From b23ad6c971cda3e758c2d843eeb1837daa912993 Mon Sep 17 00:00:00 2001 From: Josh Gao Date: Wed, 17 Jun 2026 12:50:23 +0800 Subject: [PATCH] =?UTF-8?q?content(sec6):=20=E5=B1=95=E5=BC=80=20Doppler?= =?UTF-8?q?=20comb=20/=20tooth=20ambiguity=20=E7=9A=84=E7=9B=B4=E8=A7=89?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 原小节直接上 frame-time spectral window 与 Dirichlet 窗口，缺"为什么周期帧 产生 comb"的直觉。补一段：周期帧定时 = 慢时间维以 Δτf 对 Doppler 相位采样， 与等间隔阵列栅瓣/时间欠采样混叠同理——相差 2π/Δτf 的 Doppler 每帧相位增量 相同、无从分辨，故目标退化为等间隔的 comb teeth，选错 tooth 即门限区 outlier。 并点明 comb 峰条件（Δν·τp=2πkp 为 2π 整数倍）、以及非周期 subset 打破周期性 使真峰凸显、利于 acquisition。完整 Dirichlet 推导仍在附录 G。 --- parts/sec6_multiFrameCp.tex | 7 +++++-- 1 file changed, 5 insertions(+), 2 deletions(-) diff --git a/parts/sec6_multiFrameCp.tex b/parts/sec6_multiFrameCp.tex index 0e0480e..797b85c 100644 --- a/parts/sec6_multiFrameCp.tex +++ b/parts/sec6_multiFrameCp.tex @@ -257,6 +257,9 @@ $\boldsymbol\xi$ 的增益主要来自空间视线与阵列流形几何多样性 \label{subsec:fdCombToothAmbiguity} 上一小节的 \gls{efim} 描述的是已落入正确局部 basin 后的 in-tooth 曲率；它不能解释 profile likelihood 在 Doppler 方向上的全局离散多峰结构——后者属于局部 \gls{crb} 失效的门限区现象~\cite{athleyThresholdRegionPerformance2005}。 + +直观上，这一多峰结构来自\emph{周期帧定时}本身。各帧在慢时间维度上以近似等间隔 $\Delta\tau_{\mathrm{f}}$ 排列时，跨帧相干合并相当于以采样间隔 $\Delta\tau_{\mathrm{f}}$ 对参考链路 Doppler 相位采样；这与等间隔稀疏阵列出现栅瓣、时间欠采样产生频率混叠是同一机理——相差 $2\pi/\Delta\tau_{\mathrm{f}}$ 的两个 Doppler 值在\emph{每一帧}上给出完全相同的相位增量，相干匹配无从分辨。于是沿 $\nu_{\mathrm{ref}}$ 的集中目标不再是单峰，而是一排等间隔的峰，即 comb 的各 tooth：真值只落在其中一个 tooth 上，但仅凭周期数据无法判定是哪一个（tooth ambiguity），选错会造成约一个 tooth 间隔的整周 Doppler 大误差，正是门限区里典型的 outlier。下面用 frame-time spectral window 把这一周期结构定量化。 + 若参与相干匹配的帧集合为 $\mathcal P$、第 $p$ 帧起始偏移为 $\tau_p$，则沿 $\nu_{\mathrm{ref}}$ 方向的集中目标包含 frame-time spectral window % \begin{equation} @@ -274,13 +277,13 @@ $\boldsymbol\xi$ 的增益主要来自空间视线与阵列流形几何多样性 \qquad k\in\mathbb Z \end{equation} % -处所有帧相位同时对齐，产生间隔为 $\Delta\nu_{\mathrm{tooth}}$ 的 comb-like objective branches。 +处每帧相位增量 $\Delta\nu\,\tau_p=2\pi kp$ 恰为 $2\pi$ 的整数倍、所有帧同相叠加，产生间隔为 $\Delta\nu_{\mathrm{tooth}}$ 的 comb-like objective branches。 换算到物理 Hz 即 $\Delta\nu_{\mathrm{tooth}}^{\mathrm{Hz}}=1/(\Delta\tau_{\mathrm{f}}T_{\mathrm s})$。 该 comb 是全局 profile likelihood 的周期窗口效应，与 \gls{efim} 局部曲率并不矛盾——\gls{efim} 只刻画某一个 tooth 内的二阶曲率，并不保证全局唯一 tooth。 相邻 tooth 是否容易区分由两层因素共同决定：单帧 pilot block 的长度 $T$（控制块内 Doppler 相干带宽）与非周期 subset 的窗口形状（控制 comb 旁瓣压制）。 当 $T\ll\Delta\tau_{\mathrm{f}}$ 时，相邻 tooth 的块内相干损失约为 $\frac{\pi^2}{3}(T/\Delta\tau_{\mathrm{f}})^2$，因此增大 $T$ 可增强相邻 tooth 的分离度。 -非周期 subset 更适合用于 tooth acquisition；完整周期数据在 tooth 选对之后由于保留更多相干能量，更适合同 tooth 内 refine。 +非周期 subset 打破 comb 的严格周期性，使本来等高的假 tooth 退化为受压制的旁瓣、真峰凸显，因而更适合 tooth acquisition；完整周期数据在 tooth 选对之后由于保留更多相干能量，更适合同 tooth 内 refine。 若定义 tooth 可分离性为不同 $k$ 下 profile optimum 之间的目标差 % \begin{equation}