[論文レビュー] Diagonal Unloading Beamforming for Source Localization

Daniele Salvati, Carlo Drioli+1 more|arXiv (Cornell University)|May 3, 2016

Speech and Audio Processing参考文献 21被引用数 6

ひとこと要約

本稿では、共分散行列の対角成分から白色雑音パワーを差し引くことで負定値性を強制し、信号部分空間を除去するデータ依存型の共分散行列条件付け手法である対角アンローディング（DU）ビームフォーミングを提案する。この手法により、従来のビームフォーミングの計算コストを維持しつつ、MVDRおよびMUSIC並みの局在化精度を達成する。ノイズが多いか低SNR環境下でも、強固で効率的なソース局在化の代替手法を提供する。

ABSTRACT

In sensor array beamforming methods, a class of algorithms commonly used to estimate the position of a radiating source, the diagonal loading of the beamformer covariance matrix is generally used to improve computational accuracy and localization robustness. This paper proposes a diagonal unloading (DU) method which extends the conventional response power beamforming method by imposing an additional constraint to the covariance matrix of the array output vector. The regularization is obtained by subtracting a given amount of white noise from the main diagonal of the covariance matrix. Specifically, the DU beamformer aims at subtracting the signal subspace from the noisy signal space and it is computed by constraining the regularized covariance matrix to be negative definite. It is hence a data-dependent covariance matrix conditioning method. We show how to calculate precisely the unloading parameter, and we present an eigenvalue analysis for comparing the proposed DU beamforming, the minimum variance distortionless response (MVDR) filter and the multiple signal classification (MUSIC) method. Theoretical analysis and experiments with acoustic sources demonstrate that the DU beamformer localization performance is comparable to that of MVDR and MUSIC. Since the DU beamformer computational cost is comparable to that of a conventional beamformer, the proposed method can be attractive in array processing due to its simplicity, effectiveness and computational efficiency.

研究の動機と目的

• 実用的でノイズの多い環境下における従来のビームフォーミングのロバスト性と分解能を向上させること。
• MVDRビームフォーミングにおける対角ローディングの限界、特にペナルティ重みの任意的選択という問題を解決すること。
• ソース数の推定を必要とせず、部分空間の直交性を向上させるデータ依存型正則化手法を開発すること。
• MUSICやMVDRに匹敵する高分解能の局在化性能を実現しつつ、計算複雑度を低く保つこと。

提案手法

• DUビームフォーマーは、アレイ共分散行列の主対角成分からデータに依存する白色雑音量を差し引くことで、行列を正則化する。
• 正則化は2つの制約を強制する：正則化された共分散行列は負定値でなければならないし、信号部分空間の固有値は正確にゼロでなければならない。
• アンローディングパラメータは、信号固有値と雑音パワーから解析的に導出され、最適な信号部分空間の除去が保証される。
• 固有値分解を活用して信号部分空間と雑音部分空間を分離し、高分解能のビームパターンを形成する。
• ビームフォーマー応答のパワーは、正則化された共分散行列を用いて計算され、MVDRおよびMUSICと類似した空間スペクトルを生成する。
• 反復的最適化やソース数の推定を必要としないため、反復的最適化やソース数の推定を必要としないため、計算コストは従来のビームフォーマーと同等の低さを維持する。

実験結果

リサーチクエスチョン

• RQ1 従来のビームフォーミングをどのように改善すれば、計算コストを増加させずに高分解能のソース局在化を達成できるか？
• RQ2 部分空間の直交性を強制し、共分散行列推定誤差に対してロバスト性を高める最適なデータ依存型正則化戦略は何か？
• RQ3 低SNRおよび1スナップショット条件下で、提案された対角アンローディング手法はMVDRおよびMUSICと比べて、局在化精度とロバスト性においてどのように異なるか？
• RQ4 DUビームフォーマーは、ソース数の推定を必要とせず、複雑なパrameterチューニングを伴わずにMUSIC並みの性能を達成できるか？
• RQ5 DU手法におけるアンローディングパラメータの理論的根拠は何か？また、共分散行列の固有構造とどのように関係しているか？

主な発見

• DUビームフォーマーは、シミュレーションおよび実世界の音響シナリオの両方で、SNR範囲-10 dB〜20 dBにおいてMVDRおよびMUSICと同等の局在化性能を達成する。
• 1スナップショット条件下では、DU、MVDR、MUSICのRMSEがいずれも12.448°と同一であり、限られたデータに対してもロバストであることが示された。
• 5スナップショットでは、実データ実験においてDUが最も低いRMSE（6.667°）を達成し、MVDR（7.568°）およびMUSIC（6.894°）を上回った。
• 10スナップショットでは、MUSICがわずかにDU（4.962° vs. 4.980° RMSE）を上回ったが、差は無視できるほど小さく、性能がほぼ同等であることが示された。
• DU手法は共分散行列推定誤差に対してロバストであり、MVDRの対角ローディングとは異なり、ヒューリスティックなパrameterチューニングを必要としない。
• 理論的分析により、ノイズなしで単一ソースの条件下では、DUビームフォーマーの空間スペクトルがスケール因子を除きMVDRと同一であることが確認され、部分空間直交性に基づく妥当性が裏付けられた。