[論文レビュー] Cramer-Rao Bound for Sparse Signals Fitting the Low-Rank Model with Small Number of Parameters

Mahdi Shaghaghi, Sergiy A. Vorobyov|arXiv (Cornell University)|Feb 26, 2015

Sparse and Compressive Sensing Techniques参考文献 35被引用数 17

ひとこと要約

この論文は、有限の基底において必ずしもスパースでないスパース信号を含む、パラメータが少ない低ランク信号モデルにおけるパラメータ推定のCramér-Rao Bound (CRB) を導出する。不偏推定と有限分散を満たすには、信号源の数より多くの圧縮サンプルが必要であり、この事実をDOA推定の例を通じて検証する。

ABSTRACT

In this paper, we consider signals with a low-rank covariance matrix which reside in a low-dimensional subspace and can be written in terms of a finite (small) number of parameters. Although such signals do not necessarily have a sparse representation in a finite basis, they possess a sparse structure which makes it possible to recover the signal from compressed measurements. We study the statistical performance bound for parameter estimation in the low-rank signal model from compressed measurements. Specifically, we derive the Cramer-Rao bound (CRB) for a generic low-rank model and we show that the number of compressed samples needs to be larger than the number of sources for the existence of an unbiased estimator with finite estimation variance. We further consider the applications to direction-of-arrival (DOA) and spectral estimation which fit into the low-rank signal model. We also investigate the effect of compression on the CRB by considering numerical examples of the DOA estimation scenario, and show how the CRB increases by increasing the compression or equivalently reducing the number of compressed samples.

研究の動機と目的

• 少数のパラメータを有する低ランク信号モデルにおけるパラメータ推定の性能限界を確立すること。
• 圧縮センシング下でのこのようなモデルにおける閉形式のCramér-Rao Bound (CRB) を導出すること。
• 不偏推定と有限分散を満たすために必要な最小圧縮サンプル数を特定すること。
• 導出されたCRBを方向性推定 (DOA) およびスペクトル推定問題に適用すること。
• 数値例を通じて、圧縮が推定精度に与える影響を分析すること。

提案手法

• パラメトリック構造を有する低ランク信号モデルの圧縮測定値の対数尤度関数を導出する。
• 実部・虚部の振幅および未知パラメータ Ω に関する対数尤度の微分を用いて、フィッシャー情報行列 (FIM) を計算する。
• 行列の恒等式およびシュール補行列を用いて、特にパラメータベクトル Ω に対してCRBを閉形式で表現する。
• FIMの特異性を分析し、不偏推定と有限分散が不可能となる条件を特定する。
• ステアリングベクトルを用いたDOA推定にフレームワークを適用し、D(t) およびCRBの簡略化された表現を導出する。
• 一様線形アレイを用いた数値シミュレーションにより、異なる圧縮サンプル数 (Ny) におけるCRBの挙動を示す。

実験結果

リサーチクエスチョン

• RQ1 パラメータが少ない一般的な低ランク信号モデルにおけるパラメータ推定のCramér-Rao Bound (CRB) は何か？
• RQ2 不偏推定量が有限分散を持つために必要な最小圧縮サンプル数 (Ny) は何か？
• RQ3 圧縮（Ny の減少）は、方向性推定 (DOA) におけるCRBにどのように影響するか？
• RQ4 パラメトリック低ランクモデルに対して、導出されたCRBを閉形式で表現できるか？
• RQ5 Ny ≤ K（信号源数）のときと Ny > K のときとで、CRBはどのように異なるか？

主な発見

• 低ランクモデルにおけるパラメータ推定のCramér-Rao Bound (CRB) は、特にパラメータベクトル Ω に対して閉形式で導出された。
• 圧縮サンプル数 Ny ≤ K（信号源数）のとき、FIMが特異となるため、有限分散の不偏推定は不可能である。
• Ny > K のとき、FIMは非特異であり、CRBは有限となる。これは、有限分散を持つ不偏推定量が存在可能であることを示している。
• 数値結果から、DOA推定におけるCRBはNyが減少するにつれて増加し、Ny ≤ K の領域で急激に上昇することが示された。
• 有限分散の不偏推定に必要な最小圧縮サンプル数は Ny = K + 1 であり、K = 11 個の信号源を持つDOA例でこれを確認した。