[論文レビュー] Fast-MUSIC for Automotive Massive-MIMO Radar

Bin Li, Shuseng Wang+3 more|arXiv (Cornell University)|Nov 18, 2019

Radar Systems and Signal Processing参考文献 46被引用数 4

ひとこと要約

本稿では、自動車用マスィブMIMOレーダー向けに計算効率の高いMUSICアルゴリズムの変種、fast-MUSICを提案する。ランダム化低ランク近似を用いて、サブスペース計算を複数桁速めつつ、高分解能の電波到来方向（AoA）推定精度を維持する。従来のMUSICと比較してほぼ正確な擬似スペクトル性能を達成し、モバイルおよび自動車用途におけるリアルタイムの高分解能センシングを可能にする。

ABSTRACT

Massive multiple-input multiple-output (MIMO) radar, assisted by millimeter-wave band virtual MIMO techniques, provides great promises to the high-resolution automotive sensing and target detection in unmanned ground/aerial vehicles (UGA/UAV). As one long-standing challenging problem, however existing subspace methods may suffer from either the low resolution/accuracy or the high time complexity. In this study, we propose two computational efficient methods to accomplish the high-resolution estimation of angle of arrival (AoA) information. By leveraging randomized low-rank approximation, our fast-MUSIC approaches, relying on random sampling and projection techniques, would speed up the subspace computation by orders of magnitude. At the same time, we establish the theoretical bounds of our proposed approaches, which ensure the accuracy of approximated pseudo-spectrum. As shown, in the case of high signal-to-noise ratio, the pseudo-spectrum acquired by our fast-MUSIC is highly precise, when compared to the exact MUSIC. Comprehensive numerical study demonstrates that our new methods are tremendously faster than MUSIC, while the AoA estimation accuracy are almost as good as MUSIC. As such, our fast-MUSIC enables the high-resolution yet real-time sensing with massive MIMO radar, which has great potential in the emerging mobile computing and automotive applications.

研究の動機と目的

• 従来のサブスペース手法（例：MUSIC）がマスィブMIMOレーダーシステムにおいて高い計算複雑性を示す問題に対処すること。
• 自動車および無人車両用途におけるリアルタイムで高分解能な電波到来方向（AoA）推定を可能にすること。
• 実用的な信号対雑音比（SNR）条件下でも高い推定精度を維持する計算効率の高いMUSICの代替手法を開発すること。
• 低ランク近似によって生じる誤差の理論的境界を導出し、擬似スペクトルの信頼性を保証すること。

提案手法

• ランダム化低ランク近似を活用し、MUSICアルゴリズムにおける信号サブスペース計算を高速化する。
• ランダムサンプリングおよび射影技術を用いて、共分散行列の次元を低減しつつ、重要なスペクトル情報を保持する。
• より小さなランダムに射影された行列を用いて近似信号サブスペースを構築し、計算コストを顕著に削減する。
• 近似されたサブスペース上でMUSICアルゴリズムを適用し、AoA推定のための擬似スペクトルを推定する。
• 近似誤差の理論的境界を導出し、得られる擬似スペクトルの正確性を保証する。
• MUSICの構造を維持するが、全SVD計算を低次元行列における高速なランダム化SVDに置き換える。

実験結果

リサーチクエスチョン

• RQ1 マスィブMIMOレーダーにおけるMUSICアルゴリズムの高速化に、ランダム化低ランク近似を効果的に適用できるか、AoA推定精度を損なわないか？
• RQ2 MUSICに基づくAoA推定の文脈において、低ランク近似によって生じる誤差の理論的境界は何か？
• RQ3 高SNR条件下において、fast-MUSICの性能は従来のMUSICと比較して分解能および計算効率の面でどのように異なるか？
• RQ4 MUSICの計算複雑性をどの程度まで低減できるか、同時に近似的に最適な擬似スペクトル精度を維持できるか？

主な発見

• 提案されたfast-MUSIC手法は、従来のMUSICと比較して、サブスペース計算において複数桁の高速化を達成した。
• 高信号対雑音比（SNR）条件下では、fast-MUSICの擬似スペクトルが正確なMUSICとほぼ一致しており、AoA推定精度がほぼ同一であることが示された。
• 理論的境界により、近似誤差が小さく保たれることを確認し、信頼性の高い正確な擬似スペクトル推定が可能であることが保証された。
• 包括的な数値的実験により、fast-MUSICがMUSICとほぼ同一のAoA推定性能を維持しながらも、はるかに高速であることが示された。
• 本手法により、マスィブMIMOレーダーシステムでリアルタイムかつ高分解能なセンシングが可能となり、動的かつリアルタイムな自動車および無人車両用途に適している。