target and waveform parameter information or as information independent of the radar operation, are efficiently transmitted using the same radar aperture and frequency bandwidth. This is achieved by embedding communication signals into radar pulses. In this article, we review the principles of DFRC systems and describe the progress made to date in devising different forms of signal embedding. Various approaches to DFRC system design, including downlink and uplink signaling schemes, are discussed along with their respective benefits and limitations. We present tangible applications of DFRC systems and delineate their design requirements and challenges. Future trends and open research problems are also highlighted.

Deep learning (DL) has shown tremendous promise in radar applications that involve target classification and imaging. In the field of indoor monitoring, researchers have shown an interest in DL for classifying daily human activities, detecting falls, and monitoring gait abnormalities. Driving this interest are emerging applications related to smart and secure homes, assisted living, and medical diagnosis. The success of DL in providing an accurate real-time accounting of observed human-motion articulations fundamentally depends on the neural network structure, input data representation, and proper training. This article puts DL in the context of data-driven approaches for motion classification and compares its performance with other approaches employing handcrafted features. We discuss recent proposed enhancements of DL classification performance and report on important challenges and possible future research to realize its full potential.

In this paper, we propose an approach that uses deep learning to detect a human fall. The proposed approach automatically captures the intricate properties of the radar returns. In order to minimize false alarms, we fuse information from both the time-frequency and range domains. Experimental data is used to demonstrate the superiority of the deep learning based approach in comparison with the principal component analysis method and those methods incorporating predefined physically interpreted features.

Spectrum congestion and competition over frequency bandwidth could be alleviated by deploying dual-function radar-communications systems, where the radar platform presents itself as a system of opportunity to secondary communication functions. In this paper, we propose a new technique for communication information embedding into the emission of multiple-input multiple-output (MIMO) radar using sparse antenna array configurations. The phases induced by antenna displacements in a sensor array are unique, which makes array configuration feasible for symbol embedding. We also exploit the fact that in a MIMO radar system, the association of independent waveforms with the transmit antennas can change over different pulse repetition periods without impacting the radar functionality. We show that by reconfiguring sparse transmit array through antenna selection and reordering waveform-antenna pairing, a data rate of megabits per second can be achieved for a moderate number of transmit antennas. To counteract practical implementation issues, we propose a regularized antenna-selection-based signaling scheme. The possible data rate is analyzed and the symbol/bit error rates are derived. Simulation examples are provided for performance evaluations and to demonstrate the effectiveness of proposed dual-function radar-communication techniques.