Cramér-Rao Bound Analysis and Near-Optimal Performance of the Synchronous Nyquist-Folding Generalized Eigenvalue Method (SNGEM) for Sub-Nyquist Multi-Tone Parameter Estimation

Resumen Técnico: Análisis del Límite de Cramér-Rao y Rendimiento Casi Óptimo de SNGEM

Planteamiento del Problema
El artículo aborda el desafío del monitoreo espectral de banda ancha en radar, comunicaciones 6G e instrumentación, donde las tasas de muestreo requeridas (decenas de GS/s) exceden las capacidades actuales de los Convertidores Analógico-Digitales (ADC). Si bien la Compresión de Señales (CS) clásica ofrece una solución mediante métodos de $\ell_1$ o algoritmos ávidos (greedy), esta sufre limitaciones significativas, incluyendo el desajuste de base (basis mismatch), el sesgo fuera de la rejilla (off-grid bias) y una baja precisión en la estimación de amplitud y fase. Los métodos deterministas existentes suelen carecer de un análisis de eficiencia estadística riguroso que justifique su rendimiento bajo condiciones extremas de sub-Nyquist.

Metodología
El estudio se centra en el Método de Autovalores Generalizados de Plegado de Nyquist Sincrónico (SNGEM). A diferencia de las matrices de medición aleatorias utilizadas en CS, SNGEM emplea un enfoque determinista mediante la adquisición sincrónica de una señal $x[n]$ y su derivada de tiempo discreto $\dot{x}[n]$ (el canal diferencial).

• Modelo de Señal: Los autores modelan un único tono real embebido en ruido blanco gaussiano aditivo (AWGN) de doble canal. Ambos canales comparten la misma varianza de ruido, lo que resulta en Relaciones Señal-Ruido (SNR) iguales.
• Estimación de Parámetros: El método estima la frecuencia de forma indirecta calculando el parámetro de relación de amplitud $R = A/B$, donde $A$ es la amplitud de la señal original y $B$ es la amplitud de la señal derivada (donde $B = 2\pi f A$).
• Análisis Estadístico: El núcleo del artículo es la derivación del Límite de Cramér-Rao (CRB) exacto para este parámetro de relación de amplitud bajo ruido gaussiano de doble canal con SNR igual. Los autores utilizan la información de Fisher para las estimaciones de amplitud individuales para derivar la varianza relativa de la relación $R$ y, posteriormente, de la frecuencia $f$.

Contribuciones Clave

1. Derivación de CRB en Forma Cerrada: El artículo proporciona el primer CRB en forma cerrada para la estimación de frecuencia por relación de amplitud de doble canal. Establece que la varianza relativa de la estimación de la frecuencia es:
   $$\frac{\text{Var}(\hat{f})}{f^2} \geq \frac{2}{N \cdot \text{SNR}}$$
2. Cuantificación de la Penalización de Rendimiento: El análisis revela que la estimación de la frecuencia mediante la relación de amplitud incurre en una penalización de exactamente 2× (3 dB) en comparación con el CRB determinista clásico de canal único ($1/(N \cdot \text{SNR})$). Los autores caracterizan esto como una penalización "sorprendentemente pequeña", explicando la robustez del método.
3. Validación Comparativa: El estudio contrasta SNGEM con el algoritmo de Búsqueda de Correspondencia Ortogonal (OMP), un enfoque estándar de CS, utilizando simulaciones de Monte-Carlo.

Resultados

• Rendimiento Sin Ruido: En condiciones sin ruido, SNGM logra valores de Error Cuadrático Medio (RMSE) de frecuencia, amplitud y fase por debajo de $10^{-14}$ (precisión de máquina) en todas las tasas de compresión probadas (8–20×).
• Rendimiento Con Ruido: Las simulaciones con 5,000 ejecuciones independientes muestran que SNGEM sigue el CRB teórico de doble canal dentro de un factor de 1.1–1.3× a través de niveles de SNR que van desde -10 dB hasta 50 dB.
• Comparación con OMP: Mientras que SNGEM se aproxima al límite teórico, OMP exhibe un piso de error irreducible ($> 10^{-5}$ a $10^{-4}$) independiente de la SNR. Este piso se atribuye al sesgo de la rejilla DFT y al ruido de aliasing inherente al enfoque de compresión de señales.

Significancia y Reivindicaciones
El artículo afirma que SNGEM es estadísticamente casi óptimo para el análisis paramétrico espectral determinista de sub-Nyquist. La principal significancia radica en demostrar que la estimación indirecta de la frecuencia mediante la relación de amplitud de los canales sincronizados de señal y derivada resulta en una pérdida de rendimiento de apenas 3 dB en comparación con el muestreo de tasa completa.

Los autores aseguran que esta eficiencia estadística, combinada con la naturaleza determinista del método y la falta de dependencia en el diseño de matrices aleatorias, permite que SNGEM supere drásticamente a la compresión de señales clásica en términos de precisión, robustez y requisitos de calibración. El artículo concluye que el CRB derivado proporciona el análisis de eficiencia estadística faltante que valida la capacidad de SNGEM para lograr la estimación completa de parámetros a tasas de compresión extremas.