Robust Beamforming with Mutual Coupling Compensation for A Linear Nested Array

기술 요약: 선형 중첩 배열(Linear Nested Array)의 상호 결합 보상을 통한 강건한 빔포밍

문제 정의
방향각(DOA) 추정과 빔포밍은 레이더 및 무선 통신과 같은 응용 분야에서 안테나 배열 신호 처리의 핵심적인 요소입니다. 그러나 이러한 과정은 배열의 섭동, 특히 상호 결합(Mutual Coupling, MC)에 의해 크게 저하됩니다. 중첩 배열(Nested Arrays)은 서로 다른 소자 간격을 가진 여러 개의 균일 선형 부배열로 구성되는데, 이 중 내부 부배열은 매우 조밀하게 배치된 소자들을 특징으로 합니다. 이러한 근접성은 강한 상호 결합 효과를 유발하여 배열 매니폴드(Array Manifold)를 왜곡시키고, 결과적으로 DOA 추정 및 빔포밍 성능의 저하를 초래합니다. 다양한 교정 기술이 존재하지만, 동적인 환경에서 정확도를 유지하는 것은 여전히 어려운 과제입니다. 본 연구에서 다루는 구체적인 문제는 상호 결합 계수에 대한 사전 지식 없이도 견고한 빔포밍을 가능하게 하기 위해, 2단계 비균일 중첩 선형 배열에서의 상호 결합 오류를 보상하는 것입니다.

방법론
제안된 접근 방식은 첫 번째 단계로 조밀하게 배치된 소자들로 구성되고, 두 번째 단계로 넓은 간격을 가진 소자들로 구성된 2단계 중첩 선형 배열을 활용합니다. 방법론은 다음 단계들을 통해 진행됩니다:

1. 신호 모델링: 수신 신호 벡터는 상호 결합 행렬($M$), 배열 매니폴드($A$), 소스 신호 벡터($S$), 그리고 가산 잡음의 곱으로 모델링됩니다. 결합 행렬 $M$은 블록 대각 행렬로 모델링되는데, 내부 부배열은 인접한 소자 간의 상호 결합을 나타내는 토플리츠(Toeplitz) 구조를 보이는 반면, 외부 부배열은 넓은 소자 간격으로 인해 자기 결합(Self-coupling)만을 경험하는 것으로 가정합니다.
2. 공분산 행렬 분석: 알고리즘은 배열 출력의 복소 공분산 행렬을 분석합니다. 고유값 분해(Eigen-decomposition)를 수행함으로써 신호 부공간과 잡음 부공간을 분리합니다. 잡음 전력은 잡음 고유벡터를 사용하여 추정됩니다.
3. 상호 결합 추정: 추정된 잡음 성분을 차감하여 오차 공분산 행 matrix를 구축합니다. 알고리즘은 이 행렬의 구조적 특성을 활용하여, 각각의 비대각 및 대각 요소로부터 두 개의 특정 벡터($u_1$ 및 $u_2$)를 도출합니다. 이 벡터들은 연속 곱셈 연산자를 통해 상호 결합 계수를 계산하는 데 사용되며, 이를 통해 반복적인 최적화 없이 결합 벡터를 효과적으로 추정합니다.
4. 보상 및 재구성: 결합 계수가 추정되면 상호 결합 행렬이 재구성됩니다. 그 후, 상호 결합에 의한 왜곡을 제거하기 위해 신호 공분산 행렬을 보상하고 재구성합니다.
5. DOA 추정 및 빔포밍: 보상된 공분산 행렬은 스펙트럼 피크 탐색법(MUSIC)과 함께 사용되어 DOA를 추정합니다. 이렇게 추정된 방향들은 이후 배열 조향 벡터(Steering Vector)를 구성하고 간섭 및 잡음 공분산 행렬(INCM)을 재구성하는 데 사용됩니다. 마지막으로, 재구성된 INCM과 조향 벡터를 사용하여 최소 분산 무손실 응답(MVDR) 빔포밍 가중치가 계산됩니다.

주요 기여

• 교정 알고리즘: 본 논문은 배열 출력 공분산 행렬의 특성, 특히 오차 공분산 행렬의 대각 및 비대각 요소 간의 관계를 기반으로 상호 결합 계수를 추정하는 비반복적 교정 알고리즘을 제안합니다.
• 강건한 빔포밍: 빔포밍 이전에 상호 결합 보상을 통합함으로써, 이 방법은 배열 조향 벡터와 INCM의 계산을 단순화하며, 배열 매니폴드 왜곡에 덜 민감한 강건한 MVDR 빔포머를 구현합니다.
• 중첩 배열 최적화: 본 연구는 중첩 배열의 내부 단계에서 발생하는 높은 상호 결합이라는 고유한 과제를 해결하는 동시에, 외부 단계의 희소성(Sparseness)을 활용하여 전체적인 결합 효과를 최소화합니다.

실험 결과
8개의 소자(위치 [0, 1, 2, 3, 4, 9, 14, 19])와 두 가지 서로 다른 미지의 상호 결합 행렬을 사용하는 중첩 배열을 사용하여 수치 시뮬레이션을 수행하였습니다. 성능은 볼록 최적화 기반 방법인 Weiss-Friedlander(WF) 방법 및 공동 희소 회복(Joint Sparse Recovery) 기법과 비교 평가되었습니다.

• 정확도: 제안된 알고리즘은 크라메르-라오 하한(CRB)에 근접한 평균 제곱 오차(RMSE) 값을 보여주었습니다. 100 스냅샷에서 RMSE 값은 두 가지 결합 시나리오에 대해 각각 약 1.42와 1.23이었으며, 스냅샷이 500개로 증가했을 때 각각 0.52와 0.32로 크게 개선되었습니다.
• 저 SNR 성능: 제안된 방법은 -10 dB의 낮은 신호 대 잡음비(SNR)에서도 합리적인 성능을 유지하였으나, 해당 수준에서는 가짜 피크(False Peaks)가 더 두드러지게 나타났습니다. 논문은 0 ~ +10 dB의 SNR 범위에는 100 스냅샷이 사용되었음을 명시하였으나, -10 dB 데이터 포인트에 대한 구체적인 스냅샷 수는 텍스트에 명시적으로 정의되지 않았습니다.
• 빔포밍: 재구성된 빔 패턴은 특히 높은 SNR 수준(5 dB)에서 효과적인 부엽 억제(Sidelobe Suppression)와 좁은 빔 폭을 보여주어, 보상의 효능을 확인시켜 주었습니다.
• 계산 효율성: 제안된 방법은 반복당 약 0.168초가 소요되었으며, 이는 WF 방법(0.146초)과 유사한 수준이며 볼록 최적화(1.507초)보다는 현저히 빠릅니다.

의의
본 논문은 제안된 알고리즘이 상호 결합이 존재하는 상황, 특히 중첩 배열에서 DOA 추정 및 빔포밍을 위한 강건한 솔루션을 제공한다고 주장합니다. 공분산 행렬의 특성을 활용하여 결합 오류를 추정하고 보상함으로써, 이 방법은 최적화 기반 기술에 비해 계산 복잡도를 낮추면서도 정확한 방향 추정을 달ian합니다. 저자들은 이 접근 방식이 다중 신호 소스와 변화하는 결합 환경이 있는 시나리오에서 특히 효과적이며, 광범한 사전 교정 데이터 없이도 배열 신호 처리에서의 자가 교정(Self-calibration)을 위한 실질적인 경로를 제공한다고 단언합니다.