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

Résumé technique : Moindres carrés orthogonaux avec critères intégrés de théorie de l'information pour l'estimation conjointe du nombre de cibles et de la direction d'arrivée

Énoncé du problème
Dans les applications radar utilisant des réseaux d'antennes, l'estimation de la direction d'arrivée (DoA) de multiples cibles est une tâche fondamentale. Bien que les estimateurs du maximum de vraisemblance (ML) puissent théoriquement atteindre la borne inférieure de Cramér-Rao (CRLB), leur complexité computationnelle croît de façon exponentielle avec le nombre de cibles, les rendant inadaptés à une opération en temps réel. Les méthodes gloutonnes, telles que les moindres carrés orthogonaux (OLS), offrent une alternative computationnellement efficace en sélectionnant itérativement les DoA. Cependant, les implémentations standard de l'OLS nécessitent généralement que le nombre de cibles ($K$) soit connu a priori. En pratique, $K$ est un paramètre inconnu qui doit être estimé à partir des données.

Les approches existantes pour estimer $K$ reposent souvent sur des règles d'arrêt à seuil fixe basées sur l'énergie résiduelle, qui sont difficiles à régler car les seuils optimaux dépendent des niveaux variables de bruit et de signal. Alternativement, les critères de théorie de l'information (ITC), tels que le critère d'information d'Akaike (AIC) et le critère d'information bayésien (BIC), fournissent un cadre principiel pour la sélection de l'ordre du modèle en équilibrant un terme de vraisemblance contre une pénalité de complexité. Cependant, l'application directe des ITC nécessite des estimations de paramètres ML pour chaque ordre de modèle candidat, ce qui réintroduit le coût computationnel prohibitif des recherches multidimensionnelles.

Méthodologie
Cet article propose un cadre qui intègre la sélection de l'ordre du modèle par ITC directement dans la procédure d'estimation gloutonne OLS pour estimer conjointement le nombre de cibles et leurs DoA. Les auteurs développent trois stratégies algorithmiques distinctes :

1. ITC-OLS disjoint basé sur le rang : Cette approche découple les tâches. D'abord, le nombre de cibles est estimé en utilisant un ITC basé sur le rang appliqué à la matrice de covariance d'échantillon des signaux reçus. Cette estimation détermine le nombre d'itérations pour une procédure OLS standard ultérieure afin d'estimer les DoA.
2. ITC-OLS de sélection conjointe : Cette méthode intègre directement le processus de sélection. Au lieu d'exiger des estimations ML complètes pour chaque $k$ candidat, l'algorithme utilise les estimations OLS gloutonnes à chaque étape. Pour compenser le fait que les estimations OLS ne sont pas des estimations ML, une fonction objectif ITC modifiée est introduite. Cette fonction inclut un « paramètre de correction ML » ($\sigma^2_c$), interprété comme un niveau minimal de variance du bruit. L'algorithme ajoute itérativement un nouvel angle de cible uniquement s'il réduit la valeur de la fonction objectif ITC, utilisant efficacement l'ITC comme critère d'arrêt dynamique.
3. ITC-OLS hybride basé sur le rang et la sélection : Cette approche combine les forces des deux précédentes. Elle estime d'abord un nombre préliminaire de cibles ($\hat{K}$) en utilisant l'ITC basé sur le rang. La procédure OLS est ensuite contrainte de sélectionner au moins $\hat{K}$ cibles. Pour les itérations au-delà de $\hat{K}$, l'algorithme bascule vers la logique de sélection conjointe basée sur l'ITC, ajoutant davantage de cibles uniquement si elles améliorent la fonction objectif. Cette conception vise à tirer parti de la robustesse des méthodes basées sur le rang à faible rapport signal sur bruit (SNR) tout en utilisant la précision des méthodes basées sur la sélection à des SNR plus élevés.

Les trois algorithmes sont dérivés dans les cadres AIC et BIC. Le modèle de système suppose une configuration radar passive utilisant des trames de données OFDM (multiplexage par répartition orthogonale de la fréquence) inconnues provenant d'un point d'accès, où le récepteur ne décode pas les symboles transmis.

Contributions clés
L'article apporte les contributions spécifiques suivantes :

• Algorithmes novateurs : La proposition de trois algorithmes (disjoint, conjoint et hybride) qui combinent avec succès l'estimation du nombre de cibles par ITC avec l'estimation DoA par OLS.
• Paramètre de correction ML : L'introduction d'un paramètre ($\sigma^2_c$) au sein de la fonction objectif ITC. Cela permet l'utilisation d'estimations OLS gloutonnes à la place d'estimations ML computationnellement coûteuses. Le paramètre contrôle le compromis entre le taux de détection et le taux de fausse alarme, en particulier à des SNR élevés où les méthodes gloutonnes pourraient sinon surajuster en détectant des cibles spuriaires.
• Application pratique : L'application de ces méthodes à un scénario radar passif utilisant des données OFDM inconnues, démontrant la faisabilité sans décodage de symboles.
• Analyse de performance : Une évaluation numérique complète montrant que l'algorithme hybride surpasse constamment les autres variantes et une méthode de référence à seuil fixe.

Résultats
Des simulations numériques, menées sur 10 000 runs de Monte-Carlo, ont évalué les algorithmes en utilisant la statistique J de Youden (la différence entre le taux de détection et le taux de fausse alarme). Les résultats clés incluent :

• Supériorité de l'approche hybride : L'algorithme ITC-OLS hybride a obtenu les meilleures performances globales à travers différents niveaux de SNR, nombres de cibles et largeurs de bande (nombre de sous-porteuses). Il a exploité avec succès la complémentarité des stratégies basées sur le rang et basées sur la sélection.
• AIC vs BIC : Dans le scénario évalué, les variantes basées sur l'AIC ont constamment surpassé les variantes basées sur le BIC.
• Régimes de SNR :
  • À faible SNR, la méthode disjointe basée sur le rang était supérieure car la méthode basée sur la sélection avait tendance à s'arrêter trop tôt en raison de la dominance du bruit dans la fonction objectif.
  • À SNR moyen à élevé, les méthodes conjointe et hybride ont amélioré les performances à mesure que la qualité des estimations d'angle OLS augmentait.
• Réglage des paramètres : Le paramètre de correction ML $\sigma^2_c$ s'est avéré critique à des SNR élevés pour prévenir la surestimation. Des valeurs optimales ont été identifiées autour de $-35$ dB pour l'AIC et $-45$ dB pour le BIC. Ces valeurs se sont révélées robustes face aux variations du nombre de symboles, de sous-porteuses et de cibles, bien qu'elles puissent nécessiter un réglage pour différentes tailles de réseaux d'antennes.

Signification
L'article affirme que sa signification principale réside dans le comblement du fossé entre l'efficacité computationnelle des méthodes gloutonnes OLS et le rigueur statistique de la sélection de l'ordre du modèle par ITC. En contournant le besoin de recherches ML exhaustives, les méthodes proposées permettent une estimation conjointe en temps réel du nombre de cibles et de la DoA. L'approche hybride, en particulier, offre une solution robuste qui s'adapte à différents régimes de bruit sans nécessiter de réglage manuel des seuils, répondant ainsi à une limitation connue des règles d'arrêt à seuil fixe dans les systèmes radar pratiques.