Recently proposed multiple input multiple output radars based on matrix completion (MIMO-MC) employ sparse sampling to reduce the amount of data that need to be forwarded to the radar fusion center, and as such enable savings in communication power and bandwidth. This paper proposes designs that optimize the sharing of spectrum between a MIMO-MC radar and a communication system, so that the latter interferes minimally with the former. First, the communication system transmit covariance matrix is designed to minimize the effective interference power (EIP) to the radar receiver, while maintaining certain average capacity and transmit power for the communication system. Two approaches are proposed, namely a noncooperative and a cooperative approach, with the latter being applicable when the radar sampling scheme is known at the communication system. Second, a joint design of the communication transmit covariance matrix and the MIMO-MC radar sampling scheme is proposed, which achieves even further EIP reduction.

The paper proposes a cooperative scheme for the coexistence of a multiple-input-multiple-output (MIMO) communication system and a matrix completion (MC) based, collocated MIMO (MIMO-MC) radar. To facilitate the coexistence, and also deal with clutter, both the radar and the communication systems use transmit precoding. For waveform flexibility, the radar uses a random unitary waveform matrix. We prove that for such waveforms and any precoding matrix, the error performance of MC is guaranteed. The radar transmit precoder, the radar subsampling scheme, and the communication transmit covariance matrix are jointly designed in order to maximize the radar SINR, while meeting certain communication rate and power constraints. The joint design is implemented at a control center, which is a node with whom both systems share physical layer information, and which also performs data fusion for the radar. We provide efficient algorithms for the proposed optimization problem, along with insight on the feasibility and properties of the proposed design. Simulation results show that the proposed scheme significantly improves the spectrum sharing performance in various scenarios.

This paper introduces the concept, theory, and design of 3-D frequency selective rasorbers (FSRs), which have a transmission window transparent to the incident electromagnetic wave with two absorption bands located at both sides of the window. The proposed rasorber consists of a 2-D periodic array of parallel waveguides. The transmission characteristics with high selectivity are produced by lossless resonators implemented using a parallel waveguide with a metallic post in the center. On the other hand, the absorption bands are obtained by lossy resonators constructed by loading of lumped resistors at the entry port of short-circuited waveguides. Physical mechanism of the proposed FSRs is explained with the aid of an equivalent circuit model, and relevant design equations are formulated. Two prototypes of the designed FSRs are fabricated and measured as a proof of concept. The experimental results show that a bandwidth of 50% for the insertion loss less than 3 dB and two absorption bands with a high absorptance of around 90% can be achieved. Moreover, the simulated results also show that the proposed structure exhibits stable performance against the variation of the incident angle of an incoming plane wave.

The complete manipulation of Jones matrix phase-channels using metasurfaces brings forth unparalleled possibilities across diverse wavefront modulation applications. Traditionally, achieving independent control over all four phase-channels usually involves the introduction of chirality with multilayer or three-dimensional metasurfaces. Here, we present a general chirality-free method that relies on polarization base transformation with a planar minimalist metasurface, effectively decoupling the four Jones matrix phase-channels, thereby unleashing the fundamental boundaries imposed by conventional linear or circular polarization bases. To achieve independent wavefront modulation across these four channels, we employ an inverse design methodology leveraging a gradient descent algorithm. Remarkably, our strategy enables four channel wavefront modulations with only three control degrees of freedom within the minimalist meta-structures. As a proof-of-concept, we experimentally project four far-field holographic images, each corresponding to one of the four phase-channels, holding promises for various applications such as augmented/virtual reality display, information encryption, optical communication and data storage.

This paper introduces a design of a branch-line directional coupler based on micro-coaxial technology. Compared to traditional microstrip lines, rectangular coaxial lines have advantages such as high frequency range, low loss, and high isolation performance, making them suitable for operation at higher frequencies. The designed branch-line coupler, with a center frequency of 91 GHz, was simulated, and the results showed that at the center frequency, the coupler's return loss and port isolation were both less than −30 dB, while the total insertion loss was less than 0.35 dB. Additionally, the phase difference between the through port and the coupled port was (90 ±3)°.

The total mileage of the road network in China has been growing rapidly during the last twenty years. With the development of deep learning, the automatic road distr ess detection method is more accurate and effective than manual detection. However, the road are classified into five grades according to the Chinese road standard and each grade has its own characteristics. A single model cannot effectively identify multi-grade roads with different materials and levels of road distress. This study proposes a YOLOv8-based road distress detection strategy adapted for multiple road grades. The improved URetinex-Net network is used to enhance the spatial features and scenario diversity of the road distress datasets. Compared to the base YOLOv8 model, the enhancements have led to a 12% increase in accuracy for cement roads, a 22.3% improvement in detection speed, a 5.5% increase in accuracy for ordinary asphalt roads, a 7.5% increase in recognition accuracy for highways, and a 9.3% improvement in detection speed, with significant effects. This study refines the classification of roads based on their grades and matches them with corresponding artificial intelligence training strategies, providing guidance for road inspection and maintenance.