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

तकनीकी सारांश: क्रैमर-राओ बाउंड विश्लेषण और SNGEM का निकट-इष्टतम प्रदर्शन

समस्या विवरण
यह शोध पत्र रडार, 6G संचार और इंस्ट्रूमेंटेशन में वाइडबैंड स्पेक्ट्रल मॉनिटरिंग की चुनौती को संबोधित करता है, जहाँ आवश्यक सैंपलिंग दर (दहाई GS/s) वर्तमान एनालॉग-टू-डिजिटल कनवर्टर (ADC) की क्षमताओं से अधिक है। जबकि शास्त्रीय कंप्रेसिव सेंसिंग (CS) $\ell_1$ या ग्रीडी विधियों के माध्यम से एक समाधान प्रदान करती है, यह महत्वपूर्ण सीमाओं से ग्रस्त है, जिसमें बेसिस मिसमैच (basis mismatch), ऑफ-ग्रिड बायस (off-grid bias), और आयाम (amplitude) एवं चरण (phase) अनुमान में खराब सटीकता शामिल है। मौजूदा नियतात्मक (deterministic) विधियों में अक्सर कठोर सांख्यिकीय दक्षता विश्लेषण का अभाव होता है, जो चरम सब-नाइक्विस्ट (sub-Nyquist) स्थितियों के तहत उनके प्रदर्शन को न्यायसंगत ठहरा सके।

कार्यप्रणाली
यह अध्ययन सिंक्रोनस नाइक्विस्ट-फोल्डिंग जनरल इगेनवैल्यू मेथड (SNGEM) पर केंद्रित है। रैंडम मेजरमेंट मैट्रिसेस (random measurement matrices) का उपयोग करने वाले CS के विपरीत, SNGEM एक सिग्नल $x[n]$ और उसके डिस्क्रीट टाइम-डेरिवेटिव $\dot{x}[n]$ (डिफरेंशियल चैनल) को सिंक्रोनस रूप से प्राप्त करके एक नियतात्मक दृष्टिकोण अपनाता है।

• सिग्नल मॉडल: लेखक एक सिंगल रियल टोन (single real tone) को ड्यूल-चैनल एडिटिव व्हाइट गौसियन नॉइज़ (AWGN) में समाहित मानते हैं। दोनों चैनल समान शोर विचरण (noise variance) साझा करते हैं, जिसके परिणामस्वरूप समान सिग्नल-टू-नॉइज़ रेश्यो (SNR) प्राप्त होता है।
• पैरामीटर अनुमान: विधि आवृत्ति (frequency) का अनुमान अप्रत्यक्ष रूप से आयाम-अनुपात पैरामीटर $R = A/B$ की गणना करके लगाती है, जहाँ $A$ मूल सिग्नल का आयाम है और $B$ डेरिवेटिव सिग्नल का आयाम है (जहाँ $B = 2\pi f A$)।
• सांख्यिकीय विश्लेषण: इस शोध का मुख्य भाग समान-SNR ड्यूल-चैनल गौसियन नॉइज़ के तहत इस आयाम-अनुपात पैरामीटर के लिए सटीक क्रैमर-राओ बाउंड (CRB) का व्युत्पन्न (derivation) है। लेखक व्यक्तिगत आयाम अनुमानों के लिए फिशर इंफॉर्मेशन (Fisher information) का उपयोग करके अनुपात $R$ के सापेक्ष विचरण (relative variance) और, तत्पश्चात, आवृत्ति $f$ का व्युत्पन्न निकालते हैं।

प्रमुख योगदान

1. क्लोज्ड-फॉर्म CRB व्युत्पन्न: यह शोध पत्र ड्यूल-चैनल आयाम-अनुपात आवृत्ति अनुमान के लिए पहला क्लोज्ड-फॉर्म CRB प्रदान करता है। यह स्थापित करता है कि आवृत्ति अनुमान का सापेक्ष विचरण है:
   $$\frac{\text{Var}(\hat{f})}{f^2} \geq \frac{2}{N \cdot \text{SNR}}$$
2. प्रदर्शन दंड (Performance Penalty) का परिमाणीकरण: विश्लेषण से पता चलता है कि आयाम अनुपात के माध्यम से आवृत्ति का अनुमान लगाने से शास्त्रीय सिंगल-चैनल नियतात्मक CRB ($1/(N \cdot \text{SNR})$) की तुलना में ठीक 2× (3 dB) का दंड लगता है। लेखक इसे एक "आश्चर्यजनक रूप से छोटा" दंड बताते हुए इसकी मजबूती (robustness) की व्याख्या करते हैं।
3. तुलनात्मक सत्यापन: अध्ययन ऑर्थोगोनल मैचिंग पजर्प (OMP) एल्गोरिदम का उपयोग करते हुए, जो कि एक मानक CS दृष्टिकोण है, मोंटे-कार्लो सिमुलेशन के माध्यम से SNGEM की तुलना करता है।

परिणाम

• शोर-मुक्त प्रदर्शन: शोर-मुक्त स्थितियों में, SNGEM सभी परीक्षण किए गए कंप्रेशन रेश्यो (8–20×) में फ्रीक्वेंसी, एम्प्लीट्यूड और फेज रूट मीन स्क्वायर एरर (RMSE) मानों को $10^{-14}$ (मशीन प्रिसिजन) से नीचे प्राप्त करता है।
• नॉइजी प्रदर्शन: 5,000 स्वतंत्र रन के सिमुलेशन दिखाते हैं कि SNGEM -10 dB से 50 dB तक के SNR स्तरों में सैद्धांतिक ड्यूल-चैनल CRB के 1.1–1.3× कारक के भीतर ट्रैक करता है।
• OMP के साथ तुलना: जबकि SNGEM सैद्धांतिक सीमा के करीब पहुँचता है, OMP एक अपरिहार्य एरर फ्लोर ($> 10^{-5}$ से $10^{-4}$) प्रदर्शित करता है जो SNR से स्वतंत्र है। इस फ्लोर का कारण DFT ग्रिड बायस और कंप्रेसिव सेंसिंग दृष्टिकोण से जुड़ी एलियासिंग नॉइज़ (aliasing noise) है।

महत्व और दावे
शोध पत्र का दावा है कि SNGEM नियतात्मक सब-नाइक्विस्ट पैरामेट्रिक स्पेक्ट्रल विश्लेषण के लिए सांख्यिकीय रूप से निकट-इष्टतम (near-optimal) है। प्राथमिक महत्व इस बात में निहित है कि यह सिद्ध करना कि सिंक्रोनाइज्ड सिग्नल और डेरिवेटिव चैनल के आयाम अनुपात के माध्यम से आवृत्ति का अप्रत्यक्ष अनुमान लगाने से फुल-रेट सैंपलिंग की तुलना में नगण्य 3 dB प्रदर्शन हानि होती है।

लेखक का तर्क है कि यह सांख्यिकीय दक्षता, इसके नियतात्मक स्वभाव और रैंडम मैट्रिक्स डिजाइन पर निर्भरता की कमी के साथ मिलकर, SNGEM को सटीकता, मजबूती और कैलिब्रेशन आवश्यकताओं के मामले में शास्त्रीय कंप्रेसिव सेंसिंग से नाटकीय रूप से बेहतर बनाती है। शोध निष्कर्ष निकालता है कि व्युत्पन्न CRB उस लुप्त सांख्यिकीय दक्षता विश्लेषण को प्रदान करता है जो चरम कंप्रेशन रेश्यो पर पूर्ण पैरामीटर अनुमान प्राप्त करने की SNGEM की क्षमता को प्रमाणित करता है।