Orthogonal Least Squares with Integrated Information Theoretic Criteria for Joint Number of Targets and DoA Estimation

Technische Zusammenfassung: Orthogonale Kleinste-Quadrate mit integrierten informationstheoretischen Kriterien zur gemeinsamen Schätzung der Anzahl von Zielen und der Einfallsrichtung (DoA)

Problemstellung
In Radar-Anwendungen, die Antennenarrays nutzen, ist die Schätzung der Einfallsrichtung (DoA) mehrerer Ziele eine grundlegende Aufgabe. Obwohl Maximum-Likelihood (ML)-Schätzer theoretisch die Cramér-Rao-Untergrenze (CRLB) erreichen können, wächst ihre Rechenkomplexität exponentiell mit der Anzahl der Ziele, was sie für den Echtzeitbetrieb ungeeignet macht. Gierige Methoden wie Orthogonale Kleinste-Quadrate (OLS) bieten eine rechen-effiziente Alternative durch die iterative Auswahl von DoAs. Standard-OLS-Implementierungen erfordern jedoch typischerweise, dass die Anzahl der Ziele ($K$) a priori bekannt ist. In der Praxis ist $K$ ein unbekannter Parameter, der aus den Daten geschätzt werden muss.

Bestehende Ansätze zur Schätzung von $K$ stützen sich häufig auf Stop-Regeln mit festen Schwellenwerten, die auf der Residualenergie basieren; diese sind schwer zu justieren, da optimale Schwellenwerte von variierenden Rausch- und Signalpegeln abhängen. Alternativ bieten informationstheoretische Kriterien (ITC), wie das Akaike-Informationskriterium (AIC) und das Bayes'sche Informationskriterium (BIC), einen prinzipiellen Rahmen für die Auswahl der Modellordnung, indem sie einen Likelihood-Term gegen einen Komplexitätsstrafterm abwägen. Die direkte Anwendung von ITC erfordert jedoch ML-Parameterschätzungen für jede Kandidaten-Modellordnung, was die prohibitiven Rechenkosten mehrdimensionaler Suchen wieder einführt.

Methodik
Dieser Artikel schlägt einen Rahmen vor, der die ITC-Modellordnungs-Auswahl direkt in das gierige OLS-Schätzverfahren integriert, um die Anzahl der Ziele und deren DoAs gemeinsam zu schätzen. Die Autoren entwickeln drei unterschiedliche algorithmische Strategien:

1. Disjunkte ITC-OLS auf Rangbasis: Dieser Ansatz entkoppelt die Aufgaben. Zuerst wird die Anzahl der Ziele unter Verwendung eines auf Rang basierenden ITC auf der Kovarianzmatrix der empfangenen Signale geschätzt. Diese Schätzung bestimmt die Anzahl der Iterationen für ein nachfolgendes Standard-OLS-Verfahren zur Schätzung der DoAs.
2. Gemeinsame ITC-OLS auf Selektionsbasis: Diese Methode integriert den Selektionsprozess direkt. Anstatt vollständige ML-Schätzungen für jede Kandidaten-$k$ zu erfordern, verwendet der Algorithmus die gierigen OLS-Schätzungen in jedem Schritt. Um zu kompensieren, dass OLS-Schätzungen keine ML-Schätzungen sind, wird eine modifizierte ITC-Zielfunktion eingeführt. Diese Funktion enthält einen „ML-Korrekturparameter" ($\sigma^2_c$), der als minimale Rauschvarianz-Ebene interpretiert wird. Der Algorithmus fügt iterativ nur dann einen neuen Zielwinkel hinzu, wenn dies den ITC-Zielfunktionswert reduziert, und nutzt ITC effektiv als dynamisches Stoppkriterium.
3. Hybride ITC-OLS auf Rang- und Selektionsbasis: Dieser Ansatz kombiniert die Stärken der beiden vorherigen. Zuerst wird eine vorläufige Zielanzahl ($\hat{K}$) unter Verwendung des rangbasierten ITC geschätzt. Das OLS-Verfahren wird dann gezwungen, mindestens $\hat{K}$ Ziele auszuwählen. Für Iterationen jenseits von $\hat{K}$ wechselt der Algorithmus zur Logik der gemeinsamen ITC-Selektion und fügt weitere Ziele nur hinzu, wenn sie die Zielfunktion verbessern. Dieses Design zielt darauf ab, die Robustheit rangbasierter Methoden bei niedrigen Signal-zu-Rausch-Verhältnissen (SNR) zu nutzen und gleichzeitig die Präzision selektionsbasierter Methoden bei höheren SNRs auszunutzen.

