[論文レビュー] Fast Two-Dimensional Atomic Norm Minimization in Spectrum Estimation and Denoising

Jian Pan, Jun Tang+1 more|arXiv (Cornell University)|Jul 23, 2018

Sparse and Compressive Sensing Techniques参考文献 21被引用数 6

ひとこと要約

本稿では、2次元スペクトル推定およびノイズ除去のための高速な行列アトムノルム最小化（MANM）手法を提案する。新規の行列アトムノルムを活用することで、2次元波束指向性（DOA）問題を低複雑性の半定値計画（SDP）に再定式化する。計算コストを O((MN+1)^3) から O((M+N)^3) に低減させつつ、スーパーレゾリューション性能を維持し、グリッドフリーな高精度・高耐性の単一スナップショット回復を実現する。

ABSTRACT

Motivated by recent work on two dimensional (2D) harmonic component recovery via atomic norm minimization (ANM), a fast 2D direction of arrival (DOA) off-grid estimation based on ANM method was proposed. By introducing a matrix atomic norm the 2D DOA estimation problem is turned into matrix atomic norm minimization (MANM) problem. Since the 2D-ANM gridless DOA estimation is processed by vectorizing the 2D into 1D estimation and solved via semi-definite programming (SDP), which is with high computational cost in 2D processing when the number of antennas increases to large size. In order to overcome this difficulty, a detail formulation of MANM problem via SDP method is offered in this paper, the MANM method converts the original $MN+1$ dimensions problem into a $M+N$ dimensions SDP problem and greatly reduces the computational complexity. In this paper we study the problem of 2D line spectrally-sparse signal recovery from partial noiseless observations and full noisy observations, both of which can be solved efficiently via MANM method and obtain high accuracy estimation of the true 2D angles. We give a sufficient condition of the optimality condition of the proposed method and prove an up bound of the expected error rate for denoising. Finally, numerical simulations are conducted to show the efficiency and performance of the proposed method, with comparisons against several existed sparse methods.

研究の動機と目的

• 大規模アレイ処理における既存の2次元アトムノルム最小化（ANM）手法の高い計算複雑性に対処すること。
• 単一スナップショットおよび部分観測からのグリッドフリーでスーパーレゾリューションな2次元DOA推定を可能にすること。
• オフグリッド調波成分を扱う際の従来のグリッドベースの圧縮センシング手法の制限を克服すること。
• SDP問題の次元を MN+1 から M+N 次元に低減する行列アトムノルムの定式化を構築すること。
• ノイズ条件下でのノイズ除去および推定精度に対して理論的性能保証を提供すること。

提案手法

• 2次元調波成分行列に基づく新規な行列アトムノルムを導入し、1次元ANMのベクトル化手法を構造的行列形式に置き換える。
• バーデモンデ構造を保持する新たなアトム集合を用いて、2次元DOA推定問題を行列アトムノルム最小化（MANM）問題に再定式化する。
• SDPの次元を MN+1 ではなく M+N にすることで、計算複雑性を著しく低減する。
• トーペリッツ行列構造とカラーテオドリータイプの分解を活用し、2次元におけるスーパーレゾリューション特性を維持する。
• SDPに基づく最適化を用いて、部分的なノイズなし観測回復および完全なノイズあり観測のノイズ除去に本手法を適用する。
• 確率的解析とランダム行列要素に関するベルンシュタインの定理を用いて、推定誤差の理論的境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 1次元ANMのベクトル化手法と比較して、著しく低い計算複雑性を持つ2次元アトムノルム最小化手法を定式化できるか？
• RQ2 提案された行列アトムノルム定式化は、スーパーレゾリューション性能およびオフグリッド成分に対する耐性を保持するか？
• RQ3 MANM手法は、単一スナップショットおよび部分観測から正確な2次元DOA推定を達成できるか？
• RQ4 提案されたMANM手法を用いたノイズ除去における期待誤差率の理論的境界は何か？
• RQ5 既存のスパース復元およびANMベースの手法と比較して、MANM手法の実行時間および精度はどのように異なるか？

主な発見

• MANM手法により、SDP問題の次元を O(MN+1) から O(M+N) に低減させ、1次元ANMと比較して計算複雑性が数桁も低減した。
• 本手法は、密度の高いグリッドを必要とせず、単一スナップショットからの高分解能2次元DOA推定を実現し、スーパーレゾリューション性能を維持する。
• 理論的解析により、ノイズ除去における期待誤差が 2λ‖X♯‖_𝒜𝒹 で有界であることが示された。ここで λ はアレイサイズおよびノイズ分散の関数である。
• 数値シミュレーションにより、特にオフグリッド条件下で、従来のグリッドベース手法（OMP や LASSO）を凌駆することが確認された。
• 従来のサブスペース手法（MUSIC や ESPRIT）とは異なり、本手法はコherentlyな信号源および信号相関に対しても耐性を示す。
• Mₓ = 4π(M−1) および Nᵧ = 4π(N−1) のとき、ノイズ行列の期待ノルムは √(ln(MₓNᵧ)) および (M−1)²(N−1)² 項を含む関数で有界であり、安定した性能を保証する。