[論文レビュー] A framework for the analytical performance assessment of matrix and tensor-based ESPRIT-type algorithms

Florian Roemer, Martin Haardt|arXiv (Cornell University)|Sep 14, 2012

Direction-of-Arrival Estimation Techniques参考文献 40被引用数 13

ひとこと要約

本稿では、行列およびテンソルベースのESPRIT型アルゴリズムの性能を評価するための統一的解析フレームワークを提示する。このフレームワークにより、ガウス分布や円対称性を仮定しないまま、推定誤差の1次摂動解析が可能となる。主な貢献は、ノイズの2次のモーメントにのみ依存する閉形式の平均二乗誤差（MSE）式の導出であり、これは単一スナップショットの状況でも有効であり、多次元アレイにおける標準的およびユニタリESPRITの両方のバージョンに適用可能である。

ABSTRACT

In this paper we present a generic framework for the asymptotic performance analysis of subspace-based parameter estimation schemes. It is based on earlier results on an explicit first-order expansion of the estimation error in the signal subspace obtained via an SVD of the noisy observation matrix. We extend these results in a number of aspects. Firstly, we derive an explicit first-order expansion of the Higher- Order SVD (HOSVD)-based subspace estimate. Secondly, we show how to obtain explicit first-order expansions of the estimation error of ESPRIT-type algorithms and provide the expressions for matrix-based and tensor-based Standard ESPRIT and Unitary ESPRIT. Thirdly, we derive closed-form expressions for the mean square error (MSE) and show that they only depend on the second-order moments of the noise. Hence, we only need the noise to be zero mean and possess finite second order moments. Fourthly, we investigate the effect of using Structured Least Squares (SLS) to solve the overdetermined shift invariance equations in ESPRIT and provide an explicit first-order expansion as well as a closed-form MSE expression. Finally, we simplify the MSE for the special case of a single source and compute the asymptotic efficiency of the investigated ESPRIT-type algorithms in compact closed-form expressions which only depend on the array size and the effective SNR. Our results are more general than existing results on the performance analysis of ESPRIT-type algorithms since (a) we do not need any assumptions about the noise except for the mean to be zero and the second-order moments to be finite (in contrast to earlier results that require Gaussianity or second-order circular symmetry); (b) our results are asymptotic in the effective SNR, i.e., we do not require the number of samples to be large; (c) we present a framework that incorporates various ESPRIT-type algorithms in one unified manner.

研究の動機と目的

• 部分空間ベースのパrameter推定アルゴリズムの漸近的性能評価のための一般的解析フレームワークの構築を目的とする。
• 高次SVD（HOSVD）に基づく部分空間推定における1次摂動理論を、テンソルベースの信号処理に拡張することを目的とする。
• 行列ベースおよびテンソルベースの標準的およびユニタリESPRITを含む、さまざまなESPRIT型アルゴリズムの明示的1次展開および閉形式MSE式の導出を目的とする。
• ESPRITにおける不変性方程式の解法に用いられる構造的最小二乗法（SLS）の、推定誤差に対する影響を分析することを目的とする。
• 配列サイズおよび有効SNRのみに依存する閉形式で漸近的効率を計算し、単一ソースの状況を対象とする。

提案手法

• 摂動理論を用いて、HOSVDに基づく部分空間推定の推定誤差の明示的1次展開を導出する。
• 摂動フレームワークをESPRIT型アルゴリズムに適用し、R次元の行列およびテンソルベースの標準的およびユニタリESPRITの誤差展開を導出する。
• SVDベースおよびHOSVDベースの部分空間推定を統一的に取り扱い、不変性方程式の解法に構造的最小二乗法を含める。
• クロネッカー積、射影行列、および交換行列の性質を用いて、誤差感度をアレイ応答およびノイズ部分空間の射影に基づいて表現する。
• ノイズの2次のモーメントにのみ依存するMSE式を導出し、ガウス性や円対称性の仮定を回避する。
• 白色で円対称なノイズ下での一様線形アレイ（ULA）および一様矩形アレイ（URA）における単一ソースのMSEを簡略化する。

実験結果

リサーチクエスチョン

• RQ1 行列およびテンソルベースのESPRIT型アルゴリズムの性能評価のための統一的解析フレームワークをどのように構築できるか？
• RQ2 多次元アレイにおけるHOSVDに基づく部分空間推定の推定誤差の1次摂動展開は何か？
• RQ3 ガウス分布や円対称性の仮定なしに、ESPRIT型アルゴリズムの閉形式MSE式を導出できるか？
• RQ4 構造的最小二乗法の使用は、ESPRIT型アルゴリズムの推定誤差の性能にどのように影響するか？
• RQ5 単一ソースの状況において、テンソルベースのESPRITの漸近的効率は行列ベースのESPRITに対してどのように評価できるか？

主な発見

• 提案されたフレームワークにより、サンプルサイズではなく有効SNRに漸近的である1次摂動解析が可能となり、単一スナップショットの状況でも有効な分析が可能となる。
• ノイズの2次のモーメントにのみ依存する閉形式MSE式が導出され、ガウス性や円対称性の仮定が不要となる。
• 単一ソースの場合、2次元標準ESPRITと2次元テンソルESPRITのMSEは同一であり、同じ条件下で感度行列（W_mat および W_ten）が等価である。
• 単一ソースの状況において、R次元ユニタリESPRITのMSEはR次元標準ESPRITと等しくなることが示された。これは、前向き・後向き平均化の下で摂動構造が不変であるためである。
• 単一ソースの状況における漸近的効率が、配列サイズおよび有効SNRにのみ依存する閉形式で計算可能であり、アルゴリズムの性能を直接比較可能となる。
• 本フレームワークにより、SVDベースおよびHOSVDベースの部分空間推定、および構造的最小二乗法の解法の分析が統一され、さまざまなアルゴリズムバージョンの性能評価に包括的なツールが提供される。