Alle drei Algorithmen werden sowohl im AIC- als auch im BIC-Rahmen abgeleitet. Das Systemmodell geht von einem passiven Radar-Setup aus, das unbekannte Orthogonal Frequency-Division Multiplexing (OFDM)-Datenrahmen von einem Zugangspunkt nutzt, wobei der Empfänger die übertragenen Symbole nicht decodiert.

Hauptbeiträge
Der Artikel leistet folgende spezifische Beiträge:

• Neuartige Algorithmen: Der Vorschlag von drei Algorithmen (disjunkt, gemeinsam und hybrid), die erfolgreich die ITC-Zielanzahl-Schätzung mit der OLS-DoA-Schätzung kombinieren.
• ML-Korrekturparameter: Die Einführung eines Parameters ($\sigma^2_c$) innerhalb der ITC-Zielfunktion. Dies ermöglicht die Verwendung gieriger OLS-Schätzungen anstelle von rechenintensiven ML-Schätzungen. Der Parameter steuert den Kompromiss zwischen Trefferquote und Fehlalarmrate, insbesondere bei hohen SNRs, wo gierige Methoden andernfalls durch die Detektion spurioser Ziele überanpassen könnten.
• Praktische Anwendung: Die Anwendung dieser Methoden auf ein passives Radarszenario unter Verwendung unbekannter OFDM-Daten, was die Machbarkeit ohne Symbol-Decodierung demonstriert.
• Leistungsanalyse: Eine umfassende numerische Evaluation zeigt, dass der hybride Algorithmus die anderen Varianten und eine Baseline-Methode mit festem Schwellenwert konsistent übertrifft.

Ergebnisse
Numerische Simulationen, durchgeführt über 10.000 Monte-Carlo-Läufe, bewerteten die Algorithmen unter Verwendung des Youden-J-Index (die Differenz zwischen Trefferquote und Fehlalarmrate). Zu den wichtigsten Erkenntnissen gehören:

• Überlegenheit des hybriden Ansatzes: Der hybride ITC-OLS-Algorithmus erzielte die beste Gesamtleistung über variierende SNR-Level, Zielanzahlen und Bandbreiten (Anzahl der Subcarrier). Er nutzte erfolgreich die Komplementarität rangbasierter und selektionsbasierter Strategien.
• AIC vs. BIC: Im bewerteten Szenario schnitten die auf AIC basierenden Varianten die auf BIC basierenden Varianten konsistent besser ab.
• SNR-Bereiche:
  • Bei niedrigem SNR war die disjunkte rangbasierte Methode überlegen, da die selektionsbasierte Methode aufgrund der Dominanz des Rauschens in der Zielfunktion tendenziell zu früh stoppte.
  • Bei mittlerem bis hohem SNR verbesserten die gemeinsamen und hybriden Methoden die Leistung, da die Qualität der OLS-Winkelschätzungen zunahm.
• Parameterjustierung: Der ML-Korrekturparameter $\sigma^2_c$ wurde als kritisch bei hohen SNRs zur Vermeidung von Überschätzung identifiziert. Optimale Werte wurden bei ca. $-35$ dB für AIC und $-45$ dB für BIC ermittelt. Diese Werte erwiesen sich als robust gegenüber Variationen in der Anzahl der Symbole, Subcarrier und Ziele, obwohl sie für unterschiedliche Antennenarray-Größen möglicherweise angepasst werden müssen.

Bedeutung
Der Artikel behauptet, dass seine primäre Bedeutung darin liegt, die Lücke zwischen der Rechen-effizienz gieriger OLS-Methoden und der statistischen Strenge der ITC-Modellordnungs-Auswahl zu schließen. Durch die Umgehung des Bedarfs nach erschöpfenden ML-Suchen ermöglichen die vorgeschlagenen Methoden eine Echtzeit-Gemeinschätzung der Zielanzahl und DoA. Der hybride Ansatz bietet insbesondere eine robuste Lösung, die sich an verschiedene Rauschregime anpasst, ohne eine manuelle Schwellenwertjustierung zu erfordern, und adressiert damit eine bekannte Einschränkung von Stop-Regeln mit festem Schwellenwert in praktischen Radarsystemen.