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

Sintesi Tecnica: Minimi Quadrati Ortogonali con Criteri Teorico-Informativi Integrati per la Stima Congiunta del Numero di Bersagli e della DoA

Enunciato del Problema
Nelle applicazioni radar che utilizzano array di antenne, la stima della direzione di arrivo (DoA) di più bersagli è un compito fondamentale. Sebbene gli stimatori di Massima Verosimiglianza (ML) possano teoricamente raggiungere il Limite Inferiore di Cramér-Rao (CRLB), la loro complessità computazionale cresce esponenzialmente con il numero di bersagli, rendendoli inadatti per operazioni in tempo reale. I metodi greedy, come i Minimi Quadrati Ortogonali (OLS), offrono un'alternativa computazionalmente efficiente selezionando iterativamente le DoA. Tuttavia, le implementazioni standard di OLS richiedono tipicamente che il numero di bersagli ($K$) sia noto a priori. Nella pratica, $K$ è un parametro sconosciuto che deve essere stimato dai dati.

Gli approcci esistenti per stimare $K$ spesso si basano su regole di arresto a soglia fissa basate sull'energia residua, che sono difficili da sintonizzare poiché le soglie ottimali dipendono da livelli variabili di rumore e segnale. In alternativa, i Criteri Teorico-Informativi (ITC), come il Criterio di Informazione di Akaike (AIC) e il Criterio di Informazione Bayesiano (BIC), forniscono un quadro principiale per la selezione dell'ordine del modello bilanciando un termine di verosimiglianza contro una penalità di complessità. Tuttavia, l'applicazione diretta degli ITC richiede stime dei parametri ML per ogni ordine di modello candidato, il che reintroduce il costo computazionale proibitivo delle ricerche multidimensionali.

Metodologia
Questo articolo propone un quadro che integra la selezione dell'ordine del modello ITC direttamente nella procedura di stima greedy OLS per stimare congiuntamente il numero di bersagli e le loro DoA. Gli autori sviluppano tre strategie algoritmiche distinte:

1. ITC-OLS basato su rango disgiunto: Questo approccio disaccoppia i compiti. Innanzitutto, il numero di bersagli viene stimato utilizzando un ITC basato sul rango applicato alla matrice di covarianza campionaria dei segnali ricevuti. Questa stima determina il numero di iterazioni per una successiva procedura OLS standard per stimare le DoA.
2. ITC-OLS basato su selezione congiunta: Questo metodo integra direttamente il processo di selezione. Invece di richiedere stime ML complete per ogni $k$ candidato, l'algoritmo utilizza le stime greedy OLS a ogni passo. Per compensare il fatto che le stime OLS non sono stime ML, viene introdotta una funzione obiettivo ITC modificata. Questa funzione include un "parametro di correzione ML" ($\sigma^2_c$), interpretato come un livello minimo di varianza del rumore. L'algoritmo aggiunge iterativamente un nuovo angolo di bersaglio solo se riduce il valore della funzione obiettivo ITC, utilizzando efficacemente l'ITC come criterio di arresto dinamico.
3. ITC-OLS ibrido basato su rango e selezione: Questo approccio combina i punti di forza dei due precedenti. Stima innanzitutto un conteggio preliminare di bersagli ($\hat{K}$) utilizzando l'ITC basato sul rango. La procedura OLS è quindi costretta a selezionare almeno $\hat{K}$ bersagli. Per le iterazioni oltre $\hat{K}$, l'algoritmo passa alla logica di selezione congiunta basata su ITC, aggiungendo ulteriori bersagli solo se migliorano la funzione obiettivo. Questo design mira a sfruttare la robustezza dei metodi basati sul rango a bassi rapporti Segnale-Rumore (SNR) utilizzando al contempo la precisione dei metodi basati sulla selezione a SNR più elevati.

Tutti e tre gli algoritmi sono derivati sia nel quadro AIC che in quello BIC. Il modello di sistema assume una configurazione radar passiva che utilizza frame di dati OFDM (Orthogonal Frequency-Division Multiplexing) sconosciuti da un punto di accesso, dove il ricevitore non decodifica i simboli trasmessi.

Contributi Chiave
L'articolo apporta i seguenti contributi specifici:

• Nuovi Algoritmi: La proposta di tre algoritmi (disgiunto, congiunto e ibrido) che combinano con successo la stima del numero di bersagli ITC con la stima DoA OLS.
• Parametro di Correzione ML: L'introduzione di un parametro ($\sigma^2_c$) all'interno della funzione obiettivo ITC. Questo permette l'uso di stime greedy OLS al posto delle stime ML computazionalmente costose. Il parametro controlla il compromesso tra tasso di rilevamento e tasso di falsi allarmi, in particolare ad alti SNR dove i metodi greedy potrebbero altrimenti sovradattare rilevando bersagli spurii.
• Applicazione Pratica: L'applicazione di questi metodi a uno scenario radar passivo che utilizza dati OFDM sconosciuti, dimostrando la fattibilità senza decodifica dei simboli.
• Analisi delle Prestazioni: Una valutazione numerica completa che mostra come l'algoritmo ibrido superi costantemente le altre varianti e un metodo di riferimento a soglia fissa.

Risultati
Le simulazioni numeriche, condotte su 10.000 esecuzioni Monte-Carlo, hanno valutato gli algoritmi utilizzando la statistica J di Youden (la differenza tra tasso di rilevamento e tasso di falsi allarmi). Le scoperte chiave includono:

• Superiorità dell'Approccio Ibrido: L'algoritmo ibrido ITC-OLS ha ottenuto le prestazioni complessive migliori su vari livelli SNR, numeri di bersagli e larghezze di banda (numero di portanti). Ha sfruttato con successo la complementarità delle strategie basate sul rango e basate sulla selezione.
• AIC vs BIC: Nello scenario valutato, le varianti basate su AIC hanno superato costantemente quelle basate su BIC.
• Regimi SNR:
  • A basso SNR, il metodo disgiunto basato sul rango è stato superiore perché il metodo basato sulla selezione tendeva a fermarsi troppo presto a causa della dominanza del rumore nella funzione obiettivo.
  • A medio-alto SNR, i metodi congiunto e ibrido hanno migliorato le prestazioni man mano che la qualità delle stime angolari OLS aumentava.
• Sintonizzazione dei Parametri: Il parametro di correzione ML $\sigma^2_c$ è risultato critico ad alti SNR per prevenire la sovrastima. I valori ottimali sono stati identificati intorno a $-35$ dB per AIC e $-45$ dB per BIC. Questi valori sono risultati robusti rispetto alle variazioni nel numero di simboli, portanti e bersagli, sebbene possano richiedere sintonizzazione per diverse dimensioni di array di antenne.

Significato
L'articolo afferma che il suo significato principale risiede nel colmare il divario tra l'efficienza computazionale dei metodi greedy OLS e il rigore statistico della selezione dell'ordine del modello ITC. Evitando la necessità di ricerche ML esaustive, i metodi proposti abilitano la stima congiunta in tempo reale del conteggio dei bersagli e della DoA. L'approccio ibrido, in particolare, offre una soluzione robusta che si adatta a diversi regimi di rumore senza richiedere la sintonizzazione manuale delle soglie, affrontando una limitazione nota delle regole di arresto a soglia fissa nei sistemi radar pratici.