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

기술 요약: 통합 정보 이론적 기준을 사용한 직교 최소제곱법으로 표적 수 및 DoA 동시 추정

문제 제기
안테나 어레이를 활용하는 레이더 응용 분야에서 다중 표적의 도착 방향 (DoA) 을 추정하는 것은 근본적인 과제입니다. 최대우도 (ML) 추정기는 이론적으로 크라메르 - 라오 하한 (CRLB) 을 달성할 수 있지만, 그 계산 복잡도가 표적 수에 따라 기하급수적으로 증가하여 실시간 운영에는 부적합합니다. 직교 최소제곱 (OLS) 과 같은 탐욕적 방법은 DoA 를 반복적으로 선택함으로써 계산 효율적인 대안을 제공합니다. 그러나 표준 OLS 구현은 일반적으로 표적 수 ($K$) 를 사전에 알고 있어야 합니다. 실제 상황에서는 $K$가 데이터로부터 추정되어야 하는 미지의 매개변수입니다.

기존의 $K$ 추정 접근법은 종종 잔여 에너지에 기반한 고정 임계값 정지 규칙에 의존하는데, 최적 임계값이 변화하는 잡음 및 신호 레벨에 따라 달라지기 때문에 조정이 어렵습니다. 반면, 아카이케 정보 기준 (AIC) 과 베이지안 정보 기준 (BIC) 과 같은 정보 이론적 기준 (ITC) 은 우도 항과 복잡도 패널티 간의 균형을 통해 모델 차수 선택을 위한 원칙적인 프레임워크를 제공합니다. 그러나 ITC 를 직접 적용하려면 모든 후보 모델 차수에 대해 ML 매개변수 추정이 필요하므로, 이는 다차원 탐색의 금지적인 계산 비용을 다시 불러오게 됩니다.

방법론
본 논문은 ITC 모델 차수 선택을 OLS 탐욕적 추정 절차에 직접 통합하여 표적 수와 DoA 를 동시에 추정하는 프레임워크를 제안합니다. 저자들은 세 가지 고유한 알고리즘 전략을 개발했습니다:

1. 분리형 순위 기반 ITC-OLS: 이 접근법은 작업을 분리합니다. 먼저 수신된 신호의 표본 공분산 행렬에 적용된 순위 기반 ITC 를 사용하여 표적 수를 추정합니다. 이 추정치는 DoA 를 추정하기 위한 후속 표준 OLS 절차의 반복 횟수를 결정합니다.
2. 결합 선택 기반 ITC-OLS: 이 방법은 선택 과정을 직접 통합합니다. 모든 후보 $k$에 대한 완전한 ML 추정을 요구하는 대신, 알고리즘은 각 단계에서 탐욕적 OLS 추정을 사용합니다. OLS 추정이 ML 추정이 아니라는 사실을 보정하기 위해 수정된 ITC 목적 함수가 도입됩니다. 이 함수는 최소 잡음 분산 수준으로 해석되는 "ML 보정 매개변수"($\sigma^2_c$) 를 포함합니다. 알고리즘은 ITC 목적 함수 값을 감소시킬 때에만 새로운 표적 각도를 반복적으로 추가하며, 이는 ITC 를 동적 정지 기준으로 효과적으로 활용합니다.
3. 혼합 순위 및 선택 기반 ITC-OLS: 이 접근법은 이전 두 가지의 강점을 결합합니다. 먼저 순위 기반 ITC 를 사용하여 예비 표적 수 ($\hat{K}$) 를 추정합니다. 그런 다음 OLS 절차는 적어도 $\hat{K}$개의 표적을 선택하도록 강제됩니다. $\hat{K}$를 초과하는 반복 단계에서는 알고리즘이 결합 선택 기반 ITC 로직으로 전환하여 목적 함수를 개선할 때에만 추가 표적을 추가합니다. 이 설계는 낮은 신호대잡음비 (SNR) 에서 순위 기반 방법의 견고성을 활용하면서 높은 SNR 에서 선택 기반 방법의 정밀도를 활용하는 것을 목표로 합니다.

