[論文レビュー] Optimum Signal Linear Detector in the Discrete Wavelet Transform-Domain

Ignacio Melgar, Jaime Gómez+1 more|ArXiv.org|May 18, 2005

Image and Signal Denoising Methods参考文献 5被引用数 4

ひとこと要約

本論文は、加法的ホワイトガウスノイズ（AWGN）環境下での既知信号検出に、離散ウェーブレット変換（DWT）ドメイン処理を用いた最適線形検出器を提案する。従来の方法が最大ウェーブレット係数に依存するのに対し、本手法は線形結合を通じてすべてのウェーブレット係数を活用し、同一条件下でより優れた検出性能を達成し、誤検出率が低く、検出確率が高くなる。

ABSTRACT

The problem of known signal detection in Additive White Gaussian Noise is considered. In this paper a new detection algorithm based on Discrete Wavelet Transform pre-processing and threshold comparison is introduced. Current approaches described in [7] use the maximum value obtained in the wavelet domain for decision. Here, we use all available information in the wavelet domain with excellent results. Detector performance is presented in Probability of detection curves for a fixed probability of false alarm.

研究の動機と目的

• 加法的ホワイトガウスノイズ（AWGN）環境下での既知信号検出を改善すること。
• 従来のDWTベースの検出器が最大ウェーブレット係数にのみ依存するという制限を克服すること。
• ウェーブレットドメインに存在するすべての情報を完全に活用する線形検出手法を開発すること。
• 固定誤検出確率のもとで、より優れた検出性能を達成すること。

提案手法

• 受信信号を離散ウェーブレット変換（DWT）を用いて事前処理し、サブバンドに分解する。
• スケールおよび位置にわたるすべてのウェーブレット係数を入力特徴として抽出する。
• 信号およびノイズの統計から導出された最適な重みベクトルを用いて、これらの係数の線形結合を形成する。
• 線形出力に対してしきい値比較を適用し、最終的な検出意思決定を行う。
• 与えられた信号およびノイズモデル下で誤差確率を最小化するように重みベクトルを最適化する。
• 検出性能を評価するために、固定誤検出確率を制約条件として用いる。

実験結果

リサーチクエスチョン

• RQ1 DWTドメインにおけるウェーブレット係数の全活用は、最大係数に依存する手法と比較して検出性能の向上をもたらすか？
• RQ2 提案手法の線形検出器は、従来のDWTベースの検出手法と比較して、検出確率においてどのように異なるか？
• RQ3 AWGN下で検出誤差を最小化するためのウェーブレット係数の最適線形結合は何か？
• RQ4 提案手法は、より高い検出率を達成しつつ、固定誤検出確率を維持できるか？

主な発見

• 提案手法は、最大ウェーブレット係数にのみ依存する手法と比較して、顕著に高い検出確率を達成する。
• すべてのウェーブレット係数を活用することにより、所定の検出性能を達成するための信号対ノイズ比が低減される。
• 係数の線形結合により、ノイズ環境下でもより頑健な検出意思決定が可能になる。
• 性能曲線は、さまざまな信号対ノイズ比レベルで一貫した改善を示す。
• 固定誤検出確率を維持しつつ、従来手法を上回る検出精度を達成する。
• 結果から、DWTドメイン情報の全活用が最適線形検出器設計に寄与することが明らかになった。