Compressed Sensing-Driven Near-Field Localization Exploiting Array of Subarrays

技術要約：サブアレイを用いた圧縮センシング駆動型近距離場位置推定

問題提起
本論文は、統合センシング・通信（ISAC）システムにおける高分解能な近距離場（ニアフィールド）位置推定の課題に取り組んでいる。無線システムが高周波帯（mmWaveおよびテラヘルツ波）へと移行し、アンテナアレイが大型化するにつれ、近距離場領域が拡大しており、角度と距離の両方を推定する必要が生じている。フルデジタル・アレイ構成（すべてのアンテナ素子に専用のRFチェーンを配置する構成）は高い分解能を提供するが、大規模な開口部に対してはコストと消費電力が極めて高くなる。

ハードウェアコストを軽減するため、大規模なアパーチャをより小さなサブアレイへと分割し、RFチェーンの数を減らす疎なモジュール型アレイ構成が検討されている。しかし、このような疎な構成は深刻な空間的アンダーサンプリングを引き起こし、パラメータ推定において大きな曖昧さの原因となるグレーティングローブを生じさせる。既存の手法は、フルデジタル・アレイの高いハードウェアコストと、圧縮センシング（CS）を用いてデータ次元をさらに削減しようとする際の疎なサブアレイによる曖昧さの問題との間で、適切なバランスを取ることに苦慮している。

手法：SHAREアルゴリズム
著者らは、$P$ 個のサブアレイ（各サブアレイは $M_0$ 個の素子を含む）が、$P$ 個のRFチェーンを介してアナログ結合ネットワークに接続されているモジュール型アレイ構成向けに設計された、新しい2段階の疎回復アルゴリズムであるSHARE（Sparse Hierarchical Angle-Range Estimation）を提案している。本システムは、アナログ位相シフタを変化させることで、$K$ 個の異なる測定スナップショットを取得するために圧縮センシングを利用する。

アルゴリズムは以下のように動作する：

1. ステージ1：粗い非曖昧角度推定

   • 目的： 計算負荷の高いグローバル探索を行うことなく、グレーティングローブによる曖昧さを解消すること。
   • メカニズム： アルゴリズムは各サブアレイを個別に扱う。サブアレイ内のアパーチャは小さいため（素子数 $M_0$）、密度が高く（間隔 $d \le \lambda/2$）、グレーティングローブが発生しない。さらに、ソースは小さなサブアレイに対して遠距離場にあると近似できるため、簡略化された距離に依存しないステアリングベクトルの使用が可能となる。
   • 処理： アルゴリズムは、非コヒーレント結合を用いて各サブアレイのパワースペクトルを独立して計算する。これらの個別のパワースペクトルを合算することで、堅牢な結合スペクトル $P_{total}(\theta)$ を作成する。このスペクトルのピークにより、粗い非曖昧な角度推定値 $\hat{\Theta}_0$ が得られる。このステージは、位相を補償するために角度を知る必要があるというコヒーレント結合の循環依存性を回避し、ノイズや偽のアーティファクトを効果的に抑制する。

2. ステージ2：高分解能な角度・距離の共同精緻化

   • 目的： フルな疎アパーチャを活用して、正確な距離を推定し、角度を精緻化すること。
   • メカニズム： ステージ1で得られた粗い角度推定値を用いて、推定された角度の近傍にのみ、局所的で細粒度な2D探索グリッド（ディクショナリ）を構築する。これにより、グローバルなグリッドと比較して探索空間を劇的に削減できる。
   • 処理： 問題は、この局所的なディクショナリ上での疎回復問題（マルチメジャーメントベクトル）として定式化される。直交マッチング追跡法（OMP）のような貪欲法（Greedy algorithm）を用いて、角度と距離の両方の精緻な推定値を同時に得るための疎な解を見つけ出す。

主な貢献

• 低計算量フレームワーク： 本論文は、少数のRFチェーンを使用して多数のアンテナからの信号を処理する圧縮センシングフレームワークを導入しており、大規模なアパーチャを維持しながらハードウェアコストを大幅に削減している。
• 階層的アルゴリズム（SHARE）： 著者らは、推定問題を分離する2段階のアルゴリズムを提案している。これは、高密度なサブアレイを用いて角度の曖昧さを解決し（ステージ1）、その後、フルな疎アパーチャを用いて高分解能な共同精緻化を行う（ステージ2）。
• 性能検証： 広範なシミュレーションを通じて、本論文は、SHAREがマルチソースの近距離場シナリオにおいて、従来のワンショット圧縮手法（2D-OMP）や古典的なフルデジタルアルゴリズム（2D-MUSIC）よりも優れていることを示している。

シミュレーション結果
著者らは、$P=4$ のサブアレイと $M_0=16$ の素子を用い、モンテカルロ・シミュレーションを用いて、SHAREを（同じ圧縮データに基づく）2D-OMPおよび（フルデジタルデータに基づく）2D-MUSICと比較評価した。

• 精度： 近接したソースが存在するシナリオでは、2D-OMPはディクショナリのコヒーレンスによりソースを分離できず、2D-MUSICは距離を正確に推定できなかった。これに対し、SHAREは角度と距離の両方を正常に分離し、より少ないデータへのアクセスでありながら、2D-MUSICと同等またはそれを上回る精度を達成した。
• 堅牢性： SHAREは、ソース数や圧縮測定回数が変化しても、位置推定における中央値の二乗平均平方根誤差（RMSE）が低いことを示した。追加の測定量が増えても性能が頭打ちになる2D-OMPとは異なり、SHAREの精度は測定量が増えるにつれて向上した。
• 計算効率： SHAREは計算量を大幅に削減した。グローバルな2D探索を、粗い1D探索とその後の局所的な2D探索へと変換することにより、テストされた構成において、SHAREは2D-OMPよりも約8倍計算効率が高く、かつ2D-MUSICの $O(M^3)$ の計算量よりもはるかに効率的であった。

意義と主張
本論文は、SHAREが高分解能な近距離場ISACシステムを実装するための実用的な経路を提供すると主張している。本手法は、サブアレイ・アーキテクチャの特性を活用することで、ハードウェアコストと推定の曖昧さの間のトレードオフに対処している。著者らは、階層的アプローチが、大規模なアパーチャの分解能の利点を維持しながら、網羅的な2Dグリッド探索の禁止的な計算コストを回避できると断言している。結論として、SHAREは力まかせの圧縮手法よりも正確かつ堅牢であるだけでなく、高性能な近距離場位置推定を低コストの疎なハードウェアで実現可能にするスケーラブルなソリューションを提供すると述べている。

著者らが言及している今後の課題には、最適化されたセンシング行列の設計、および相互結合効果やその他のハードウェアの非理想性を考慮した、実際のハードウェア・テストベッドでのアルゴリズムの検証が含まれる。