세 가지 알고리즘 모두 AIC 및 BIC 프레임워크 하에서 유도되었습니다. 시스템 모델은 액세스 포인트로부터의 알려지지 않은 직교 주파수 분할 다중화 (OFDM) 데이터 프레임을 사용하는 수동 레이더 설정을 가정하며, 수신기는 전송된 심볼을 디코딩하지 않습니다.

주요 기여
본 논문은 다음과 같은 구체적인 기여를 합니다:

• 새로운 알고리즘: ITC 표적 수 추정과 OLS DoA 추정을 성공적으로 결합한 세 가지 알고리즘 (분리형, 결합형, 혼합형) 제안.
• ML 보정 매개변수: ITC 목적 함수 내에서 매개변수 ($\sigma^2_c$) 도입. 이는 계산 비용이 많이 드는 ML 추정 대신 계산 효율적인 탐욕적 OLS 추정을 사용할 수 있게 합니다. 이 매개변수는 특히 탐욕적 방법이 위양성 표적을 감지하여 과적합할 수 있는 높은 SNR 에서 탐지율과 오경보율 간의 균형을 조절합니다.
• 실용적 적용: 심볼 디코딩 없이 알려지지 않은 OFDM 데이터를 사용하는 수동 레이더 시나리오에 이러한 방법을 적용하여 실현 가능성을 입증.
• 성능 분석: 혼합 알고리즘이 다른 변형 및 기준 고정 임계값 방법보다 일관되게 우월함을 보여주는 포괄적인 수치적 평가.

결과
10,000 회 몬테카를로 시뮬레이션으로 수행된 수치적 시뮬레이션은 요든 J 통계량 (탐지율과 오경보율의 차이) 을 사용하여 알고리즘을 평가했습니다. 주요 발견 사항은 다음과 같습니다:

• 혼합 접근법의 우위: 혼합 ITC-OLS 알고리즘은 다양한 SNR 수준, 표적 수 및 대역폭 (부반송파 수) 에서 가장 우수한 전반적 성능을 달성했습니다. 이는 순위 기반 및 선택 기반 전략의 상호 보완성을 성공적으로 활용했습니다.
• AIC 대 BIC: 평가된 시나리오에서 AIC 기반 변형은 BIC 기반 변형보다 일관되게 우수한 성능을 보였습니다.
• SNR 영역:
  • 낮은 SNR에서 분리형 순위 기반 방법이 우수했습니다. 이는 목적 함수 내 잡음 우세로 인해 선택 기반 방법이 너무 일찍 정지하는 경향이 있었기 때문입니다.
  • 중간에서 높은 SNR에서 OLS 각도 추정 품질이 향상됨에 따라 결합 및 혼합 방법이 성능을 개선했습니다.
• 매개변수 조정: ML 보정 매개변수 $\sigma^2_c$는 과추정을 방지하기 위해 높은 SNR 에서 결정적으로 중요했습니다. 최적 값은 AIC 의 경우 약 -35 dB, BIC 의 경우 약 -45 dB 로 확인되었습니다. 이러한 값은 심볼 수, 부반송파 수 및 표적 수의 변화에 걸쳐 견고했으나, 다른 안테나 어레이 크기의 경우 조정이 필요할 수 있습니다.

의의
본 논문은 탐욕적 OLS 방법의 계산 효율성과 ITC 모델 차수 선택의 통계적 엄밀성 사이의 간극을 해소하는 데 그 주요 의의가 있다고 주장합니다. 포괄적인 ML 탐색의 필요성을 우회함으로써 제안된 방법은 표적 수와 DoA 의 실시간 동시 추정을 가능하게 합니다. 특히 혼합 접근법은 수동 임계값 조정이 필요 없이 다양한 잡음 영역에 적응하는 견고한 솔루션을 제공하여, 실제 레이더 시스템에서 고정 임계값 정지 규칙의 알려진 한계를 해결합니다.