Automatic detection of pavement cracks is an important task in transportation maintenance for driving safety assurance. However, it remains a challenging task due to the intensity inhomogeneity of cracks and complexity of the background, e.g., the low contrast with surrounding pavement and possible shadows with similar intensity. Inspired by recent success on applying deep learning to computer vision and medical problems, a deep-learning based method for crack detection is proposed in this paper. A supervised deep convolutional neural network is trained to classify each image patch in the collected images. Quantitative evaluation conducted on a data set of 500 images of size 3264 χ 2448, collected by a low-cost smart phone, demonstrates that the learned deep features with the proposed deep learning framework provide superior crack detection performance when compared with features extracted with existing hand-craft methods.

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.

Coprime arrays can achieve an increased number of degrees of freedom by deriving the equivalent signals of a virtual array. However, most existing methods fail to utilize all information received by the coprime array due to the non-uniformity of the derived virtual array, resulting in an inevitable estimation performance loss. To address this issue, we propose a novel virtual array interpolation-based algorithm for coprime array direction-of-arrival (DOA) estimation in this paper. The idea of array interpolation is employed to construct a virtual uniform linear array such that all virtual sensors in the non-uniform virtual array can be utilized, based on which the atomic norm of the second-order virtual array signals is defined. By investigating the properties of virtual domain atomic norm, it is proved that the covariance matrix of the interpolated virtual array is related to the virtual measurements under the Hermitian positive semi-definite Toeplitz condition. Accordingly, an atomic norm minimization problem with respect to the equivalent virtual measurement vector is formulated to reconstruct the interpolated virtual array covariance matrix in a gridless manner, where the reconstructed covariance matrix enables off-grid DOA estimation. Simulation results demonstrate the performance advantages of the proposed DOA estimation algorithm for coprime arrays.

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.

Recently, nested and coprime arrays have attracted considerable interest due to their capability of providing increased array aperture, enhanced degrees of freedom (DOFs), and reduced mutual coupling effect compared to uniform linear arrays (ULAs). These features are critical to improving the performance of direction-of-arrival estimation and adaptive beamforming. In this paper, a new sparse array configuration based on the maximum inter-element spacing constraint (MISC) is proposed. The MISC array configuration generally consists of three sparse ULAs plus two separate sensors that are appropriately placed. The MISC array configurations are designed based on the inter-element spacing set, which, for a given number of sensors, is uniquely determined by a closed-form expression. We also derive closed-form expressions for the number of uniform DOFs of the MISC arrays with any number of sensors. Compared with the existing sparse arrays, the MISC array enjoys two important advantages, namely, providing a higher number of DOFs and reducing the mutual coupling effects. Numerical simulations are conducted to verify the superiority of the MISC array over other sparse arrays.

In this letter, we propose a coprime array interpolation approach to provide an off-grid direction-of-arrival (DOA) estimation. Through array interpolation, a uniform linear array (ULA) with the same aperture is generated from the deterministic non-uniform coprime array. Taking the observed correlations calculated from the signals received at the coprime array, a gridless convex optimization problem is formulated to recover all the rows and columns of the unknown correlation matrix entries corresponding to the interpolated sensors. The optimized Hermitian positive semidefinite Toeplitz matrix functions as the covariance matrix of the interpolated ULA, which enables to resolve off-grid sources. Simulation results demonstrate that the proposed array interpolation-based DOA estimation algorithm achieves improved performance as compared to existing coarray-based DOA estimation algorithms in terms of the number of achievable degrees-of-freedom and estimation accuracy.

A coprime array has a larger array aperture as well as increased degrees-of-freedom (DOFs), compared with a uniform linear array with the same number of physical sensors. Therefore, in a practical wireless communication system, it is capable to provide desirable performance with a low-computational complexity. In this study, the authors focus on the problem of efficient direction-of-arrival (DOA) estimation, where a coprime array is incorporated with the idea of compressive sensing. Specifically, the authors first generate a random compressive sensing kernel to compress the received signals of coprime array to lower-dimensional measurements, which can be viewed as a sketch of the original received signals. The compressed measurements are subsequently utilised to perform high-resolution DOA estimation, where the large array aperture of the coprime array is maintained. Moreover, the authors also utilise the derived equivalent virtual array signal of the compressed measurements for DOA estimation, where the superiority of coprime array in achieving a higher number of DOFs can be retained. Theoretical analyses and simulation results verify the effectiveness of the proposed methods in terms of computational complexity, resolution, and the number of DOFs.